Otrolig podcast med @demishassabis VD:n för Google DeepMind med @lexfridman Några råa mänskliga anteckningar om mina favoritdelar - 50 % förändring av AGI till 2030. Ojämn intelligens fungerar inte. Det behövs en konsekvent intelligens över hela linjen (kreativ, uppfinningsrik förmåga). - Geminis VEO3-videomodell är otroligt bra på fysik och realism (ljus, material, vätskor) trots att den inte har någon form i den verkliga världen. Det förstås fysik genom observation, och detta antyder en djupare förståelse av vår värld. - AlphaEvolve från DeepMind utvecklar algoritmer. AI/LLM:er samarbetar med evolutionära algoritmer (biologiinspirerad optimering: iterativt utvecklande populationer mot högre kondition via operationer som efterliknar naturligt urval) - Smak (vad är det rätta experimentet eller frågan) och omdöme kommer att vara extremt svårt att spika med AI. System kan inte göra detta idag. - Noam Shazeer (Transformers), David Silver (AlphaGO), Demis är ganska tydlig med att han tycker att Google har den bästa AI-talangen. "Det är svårare att uppfinna saker än att snabbt följa". De flesta originella AI-genombrott har skett via Google. - Han tror inte att vi håller på att få slut på data att träna. - Fusion och solenergi är de viktigaste energikällorna för AI. Batterier och transmission är kärnfrågorna. - Det verkar mycket osannolikt att text kommer att vara användargränssnittet med multimodal AI. Förväntar sig AI-genererade gränssnitt som är anpassade till hur varje persons hjärna fungerar. - Benchmark-resultat är svåra eftersom när du optimerar för ett område vacklar ett annat, det är en mycket svår balansgång. Slutanvändare är den ultimata domaren (Lex sa den sista delen men jag gillade det) - Demis säger att Meta inte ligger i framkant utan ligger bakom och betalar för mycket för att talanger ska komma ikapp. - AGI är den viktigaste tekniken som någonsin kommer att uppfinnas. - Människor som omfamnar AI och blir ett med dem kommer att bli supermänskligt produktiva. - Nummer ett är att skapa mer överflöd av resurser så att det här inte blir ett nollsummespel.

Hur mycket energi ska man träna AGI? ☀️🔋 - Nuvarande rekord: GPT-4:s fullständiga träningskörning ≈ 55 GWh - AGI-klassat system (≈ 100 miljoner H100-ekvivalenta GPU:er) beräknad årlig användning av träningseffekt ≈ 613 000 GWh - Skillnad mellan fyra storleksordningar - 2031-2035 är bästa uppskattningen Energi är ett centralt beroende av AGI Varningar 1/ AI kan leda till energigenombrott. Detta är rekursiv självförbättring i en annan form eftersom det förbättrar den underliggande träningen och gör tidslinjerna kortare. 2/ Inferens kommer att vara en enorm efterfrågan på GPU:er. Träningen hämtar inte alla GPU:er. Detta kommer att göra tidslinjerna längre. H/T bra samtal med @KSimback Länk till ChatGPT-frågan:

GG @Kalshi att vinna xAI-racet

GG @Kalshi att vinna xAI-racet

Telegram Messaging-appen upplever 90 % nätverkstrafik på vad Pump-teamet borde göra just nu

Möjligen är det en ganska vild extrem sak att uppnå AGI via GPU:er inrymda under tält

Jag tror att parker och natur kommer att bli mycket produktifierade i AI-åldern 🏞️🏕️ Natur som en tjänst-prenumerationer, snabbpass, bokningar av privata områden, glamping, sport/hälsa och friskvårdsaktiviteter i parken När alla sitter klistrade vid sina VR-glasögon och lever ett annat liv med sina AGI-följeslagare kommer lusten att uppleva naturen att vara hög

Googles AI är absolut MATLAGNING "Vi bearbetar 980 biljoner+ månatliga tokens över våra produkter och API:er (upp från 480T vid I/O i maj)"

Jag slutade på Wall Street för att starta ett kryptoforskningsföretag (51 procent) Min pappa hjälpte mig att sälja bilen han köpte till mig för att betala hyran: $4k rea När min mamma sålde sitt hus för något över breakeven gav hon mig ett liknande belopp + redigerade rapporter Sällsynt villkorslös kärlek som jag hoppas kunna betala vidare ❤️