Gemini 3, leggi di scalabilità e l'era dei "dati finiti": la mia conversazione con @borgeaud_s, ingegnere di ricerca presso @GoogleDeepMind e responsabile del pre-training per Gemini 3 00:00 – Introduzione fredda: “Siamo in anticipo sul programma” + l'AI è ora un sistema 00:58 – La “ricetta segreta” di @OriolVinyalsML: migliore pre- + post-training 02:09 – Perché i progressi dell'AI non stanno ancora rallentando 03:04 – I modelli stanno davvero diventando più intelligenti? 04:36 – Due-tre anni avanti: cosa cambia per prima? 06:34 – L'AI che fa ricerca sull'AI: più veloce, non automatizzata 07:45 – Laboratori Frontier: stesso approccio o scommesse diverse? 10:19 – Post-transformers: ci sarà una disruption? 10:51 – Il vantaggio di DeepMind: ricerca × ingegneria × infrastruttura 12:26 – Cosa fa realmente un responsabile del pre-training di Gemini 3 13:59 – Dall'Europa a Cambridge a DeepMind 18:06 – Perché ha lasciato RL per dati del mondo reale 20:05 – Da Gopher a Chinchilla a RETRO (e perché è importante) 20:28 – “Gusto della ricerca”: integrare o rallentare tutti ...