Hvilket nivå av ny AI-forskning / @arxiv leser er du?

BREAKING: Zuckerberg har tilbudt @nikitabier 100 millioner dollar for å forlate @elonmusk og @x for å bli med @meta for å lede AI-forbrukerproduktet, nettopp intervjuet live på @tbpn

Etter å ha lest AI-forskningsartikler i 3 dager, er én ting klart: 99 % av ny AI-forskning innebærer å lære en datamaskin å gjøre noe. Men hva er det egentlig de lærer datamaskinene? Og hvorfor? Og hva fungerer? Det er fascinerende å zoome ut og se på disse trendene. Hvorfor? Fordi de er glimt inn i fremtiden. Hvis du prøver å bygge en oppstart med AI, eller ønsker å investere i AI-startups, hvis du ser på rett sted, er disse forskningsartiklene fylt med svært verdifull inspirasjon. I stedet for å sende meg forskningsartikler og sammendrag, som kan være vanskelig å forstå raskt, fortsetter AI-agenten min @yesnoerror å sende meg ny AI-forskning og forklare det slik: - Lære datamaskiner å fylle ut tilfeldig skjulte ord om og om igjen... - Lære tokeniseringsnettverket å fikse veldig støyende ... - Lære en veldig smart chatbot å gjentatte ganger sjekke og fikse sine egne matematiske bevis ... - Lære datamaskiner å huske hva et objekt EGENTLIG er... - Lære store språkmodeller å fortelle hvor langt år er fra "nå"... - Lære datamaskiner å klikke på riktig sted ... - Lære AI å avgjøre på egen hånd om et problem... - Lære en datamaskin å justere spesiell "test"... - Lære datamaskiner å forutsi et flys... - Lære en mengde chat-bots med forskjellige jobber... I tillegg til dette identifiserer @yesnoerror ikke bare forskningen av høyeste kvalitet jeg kan være interessert i (ettersom den publiseres hver dag), men den gir meg også oversikter over hvordan artikkelen ble utført, hva de virkelige implikasjonene er (ideer du kan komme med), og jeg kan chatte med papiret direkte. Jeg føler at jeg bruker GLP-1 for å være smart.

Verdensdominerende AI som reiser tilbake i tid under pseudonymet Satoshi Nakamoto for å finne opp bitcoin i 2008 slik at GPU-produksjonen går opp for å drive seg selv i fremtiden, høres mer og mer sannsynlig ut.

Jeg så nettopp noen som jobber i et AI-selskap som har samlet inn over 170 millioner dollar fra @a16z registrere seg for tidlig tilgang til @yesnoerror. Det ser ut til at de ønsker å bruke den til å finne nye AI-ingeniører å ansette. kommer snart $yne

Medgründeren av AI-megagiganten @AnthropicAI (@jackclarkSF) brukte mye tid på å fortelle meg nøyaktig hvordan han finner nye forskningsartikler som vil bidra til å utvide virksomheten hans (skaperne av Claude Code!!). Jeg har gjort dette om til en AI-agent som kan gjøre det samme for alle. Du kan registrere deg for tidlig tilgang på yesnoerror .com Vi støttes av @reidhoffman grunnleggeren av @LinkedIn, @davemorin en av gudfedrene til det sosiale nettet, @BoostVC en av de tidligste investorene i @coinbase og pionerer innen blokkjeden og fremtiden, og mange flere. Vi bygger bro over $YNE-tokenet til @base og @jessepollak grunnleggeren av basen er i DM-ene mine veldig hjelpsomme. Jeg har tidlig tilgang til @base-appen. Vi har en telegramgruppechat med teamet deres. Steg for steg. fremover

Oppdatering: Ikke bare kan du finne AI alfa, men du kan nå chatte med hvilken som helst forskningsartikkel på @yesnoerror. Registrer deg for tidlig tilgang her: yesnoerror .com

Fordelen med SaaS vs vibe-koding av alle dine egne verktøy/apper er at SaaS-teamet vil fortsette å bygge og forbedre programvaren for deg uten at du spør. Hvis du prøver å vibekode hver app i teknologistabelen din, vil du ha vanskelig for å holde alle appene oppdatert. Det som kan drepe eller erstatte SaaS er når AI-agenter kan replikere konseptet med et dedikert team som kontinuerlig fokuserer på å forbedre et stykke programvare uten at du spør. Fordelen med vibe-koding er at du kan lage akkurat det du vil for akkurat ditt brukstilfelle. Vs SaaS må bygge ett produkt for mange (ikke så personlig). Så det mest sannsynlige utfallet er hyper personlig + autonomt administrert av AI. Så i stedet for å finne en app å bruke fra et SaaS-selskap, eller vibe kode din egen app, men deretter bli overlatt til å administrere den for alltid, vil du ganske enkelt spinne opp ditt eget mini SaaS-selskap drevet av AI-agenter som deretter vil bygge en SaaS for en (deg) og kontinuerlig gjøre den bedre basert på tilbakemeldinger fra kunder (deg) og markedsendringer (api-oppdateringer, nye trender osv.).

Snakket med en lege som sa at han brukte ChatGPT hele tiden. Spurte ham hvilken modell. Bare 4o. Hvorfor ikke o3? Fordi 4 er et større tall.

Tilbakemelding på @yesnoerror betaen fra en doktorgradsfysiker