Dette er en av mine favorittlister; IEA-ekspert solprognoser hvert år kontra faktiske installasjoner Folk er veldig dårlige til å vikle hodet rundt eksponentialer

Tenk deg at du har trent opp en RL-agent til å maksimere belønningen på tvers av ulike miljøer Så hvis du slapp den inn i et nytt miljø, er det første spørsmålet den ville lære å stille "hva er belønningsfunksjonen min her?" den kan til og med lære å modellere motivene til simulatorene sine for å finne ut av dette

hva elsker/hater ppl med ChatGPT-minne? I hvilke tilfeller er det nyttig? I hvilke tilfeller kommer det til kort?

setninger som får en annen betydning når du jobber på AGI-laboratoriet: "Forskningen min gikk sakte i begynnelsen, men nå begynner den endelig å vise tegn til liv"

Å maksimere langsiktig lykke for den menneskelige befolkningen er bare et anvendt forskningsproblem

AI-slop vil bli sett tilbake på som voksesmerter av en for tidlig teknologi på samme måte som vi ser på 2023-modeller som ikke kunne regne på grunn av funky tokenisering

ML er et utrolig mimetisk felt. Fortellingene som blir etterlignet rundt hvorfor den ene eller den andre metoden ikke fungerte er ofte tvilsomme i beste fall. Det er fortsatt så mye alfa i å faktisk se på dataene

Emiliano er en av de mest sprukne menneskene jeg kjenner, og jobber med å bruke AGI på en gigantisk industri som fortsatt bruker penn og papir; Jeg tror dette er en fantastisk mulighet for den rette personen også en gratis $10K til den som kan henvise noen han ansetter

emiliano er en av de mest sprukne menneskene jeg kjenner, og jeg kunne ikke anbefale å jobbe med ham på det sterkeste også en gratis $10K til den som kan henvise noen han ansetter

.@aitechnopagan er en LLM-kunstner/psykolog/jailbreaker som har utforsket modellene dypere enn omtrent noen andre Jeg tror denne typen arbeid er bra for verden, noen burde finansiere henne!