Etter mange år som Stanford-professor og med utviklingen av ImageNet, prosjektet som katalyserte dyp læringsrevolusjonen, slo Fei-Fei Li seg sammen med sin tidligere student Justin Johnson og et utvalgt team for å starte World Labs, og satset karrieren sin på romlig intelligens som neste grense innen AI. Vi satte oss ned med Fei-Fei og Justin for å gå i dybden på hvordan «AlexNet-øyeblikket» for verdensmodeller ser ut, hvorfor transformatorer egentlig er faste modeller i stedet for sekvensmodeller, hvordan Gauss'ske splats, fysikkpriorer og nye maskinvareprimitiver kan omdefinere stakken utover GPU-er, den endrede rollen akademia har i en tid med grenselaboratorier, hvordan forankring av AI i fysisk virkelighet kan endre robotikk, medisin og kreativ design for alltid, og deres veddemål om at romlig forankrede verdensmodeller vil være broen fra dagens tekstbaserte LLM-er til agenter som faktisk lever og handler i 3D-rom. @drfeifei @jcjohnss @swyx @FanaHOVA

Jed Borovik fra Google Labs bygger Jules, Googles autonome kodeagent, etter ni år med søk. Jed har opplevd overgangen fra klassisk ML-rangering til langvarige AI-agenter med egne datamaskiner. Hans «Stable Diffusion-øyeblikk» overbeviste ham om at AI ikke ville utslette hans håndverk som programvareingeniør, men bli en ny pensel for kodeskriving, noe som førte ham til Google Labs for å hjelpe til med å bygge Jules. Vi tok en prat med ham på GitHub Universe for å utforske hva som virkelig gjør Jules «autonom» (dedikerte skymiljøer, API/CLI-triggere, økter som varer i flere dager), hvordan bedre basemodeller lar team slette overkonstruerte stillas- og personatrær, hvorfor naive kode-RAG gir plass til grep + verktøy + enorme kontekstvinduer, og hvordan kodeagenter omformer programvareutvikling. @jedborovik @swyx