Hvorfor AI trenger tillit, kjernekraft og krypto-native agenter I denne episoden av DROPS setter jeg meg ned med Ben Frigon for å diskutere hvorfor AI snart kan automatisere store deler av livet ditt, men bare hvis vi løser tre vanskelige problemer samtidig: tillit, energi og infrastruktur. Fra kjernekraft og dataeierskap til AI-agenter som flytter penger mens du sover, skisserer @ben_frigon en fremtid som føles ambisiøs, men samtidig merkelig praktisk. Fra DeFi Summer til @TalusNetwork Bens historie starter ved Brown University under DeFi-sommeren, da Ethereum og tidlige DeFi-apper eksploderte. Han ble president for blockchain-klubben og var med på å designe det han kaller «det første studiepoenggivende kurset om NFT-er ved noen høyskole hvor som helst», undervist helt på toppen av NFT-manien. Etter endt utdanning begynte han i krypto VC Distributed Global, hvor han brukte dagene sine på å «forske på alle områder av krypto du kan tenke deg.» Den vanen med obsessiv nysgjerrighet er en av de få egenskapene han mener gode gründere og gode investorer virkelig deler. Vendepunktet kom da han møtte sin medgründer Mike, som ble inkubert av Polychain. @polychain og @SuiNetwork støttet senere Talus Network, og Ben gikk fra investor til operatør. Som grunnlegger sier han: «Du må være virkelig, virkelig optimistisk, nesten naivt, dumt optimistisk», mens en VCs jobb er å forestille seg alle måter noe kan feile på. Å leve begge rollene hjelper ham å bygge ambisiøst, men med en realistisk risikofølelse. Finnes det en AI-boble? Da han ble spurt om vi er i en AI-boble, sa Ben: «Jeg tror ikke det finnes en AI-boble. Jeg tror at multipler kan gå ned, men en boble vil innebære at investeringen er bortkastet. Jeg synes ikke det er bortkastet i forhold til muligheten vi har.» Det virkelige problemet, sier han, er at AI ikke passer inn i klassisk ventureøkonomi. Å trene konkurransedyktige modeller betyr enorme maskinvareutgifter fra dag én, noe som er det motsatte av «to personer i en garasje»-historien VC var designet for å finansiere. Derfor skjer mye av fremgangen i store teknologiselskaper med dype balanse. For Ben trumfer den riktige innrammingen økonomien. "Mengden godt dette kan gjøre for verden er ulikt noe vi noen gang har sett." Hvis vi får det riktig, endrer AI hvordan vi jobber, lærer, tar beslutninger og til og med forholder oss til hverandre. Men den fordelen betyr bare noe hvis vi tar to store risikoer på hodet. Store risikoer: Feil modeller og for lite kraft Den første risikoen er modelldesign. Dagens store språkmodeller er imponerende, men smale: gode til å jobbe over tekst, svake på tidsserieresonnement og legemliggjorte oppgaver som handel eller robotikk. Ben mener vi til slutt vil trenge «verdensmodeller» som lærer mer som mennesker hvis vi vil ha agenter som kan håndtere kompleksitet i den virkelige verden. Hvis vi holder oss låst til dagens LLM-paradigme, kan de flashy demoene flate ut lenge før vi når de bruksområdene folk drømmer om. Den andre risikoen er energi. Trening og drift av frontier-modeller er brutalt strømkrevende, og nettene presses allerede der datasentrene samler seg. Ben er direkte her: USA trenger en «kjernefysisk New Deal». Moderne små modulære reaktorer er tryggere og billigere, men brenselet, forsyningskjeden og ekspertisen rundt dem har visnet. Gjenoppbygging av dette, mener han, bør være en topp innenriksprioritet: «Det finnes ikke noe annet alternativ enn kjernekraft» hvis Amerika er seriøs med å realisere AIs fulle potensial. Hvorfor AI og blokkjede faktisk passer sammen Det er lett å avfeie «AI + krypto» som markedsføring, men Ben deler skjæringspunktet inn i tre klare lag: datakraft, data og agenter. ...