Dlaczego AI potrzebuje zaufania, energii jądrowej i agentów natywnych dla kryptowalut W tym odcinku DROPS rozmawiam z Benem Frigonem o tym, dlaczego AI może wkrótce zautomatyzować ogromne części twojego życia, ale tylko jeśli jednocześnie rozwiążemy trzy trudne problemy: zaufanie, energię i infrastrukturę. Od energii jądrowej i własności danych po agentów AI, którzy przesuwają pieniądze, podczas gdy śpisz, @ben_frigon szkicuje przyszłość, która wydaje się ambitna, a jednocześnie dziwnie praktyczna. Od DeFi Summer do @TalusNetwork Historia Bena zaczyna się na Uniwersytecie Browna podczas DeFi summer, kiedy Ethereum i wczesne aplikacje DeFi eksplodowały. Został prezydentem klubu blockchainowego i współzaplanował to, co nazywa „pierwszym kursem kredytowym na temat NFT na jakiejkolwiek uczelni na świecie”, nauczanym w szczytowym okresie manii NFT. Po ukończeniu studiów dołączył do kryptowalutowego VC Distributed Global, spędzając dni na „badaniu każdej dziedziny kryptowalut, którą możesz sobie wyobrazić.” Ten nawyk obsesyjnej ciekawości to jedna z nielicznych cech, które, jak uważa, dzielą dobrzy założyciele i dobrzy inwestorzy. Punkt zwrotny nastąpił, gdy spotkał swojego współzałożyciela Mike'a, który był inkubowany przez Polychain. @polychain i @SuiNetwork później wsparły Talus Network, a Ben przeszedł z roli inwestora do operatora. Jako założyciel mówi: „musisz być naprawdę, naprawdę optymistyczny, prawie naiwne, głupio optymistyczny”, podczas gdy zadaniem VC jest wyobrażenie sobie każdego sposobu, w jaki coś może się nie udać. Życie w obu rolach pomaga mu budować ambitnie, ale z realistycznym poczuciem ryzyka. Czy istnieje bańka AI? Na pytanie, czy jesteśmy w bańce AI, Ben odpowiedział: „Nie sądzę, że istnieje bańka AI. Myślę, że mnożniki mogą spaść, ale bańka sugerowałaby, że inwestycja jest stratą. Nie sądzę, że to strata w porównaniu do możliwości, które mamy.” Prawdziwym problemem, mówi, jest to, że AI nie pasuje do klasycznej ekonomiki venture. Szkolenie konkurencyjnych modeli oznacza ogromne wydatki na sprzęt już na początku, co jest przeciwieństwem historii „dwóch ludzi w garażu”, które VC zostało zaprojektowane, aby finansować. Dlatego wiele postępów odbywa się w dużych firmach technologicznych z głębokimi bilansami. Dla Bena odpowiednie ujęcie przeważa nad finansami. „Ilość dobra, które to może zrobić dla świata, jest nieporównywalna z tym, co kiedykolwiek widzieliśmy.” Jeśli zrobimy to dobrze, AI zmienia sposób, w jaki pracujemy, uczymy się, podejmujemy decyzje, a nawet odnosimy się do siebie nawzajem. Ale ten potencjał ma znaczenie tylko wtedy, gdy stawimy czoła dwóm dużym ryzykom. Duże ryzyka: błędne modele i niewystarczająca moc Pierwszym ryzykiem jest projektowanie modeli. Dzisiejsze duże modele językowe są imponujące, ale wąskie: świetne w pracy z tekstem, słabe w rozumieniu szeregów czasowych i zadań związanych z robotyką. Ben uważa, że w końcu będziemy potrzebować „modeli świata”, które uczą się bardziej jak ludzie, jeśli chcemy, aby agenci radzili sobie z rzeczywistą złożonością. Jeśli pozostaniemy zamknięci w obecnym paradygmacie LLM, efektowne demonstracje mogą osiągnąć plateau długo przed tym, jak dotrzemy do przypadków użycia, o których ludzie marzą. Drugim ryzykiem jest energia. Szkolenie i uruchamianie modeli na granicy jest brutalnie energochłonne, a sieci już są obciążone tam, gdzie gromadzą się centra danych. Ben jest tutaj bezpośredni: Stany Zjednoczone potrzebują „jądrowego Nowego Ładu.” Nowoczesne małe reaktory modułowe są bezpieczniejsze i tańsze, ale paliwo, łańcuch dostaw i wiedza na ich temat zniknęły. Odbudowa tego, argumentuje, powinna być najwyższym priorytetem krajowym: „Nie ma innej opcji niż energia jądrowa”, jeśli Ameryka poważnie myśli o zrealizowaniu pełnego potencjału AI. Dlaczego AI i blockchain naprawdę pasują Łatwo jest zlekceważyć „AI + kryptowaluty” jako marketing, ale Ben dzieli to przecięcie na trzy wyraźne warstwy: obliczenia, dane i agenci. ...