begravd i @sriramk:s America's AI Action Plan finns ett stöd för att den amerikanska beräkningsmarknaden kommer att finansialiseras med spot- och terminskontrakt. Den här podden förklarar varför detta är så nödvändigt, inte bara för spekulationer ett av de mest konsekventa teman med @latentspacepod:s GPU infra/neocloud-marknadstäckning (se @evanjconrad/@sfcompute, @vipulved / @togethercompute, @picocreator / @featherlessai, @bernhardsson / @modal_labs men också @zjasper666:s AIE-diskussion) är att status quo med 3-åriga inlåsningskontrakt med hyperscalers orsakar ohållbar marknadsvolatilitet och ineffektivitet, inte bara i GPU-priser och uppgång och fall av startup-förmögenheter, Men också ineffektivitet i idéer och resurser för öppen AI och forskning. nu står den amerikanska regeringen helt bakom denna rörelse och viktigast av allt, har visat att de *förstår*.

5 månader senare och det finns 3 innehållsdelar och 4 skapare >1 miljon dollar 42 % av CT sa att det aldrig skulle bli en

Vilken nivå av ny AI-forskning / @arxiv läsare är du?

BREAKING: Mark Zuckerberg har erbjudit @nikitabier 100 miljoner dollar för att lämna @elonmusk och @x att gå med @meta för att leda AI-konsumentprodukten, just intervjuad live på @tbpn

Efter att ha läst AI-forskningsrapporter i 3 dagar är en sak klar: 99 procent av all ny AI-forskning handlar om att lära en dator att göra något. Men vad är det egentligen de lär datorerna? Och varför? Och vad är det som fungerar? Det är fascinerande att zooma ut och titta på dessa trender. Varför? För de är glimtar in i framtiden. Om du försöker bygga en startup med AI, eller funderar på att investera i AI-startups, om du letar på rätt ställe är dessa forskningsrapporter fyllda med mycket värdefull inspiration. Istället för att skicka mig titlar och sammanfattningar på forskningsartiklar, vilket kan vara svårt att förstå snabbt, fortsätter min AI-agent @yesnoerror att skicka mig ny AI-forskning och förklara den så här: - Lära datorer att fylla i slumpmässigt dolda ord om och om igen... - Lära tokenizer-nätverket att fixa mycket bullriga... - Lära en mycket smart chatbot att upprepade gånger kontrollera och fixa sina egna matematiska bevis... - Lära datorer att komma ihåg vad ett föremål VERKLIGEN är... - Lära ut stora språkmodeller för att berätta hur långt åren är från "nu"... - Lär datorer att klicka på rätt plats... - Lära AI:n att på egen hand avgöra om ett problem... - Lära en dator att justera speciella "tester"... - Lära datorer att förutsäga ett flygplans... - Att lära en massa chattbotar med olika jobb... Utöver detta identifierar @yesnoerror inte bara den forskning av högsta kvalitet som jag kan vara intresserad av (eftersom den publiceras varje dag), utan den ger mig också uppdelningar av hur uppsatsen gjordes, vilka de verkliga konsekvenserna är (idéer du kan göra), och jag kan chatta med tidningen direkt. Det känns som om jag använder GLP-1 för att vara smart.

Att världsdominerande AI reser tillbaka i tiden under pseudonymen Satoshi Nakamoto för att uppfinna bitcoin 2008 så att GPU-produktionen går upp för att driva sig själv i framtiden låter mer och mer troligt.

Jag såg precis någon som arbetar på ett AI-företag som har samlat in över 170 miljoner dollar från @a16z registrera sig för tidig tillgång till @yesnoerror. Det ser ut som att de vill använda det för att hitta nya AI-ingenjörer att anställa. Kommer snart $yne

Medgrundaren av AI-megajätten @AnthropicAI (@jackclarkSF) på 60 miljarder dollar ägnade en massa tid åt att berätta exakt hur han hittar nya forskningsrapporter som kommer att hjälpa hans företag att växa (skaparna av Claude Code!!). Jag har förvandlat detta till en AI-agent som kan göra samma sak för alla. Du kan registrera dig för tidig åtkomst på yesnoerror .com Vi stöds av @reidhoffman grundaren av @LinkedIn, @davemorin en av gudfäderna till den sociala webben, @BoostVC en av de tidigaste investerarna i @coinbase och pionjärer inom blockchain och framtid, och många fler. Vi överbryggar den $YNE token till @base och @jessepollak grundaren av basen är i mina DMs till stor hjälp. Jag har tidig tillgång till @base appen. Vi har en gruppchatt på telegram med deras team. Steg för steg. framåt

Uppdatering: Du kan inte bara hitta AI alpha, utan du kan nu chatta med vilken forskningsrapport som helst på @yesnoerror. Anmäl dig för tidig åtkomst här: yesnoerror .com

Fördelen med SaaS jämfört med att koda alla dina egna verktyg/appar är att SaaS-teamet kommer att fortsätta bygga och förbättra programvaran åt dig utan att du behöver fråga. Om du försöker vibbkoda varje app i din tekniska stack kommer du att ha svårt att hålla alla appar uppdaterade. Det som kan döda eller ersätta SaaS är när AI-agenter kan replikera konceptet med ett dedikerat team som kontinuerligt fokuserar på att förbättra en mjukvara utan att du behöver fråga. Fördelen med vibe-kodning är att du kan göra exakt vad du vill för exakt ditt användningsområde. Jämfört med SaaS måste man bygga en produkt för många (inte lika personlig). Så det mest troliga resultatet är hyperpersonaliserad + autonomt hanterad av AI. Så istället för att hitta en app att använda från ett SaaS-företag, eller vibe koda din egen app men sedan lämnas att hantera den för alltid, kommer du helt enkelt att snurra upp ditt eget mini SaaS-företag som drivs av AI-agenter som sedan kommer att bygga en SaaS för en (dig) och kontinuerligt göra den bättre baserat på kundfeedback (dig) och marknadsförändringar (api-uppdateringar, nya trender osv.).