Varför AI behöver förtroende, kärnkraft och krypto-inhemska agenter I det här avsnittet av DROPS sätter jag mig ner med Ben Frigon för att diskutera varför AI snart kan automatisera stora delar av ditt liv, men bara om vi löser tre svåra problem samtidigt: förtroende, energi och infrastruktur. Från kärnkraft och dataägande till AI-agenter som flyttar pengar medan du sover, skissar @ben_frigon en framtid som känns ambitiös men märkligt praktisk. Från DeFi-sommaren till @TalusNetwork Bens historia börjar på Brown University under DeFi-sommaren, när Ethereum och tidiga DeFi-appar exploderade. Han blev ordförande för blockkedjeklubben och var med och utformade det han kallar "den första poänggivande kursen om NFTs på något college någonstans", som undervisades precis i toppen av NFT-manien. Efter examen började han på kryptoföretaget VC Distributed Global och tillbringade dagarna med att "forska om alla områden inom krypto du kan tänka dig." Den vanan med tvångsmässig nyfikenhet är en av de få egenskaper han tycker att goda grundare och bra investerare verkligen delar. Vändpunkten kom när han träffade sin medgrundare Mike, som inkuberades av Polychain. @polychain och @SuiNetwork stödde senare Talus Network, och Ben gick från investerare till operatör. Som grundare säger han, "du måste vara riktigt, riktigt optimistisk, nästan naivt, dumt optimistisk," medan en riskkapitalists uppgift är att föreställa sig alla sätt något kan misslyckas på. Att leva båda rollerna hjälper honom att bygga ambitiöst, men med en realistisk känsla av risk. Finns det en AI-bubbla? När han fick frågan om vi är i en AI-bubbla sa Ben: "Jag tror inte att det finns någon AI-bubbla. Jag tror att multiplar kan minska, men en bubbla skulle innebära att investeringen är slöseri. Jag tycker inte att det är slöseri med tanke på den möjlighet vi har." Det verkliga problemet, säger han, är att AI inte passar in i klassisk riskkapitalekonomi. Att träna konkurrenskraftiga modeller innebär enorma hårdvarukostnader från dag ett, vilket är motsatsen till den "två personer i ett garage"-historien som VC var tänkt att finansiera. Det är därför mycket av framstegen sker inom stora teknikföretag med djupa balansräkningar. För Ben väger rätt framställning tyngre än ekonomi. "Den mängd gott detta kan göra för världen är olik allt vi någonsin sett." Om vi gör det rätt förändrar AI hur vi arbetar, lär oss, fattar beslut och till och med relaterar till varandra. Men den fördelen spelar bara roll om vi tar oss an två stora risker direkt. Stora risker: Fel modeller och för lite kraft Den första risken är modelldesign. Dagens stora språkmodeller är imponerande men snäva: utmärkta på att arbeta över text, svaga på tidsserieresonemang och förkroppsligade uppgifter som handel eller robotik. Ben tror att vi så småningom kommer att behöva "världsmodeller" som lär sig mer som människor om vi vill ha agenter som kan hantera verklig komplexitet. Om vi håller oss fast vid det nuvarande LLM-paradigmet kan de flashiga demos stagnera långt innan vi når de användningsfall folk drömmer om. Den andra risken är energi. Att träna och köra frontier-modeller är brutalt strömkrävande, och elnäten är redan under press där datacenter klustrar. Ben är rakt på sak här: USA behöver en "kärnvapen New Deal." Moderna små modulära reaktorer är säkrare och billigare, men bränslet, leveranskedjan och expertisen kring dem har vissnat. Att återuppbygga det, menar han, bör vara en högsta inhemska prioritet: "Det finns inget annat alternativ än kärnkraft" om Amerika är seriöst med att förverkliga AI:s fulla potential. Varför AI och blockchain faktiskt passar ihop Det är lätt att avfärda "AI + krypto" som marknadsföring, men Ben delar upp korsningen i tre tydliga lager: beräkning, data och agenter. ...