如果你做所有事情...

每当有人提议为某个领域（虚拟细胞/材料/其他）训练模型时，第一句话应该是：输入数据：x，输出数据：y，损失函数：z。 这将使像我这样的笨蛋更容易理解到底在提议什么。

寻找一位能源专家来参加我的播客采访。我想深入探讨在狂野的人工智能世界中会发生什么。 随着人工智能实际上能够替代人类劳动，你所在国家的GDP将由你的人工智能人口规模决定，而这又与能源密切相关。 这对不同国家意味着什么？考虑到美国在电力生产方面迅速落后于中国，我们需要做些什么才能追赶上？ 最可能的能源来源是什么（天然气、核能、太阳能），它们的供应曲线是什么，主要的物理或监管瓶颈是什么，会减缓增长等。 谁是合适的嘉宾来讨论这个问题？

如果你想探索关于人工智能的博客，这似乎是一个很好的方式来尝试一下，获得很好的指导，并让自己负责。

保险是解锁安全人工智能进步的一种被低估的方式。 保险公司有动力真实地量化和跟踪风险：如果他们夸大风险，他们会被竞争对手超越；如果他们低估风险，他们的赔付会使他们破产。 1/9

非常有趣的新 @gwern 文章： LLM 白日梦 - 提出 LLM 的默认模式网络是搜索和新颖性缺失能力的一个例子 顺便说一下，我知道这有点尴尬，但如果你告诉 19 岁的我，一篇 Gwern 的文章会这样开头，我会很难相信。

和Ryan和Josh聊关于人工智能的现状很有趣。享受吧！

迷人：

很棒的讨论。 在进行困难的智力工作时，最大的失败模式就是拖延那些艰难、令人厌恶但有效的部分（重读章节而不是做练习题，收集更多资料而不是写第一稿，等等）。 目前，使用LLM往往就是这样的一种情况。

Dwarkesh与Adam Brown的那集从头到尾都很精彩，但结尾是我最喜欢的部分：