Ipinapakita ang isang podcast kasama si @benfielding, Co-Founder at CEO sa @gensynai Nagsimula si Ben ng kanyang PhD sa deep learning noong 2015, maliban sa kasalukuyang alon ng atensyon sa AI. Sa episyod na ito, nais kong pag-usapan kung paano niya isipin ang progreso na natamo natin, ang ekonomiks ng pagbuo ng mas malalaking model, at ano ang susunod. Tinatalakay natin kung bakit niya isusulit kung babayaran ang pera na ipinapaloob sa centralized AI sa pamamagitan ng paggamit ng produkto, kung paano nakakaapekto ang open models sa negosyong ito, at bakit mas mahalaga ang pagkakaroon ng mga customer na patuloy na gumagamit ng iyong produkto kaysa manatiling nangunguna sa isang benchmark. Tinatalakay din natin kung paano nagbago ang Gensyn. Lumipat ang team mula sa pagpupokus sa decentralized compute patungo sa pagkolekta ng totoo na impormasyon mula sa mundo. Ipinaliwanag ni Ben kung bakit ginawa niya ang desisyong ito at kung paano ginagamit ng Delphi ang mga pamilihan upang i-ugnay at i-verify ang impormasyon batay sa totoong nangyayari. Ito ay nagdudulot sa forecasting. Naniniwala si Ben na ang pagbabanta ng mga hinaharap na pangyayari ay maaaring maging mas malaking gamit ng AI. Tinatalakay natin kung paano maaaring matutunan ng mga model ang kanilang pagkakamali o pagkakatotoo, bakit kailangan ng mga tao ang dahilan upang ibahagi ang kanilang kaalaman, at ano ang ibig sabihin ng pagkakaroon ng isang probability calculator na tumutulong sa pang-araw-araw na desisyon. Tinatalakay natin - Ang background ni Ben sa deep learning at kung paano nagsimula ang Gensyn - Ang ekonomiks ng mas malalaking AI model at kung makabuluhan ba ang paggastos - Open models, kompetisyon, at pagbuo ng mga produkto na patuloy na ginagamit ng mga tao - Bakit lumipat ang Gensyn mula sa pagpupokus sa compute - Ang pagsusuri sa machine learning at paggawa ng training na auditable gamit ang open-1b - Delphi, information markets, at pagkatuto mula sa totoong resulta - Pagbibigay ng reward sa mga tao para sa pagbabahagi ng ebidensya sa kanilang mga prediction - Forecasting, mas mabuting desisyon, at kung saan nakakatulong ang decentralization Mga Timestamp 0:00 – Maaari bang I-predict ng AI ang Kinabukasan? 1:14 – Ben Fielding at Ang Mga Pinagmulan ng Gensyn 7:26 – Pag-scaled ng AI Laban sa Mas Malalaking Cluster 13:29 – Bakit Maaaring Magkaroon ng Iba’t Ibang Pagkakataon ang Mga Startup 18:49 – Tiwala at Pagsusuri sa Machine Learning 23:59 – Ang Ekonomiks ng Centralized AI 27:29 – Bakit Lumipat ang Gensyn Mula sa Compute 31:09 – open-1b at Auditable AI Training 35:47 – Open Models at Closed Labs 43:29 – AI Products, Customers, at Neoclouds 50:13 – Mula sa LLMs patungo sa Forecasting 53:44 – Pag-train ng Models para sa Mas Mabuting Prediction 57:10 – Delphi at Information Markets 1:02:26 – Pagbibigay ng Reward sa Ebidensya ng Isang Prediction 1:04:34 – Kung Saan Talaga Nagkakasundo ang Crypto at AI 1:11:35 – Ang Susunod na Alon ng AI Nikikinig!