Menghadirkan podcast bersama @benfielding, Co-Founder dan CEO di @gensynai Ben memulai PhD-nya dalam deep learning pada 2015, jauh sebelum gelombang perhatian saat ini terhadap AI. Dalam episode ini, saya ingin membahas bagaimana ia memandang kemajuan yang telah kita capai, ekonomi dalam membangun model yang lebih besar, dan apa yang akan datang selanjutnya. Kita membahas mengapa ia mempertanyakan apakah uang yang dialirkan ke AI terpusat akan kembali melalui penggunaan produk, bagaimana model terbuka memengaruhi bisnis tersebut, dan mengapa memiliki pelanggan yang terus menggunakan produk Anda lebih penting daripada tetap unggul dalam benchmark. Kita juga membahas bagaimana Gensyn berubah. Tim beralih dari fokus pada komputasi terdesentralisasi menjadi mengumpulkan informasi yang benar dari dunia. Ben menjelaskan mengapa mereka membuat keputusan itu dan bagaimana Delphi menggunakan pasar untuk menggabungkan informasi serta memeriksanya terhadap kenyataan. Hal ini membawa kita ke peramalan. Ben berpikir memprediksi peristiwa masa depan bisa menjadi penggunaan AI yang jauh lebih besar. Kita membahas bagaimana model bisa belajar dari kebenaran atau kesalahan prediksinya, mengapa orang membutuhkan alasan untuk berbagi pengetahuan mereka, dan apa artinya memiliki kalkulator probabilitas yang membantu dalam pengambilan keputusan sehari-hari. Kita bahas: - Latar belakang Ben dalam deep learning dan asal-usul Gensyn - Ekonomi model AI yang lebih besar dan apakah pengeluaran tersebut masuk akal - Model terbuka, persaingan, dan membangun produk yang terus digunakan orang - Mengapa Gensyn meninggalkan fokus pada komputasi - Memverifikasi pekerjaan machine learning dan membuat pelatihan dapat diaudit dengan open-1b - Delphi, pasar informasi, dan belajar dari hasil nyata - Memberi insentif kepada orang yang berbagi bukti di balik prediksi mereka - Peramalan, keputusan lebih baik, dan di mana desentralisasi membantu Timestamp: 0:00 – Dapatkah AI Memprediksi Masa Depan? 1:14 – Ben Fielding dan Asal-Usul Gensyn 7:26 – Skalabilitas AI Melampaui Cluster yang Lebih Besar 13:29 – Mengapa Startup Bisa Mengambil Pendekatan Berbeda 18:49 – Kepercayaan dan Memverifikasi Machine Learning 23:59 – Ekonomi AI Terpusat 27:29 – Mengapa Gensyn Meninggalkan Fokus pada Komputasi 31:09 – open-1b dan Pelatihan AI yang Dapat Diaudit 35:47 – Model Terbuka dan Laboratorium Tertutup 43:29 – Produk AI, Pelanggan, dan Neoclouds 50:13 – Dari LLM ke Peramalan 53:44 – Melatih Model untuk Membuat Prediksi Lebih Baik 57:10 – Delphi dan Pasar Informasi 1:02:26 – Memberi Insentif pada Bukti di Balik Prediksi 1:04:34 – Di Mana Crypto dan AI Benar-Benar Beririsan 1:11:35 – Gelombang AI Berikutnya Nikmati!