@bensfielding, @gensynai'nin kurucu ortağı ve CEO'su ile bir podcast yayınlıyoruz. Ben, 2015 yılında derin öğrenmede doktora çalışmalarına başladı, AI etrafındaki şu anda görülen ilginin çok öncesinde. Bu bölümde, ilerlememiz hakkında nasıl düşündüğünü, daha büyük modeller oluşturmanın ekonomisini ve sonraki adımları inceledik. Merkezi AI'ya harcanan paranın ürün kullanımından geri ödenebileceğini sorgulamasının nedenini, açık modellerin bu iş modelini nasıl etkilediğini ve bir referans testinde önde kalmaktan daha önemli olan müşterilerin ürününü sürekli kullanmaya devam etmesinin nedenini ele aldık. Ayrıca Gensyn'in nasıl değiştiğini de inceledik. Takım, dağıtık hesaplama odaklı yaklaşımdan dünyadan doğru bilgi toplamaya geçti. Ben, bu kararı neden aldıklarını ve Delphi'nin piyasaları kullanarak bilgiyi bir araya getirip gerçek olaylarla karşılaştırdığını açıklıyor. Bu da tahminleme konusuna götürüyor. Ben, gelecek olayları tahmin etmenin AI için çok daha büyük bir kullanım alanı olabileceğini düşünüyor. Modellerin doğru veya yanlış olmalarından nasıl öğrenebileceğini, insanların bilgilerini paylaşmak için nedenlere ihtiyaç duyduğunu ve günlük kararlar için bir olasılık hesaplayıcısının ne anlama gelebileceğini tartıştık. Şunları tartıştık: - Ben'in derin öğrenme arka planı ve Gensyn'in nasıl başladığı - Daha büyük AI modellerinin ekonomisi ve harcamaların mantıklı olup olmadığı - Açık modeller, rekabet ve insanların sürekli kullandığı ürünler inşa etmek - Gensyn'in neden hesaplama odaklı yaklaşımdan uzaklaştığı - Makine öğrenimi çalışmalarını doğrulamak ve open-1b ile eğitimi denetlenebilir hale getirmek - Delphi, bilgi piyasaları ve gerçek sonuçlardan öğrenmek - Tahminlerinin arkasındaki kanıtları paylaşan insanlara ödüller vermek - Tahminleme, daha iyi kararlar ve dağıtımlığın nerede yardımcı olduğu Zaman damgaları 0:00 – AI Geleceği Tahmin Edebilir mi? 1:14 – Ben Fielding ve Gensyn'in Kökenleri 7:26 – Daha Büyük Kümelerin Ötesine Geçerek AI'yi Ölçeklendirmek 13:29 – Neden Başlangıç Şirketleri Farklı Bir Yaklaşım Takip Edebilir? 18:49 – Güven ve Makine Öğrenimini Doğrulamak 23:59 – Merkezi AI'nın Ekonomisi 27:29 – Gensyn'in Neden Hesaplama Odaklı Yaklaşımdan Uzaklaştı 31:09 – open-1b ve Denetlenebilir AI Eğitimi 35:47 – Açık Modeller ve Kapalı Laboratuvarlar 43:29 – AI Ürünleri, Müşteriler ve Neoclouds 50:13 – LLM'lerden Tahminlemeye 53:44 – Daha İyi Tahminler Yapmak İçin Modelleri Eğitmek 57:10 – Delphi ve Bilgi Piyasaları 1:02:26 – Bir Tahminin Arkasındaki Kanıtları Ödüllendirmek 1:04:34 – Kripto ve AI'nın Gerçekten Kesiştiği Yerler 1:11:35 – AI'nın Sonraki Dalga Keyifli izlemeler!