Phát hành một podcast cùng @benfielding, Đồng sáng lập và CEO tại @gensynai Ben bắt đầu luận án tiến sĩ về học sâu vào năm 2015, trước cả làn sóng quan tâm hiện nay xung quanh AI. Trong tập này, tôi muốn cùng anh đi qua cách anh nhìn nhận về tiến bộ mà chúng ta đã đạt được, kinh tế học trong việc xây dựng các mô hình lớn hơn, và những gì sẽ đến tiếp theo. Chúng tôi thảo luận về lý do anh đặt câu hỏi liệu số tiền đầu tư vào AI tập trung có được hoàn lại thông qua việc sử dụng sản phẩm hay không, các mô hình mở ảnh hưởng đến mô hình kinh doanh đó ra sao, và tại sao việc có khách hàng tiếp tục sử dụng sản phẩm của bạn quan trọng hơn việc dẫn đầu trên một bảng xếp hạng. Chúng tôi cũng đi qua cách Gensyn đã thay đổi. Đội ngũ đã chuyển từ tập trung vào tính toán phân tán sang thu thập thông tin chân thực từ thế giới. Ben giải thích lý do họ đưa ra quyết định này và cách Delphi sử dụng thị trường để tổng hợp thông tin và kiểm tra chúng với những gì thực sự xảy ra. Điều này dẫn đến chủ đề dự báo. Ben cho rằng việc dự đoán các sự kiện trong tương lai có thể trở thành một ứng dụng lớn hơn nhiều của AI. Chúng tôi thảo luận về cách các mô hình có thể học từ việc đúng hay sai, tại sao con người cần lý do để chia sẻ những gì họ biết, và điều gì sẽ xảy ra nếu có một công cụ tính xác suất hỗ trợ các quyết định hàng ngày. Chúng tôi thảo luận về: - Nền tảng của Ben trong học sâu và cách Gensyn ra đời - Kinh tế học của các mô hình AI lớn hơn và liệu chi tiêu này có hợp lý không - Các mô hình mở, cạnh tranh và xây dựng sản phẩm mà người dùng tiếp tục sử dụng - Lý do Gensyn chuyển khỏi việc tập trung vào tính toán - Xác minh công việc học máy và làm cho quá trình huấn luyện có thể kiểm toán được với open-1b - Delphi, thị trường thông tin và học hỏi từ kết quả thực tế - Ghi nhận những người chia sẻ bằng chứng đằng sau dự đoán của họ - Dự báo, ra quyết định tốt hơn và nơi tính phân tán mang lại lợi ích Thời gian: 0:00 – AI có thể dự đoán tương lai không? 1:14 – Ben Fielding và nguồn gốc của Gensyn 7:26 – Mở rộng AI vượt quá các cụm lớn hơn 13:29 – Tại sao các startup có thể tiếp cận theo cách khác biệt 18:49 – Niềm tin và xác minh học máy 23:59 – Kinh tế học của AI tập trung 27:29 – Tại sao Gensyn chuyển khỏi tính toán 31:09 – open-1b và huấn luyện AI có thể kiểm toán được 35:47 – Mô hình mở và phòng thí nghiệm đóng 43:29 – Sản phẩm AI, khách hàng và Neoclouds 50:13 – Từ LLMs đến dự báo 53:44 – Huấn luyện mô hình để đưa ra dự đoán tốt hơn 57:10 – Delphi và thị trường thông tin 1:02:26 – Ghi nhận bằng chứng đằng sau một dự đoán 1:04:34 – Điểm giao nhau thực sự giữa Crypto và AI 1:11:35 – Làn sóng AI tiếp theo Chúc bạn thưởng thức!