與 @benfielding（@gensynai 的共同創辦人兼執行長）帶來一集播客。 Ben 於 2015 年開始從事深度學習的博士研究，遠早於當前 AI 熱潮的興起。在本集中，我們將探討他對我們所取得進展的看法、建立更大模型的經濟學，以及未來的發展方向。 我們深入討論他為何質疑投入中心化 AI 的資金是否能透過產品使用獲得回報、開放模型如何影響該商業模式，以及擁有持續使用產品的客戶，比在基準測試中保持領先更為重要。 我們也回顧了 Gensyn 的轉變：團隊從專注於去中心化運算，轉向從現實世界收集真實資訊。Ben 解釋了他們做出此決策的原因，以及 Delphi 如何透過市場將資訊整合並與實際發生的情況進行核對。 這引出了預測的主題。Ben 認為，預測未來事件可能成為 AI 的更大用途。我們討論了模型如何從正確或錯誤的預測中學習、人們為何需要理由才願意分享他們的知識，以及若有一個概率計算器協助日常決策，將意味著什麼。 我們探討： - Ben 在深度學習方面的背景與 Gensyn 的起源 - 更大 AI 模型的經濟學，以及支出是否合理 - 開放模型、競爭與打造持續被用戶使用的產品 - Gensyn 為何不再專注於運算 - 驗證機器學習工作並透過 open-1b 實現可審計的訓練 - Delphi、資訊市場與從真實結果中學習 - 奖勵人們分享其預測背後的證據 - 預測、更佳決策，以及去中心化如何發揮作用 時間戳記 0:00 – AI 能否預測未來？ 1:14 – Ben Fielding 與 Gensyn 的起源 7:26 – 超越更大叢集的 AI 擴展 13:29 – 為何初創公司能採取不同方法 18:49 – 信任與驗證機器學習 23:59 – 中心化 AI 的經濟學 27:29 – 為何 Gensyn 放棄運算專注 31:09 – open-1b 與可審計的 AI 訓練 35:47 – 開放模型與封閉實驗室 43:29 – AI 產品、客戶與 Neoclouds 50:13 – 從 LLM 到預測 53:44 – 訓練模型以做出更佳預測 57:10 – Delphi 與資訊市場 1:02:26 – 奖勵預測背後的證據 1:04:34 – 加密貨幣與 AI 真正重疊之處 1:11:35 – 下一波 AI 享受吧！