Pitkäikäisyys Escape Velocity ei ole tasa-arvoinen, ainakaan aluksi. Tässä on minun näkemykseni: Osumme todennäköisesti ultrarikkaisiin 2030-luvun lopulla tai 2040-luvun alussa, mutta meille muille? Vasta 2050-luvun lopulla. Miksi? Koska biotekniikan kehitys ei ole lineaarista, sitä rajoittavat pääoma, laskenta ja koordinointi. Todellisten pitkäikäisten läpimurtojen ensimmäinen vuosikymmen on maksumuuri. Henkilökohtainen solujen nuorentaminen, nanolääketiede ja tekoälyohjatut geeniterapiat maksavat miljoonia vuodessa. Vain miljardöörit ja suuret sijoittajat rahoittavat varhaisen pääsyn. 2. Laske: Pitkäikäisyydestä tulee tekoälyongelma. Molekyylidynamiikan, proteomisimulaatioiden ja yksilöllisten ikääntymispolkujen biologisten mallien kouluttaminen vaatii kansakuntien kokoisia laskentaklustereita. Samat GPU:t, jotka kouluttivat GPT-7:n, suunnittelevat uudet mitokondriosi. 3. Koordinointi: Hallitukset etenevät hitaasti, eettiset lautakunnat hitaammin. Sääntely, vakuutukset ja kliininen infrastruktuuri viivästyvät 15–20 vuotta. Kun julkinen terveydenhuoltojärjestelmä kuroa kiinni, eliitti on jo vuosikymmeniä biologisesti nuorempi. Joten kyllä, pakonopeus on tulossa. Vain epätasaisesti jakautunut. Rikkaat saavat 20 ylimääräistä elinvuotta, jotka he käyttävät rahoittaakseen seuraavan sukupolven nuorentamisteknologiaa, joka lopulta valuu alas. Meille muille pitkäikäisyys saapuu kuten kaikki vallankumoukset: liian myöhäistä ensimmäisille unelmoijille, mutta juuri ajoissa heidän lapsilleen.

OpenAI:n laskennan kasvu meni juuri ydinvoimaan Juuri nyt näemme, että teollisen aikakauden mittakaava kohtaa tiedustelun aikakauden tavoitteet. OpenAI julkisti juuri toisen tähtiportin, tällä kertaa Michiganissa, joka lisää yli gigawatin tehokapasiteettia tekoälyinfrastruktuuriinsa. Anna sen uppoutua: yksi gigawattialue vastaa suunnilleen kokonaisen kaupungin sähkönkulutusta. Eikä tämä ole kertaluonteinen. He pinoavat gigawatteja Texasiin, New Mexicoon, Wisconsiniin, Ohioon ja nyt Michiganiin yhteistyössä Oraclen ja SoftBankin kanssa. Se on 8+ GW jo lukittu ja 450 miljardia dollaria sidottu, 10 GW ja 500 miljardia dollaria vuoteen 2028 mennessä. Puhumme miljoonista GPU:ista, jotka on verkotettu eri mantereilla ja muodostavat planeetan mittakaavan älykkäiden substraatin. Tämä ei ole "suuri datakeskus". Tämä on maailman kognitiivisen infrastruktuurin synty. Jos ajattelet edelleen "sovelluksia" tai "malleja", kaipaat sitä. Tämä on AGI:n, post-inhimillisen talouden fyysisen selkärangan, teollinen rakentaminen. Compute on uusi öljy. Datakeskukset ovat uusia kaupunkeja. Eikä raja ole enää digitaalinen, se on synteettinen kognitio. Historiankirjat merkitsevät tämän vuosikymmenen hetkeksi, jolloin ihmiskunta teollisti älykkyyden.

Valmistaudu: Ennustan, että ensi vuoden loppuun mennessä OpenAI vapauttaa todellisen AGI:n (Artificial General Intelligence). Okei, kuuntele minua, koska esitän villin mutta perustellun tapauksen, ja haluan sinun ratsastavan tällä mahdollisuuksien aallolla kanssani: 1. Laske räjähdys OpenAI sanoo jo ylittävänsä reilusti yli miljoona GPU:ta infrastruktuurissaan tänä vuonna. Kuvittele nyt, että luku vahvistuu useilla datakeskuksilla (Texas, Arabiemiirikunnat, Norja), jotka liittyvät toisiinsa niin sanotun "Stargate"-rakennuksen kautta. Kun useita maantieteellisiä alueita, sähköverkkoja ja jäähdytyskanavia on kytketty, skaalautuminen on suuruusluokkaa. Tällainen laskenta antaa takaisin mehua todella valtavien mallien, reaaliaikaisten järjestelmien, multimodaalisen oppimisen, muistin ja sopeutumisen kouluttamiseen. 2. Jatkuva oppiminen SEALin kautta MIT on äskettäin tehnyt tutkimusta SEAL-nimisestä kehyksestä (Self-Adapting Language Models), jonka avulla malli voi luoda omia hienosäätötietojaan, päivittää itseään vastauksena uuteen tietoon ja säilyttää nämä päivitykset painoarvoissaan. Entä jos OpenAI integroi jotain tällaista (tai sen edistyneemmän kehityksen) AGI-putkeensa? Malli ei vain istu staattisesti, vaan se nielee, arvioi ja päivittää. Siitä tulee enemmän kuin oppiva organismi. 3. Muistin murtaminen ja mukautuva arkkitehtuuri AGI-tutkimuksessa yksi este on "staattiset painot, kiinteä tieto". Muisti (sekä lyhytaikainen, pitkäaikainen että episodinen) on suuri. Ajatus tässä on: ensi vuoteen mennessä OpenAI voisi vetää arkkitehtuureja, joissa on dynaaminen muistireititys, pysyvät omaelämäkerralliset tyylipuskurit ja toisiinsa linkitetyt moduulit, jotka kehittyvät. Yhdistä laskennan skaalaamiseen + jatkuvan oppimisen kykyyn = harppaus "erittäin edistyneestä LLM:stä" johonkin, jota voisi kohtuudella kutsua AGI:ksi. 4.Aikajanan uskottavuus Kyllä, tiedän, "ensi vuoden loppu" kuulostaa kunnianhimoiselta. Mutta kun otetaan huomioon mallin iteraation, laskennan skaalauksen jne. vauhti, se ei ole naurettavaa. Tärkein vipu on integrointi: laskenta + arkkitehtuuri + oppimissilmukka + muisti. Jos OpenAI osuu kaikkiin neljään, boom. 5.Vaikutukset •Jos AGI iskee silloin, näemme hämmästyttäviä kiihtyvyksiä automaatiossa, optimoinnissa ja löytämisessä. • "Tekoälyavustajien, jotka oppivat kanssasi ja puolestasi" aikakausi toteutuu. Se herättää valtavia filosofisia, eettisiä ja taloudellisia kysymyksiä (jee, lempialueesi). • Sinulle, transhumanistisena VR-harrastajana, se tarkoittaa, että radikaalin automaation, pitkäikäisyyden tutkimuksen jne. Varoitukset (koska en sokeasti hypetä ajattelematta) • "AGI" on epäselvä termi. Määrittelen sen järjestelmäksi, jolla on ihmistason yleiset kognitiiviset kyvyt eri aloilla (päättely, oppiminen, sopeutuminen, muisti). • Mikään ei takaa, että OpenAI integroi ensi vuonna SEAL- tai "cracked memory" -tyyliset arkkitehtuurit, suunnittelun, virran, jäähdytyksen, turvallisuuden ja kohdistuksen pullonkauloja. •Mittakaava ei yksin riitä. Miljoona grafiikkasuoritinta ilman oikeaa arkkitehtuuria tuottaa silti pienenevän tuoton. • Ennuste on rohkea, koska uskon, että olemme siirtymässä yhden vuosikymmenen kiihtyvyysalueelle. Joten kyllä, laitan lippuni pensaaseen: OpenAI paljastaa AGI:n ensi vuoden loppuun mennessä. Mekanismit: massiiviset GPU-skaalaukset (Texas, Arabiemiirikunnat, Norjan solmut), SEAL-tyyppisten jatkuvan oppimisen silmukoiden integrointi, muistirikas mukautuva arkkitehtuuri. Tämä on iso kysymys.