Popularne tematy
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Aaron Levie
CEO @box - uwolnij moc swoich treści dzięki sztucznej inteligencji
Wartość ekonomiczna związana z obecnym paradygmatem LLM, zakładając dalszy postęp podobny do tego, co widzieliśmy w ubiegłym roku, jest już ogromna.
Nie musisz przyjmować jakiejś nieokreślonej definicji AGI, aby dostrzec znaczący wpływ AI.
Agent AI, który ma dostęp do narzędzi, może przetwarzać zewnętrzne źródła danych, działać na innych systemach i modyfikować swoje zachowanie w oparciu o specyficzny dla danej dziedziny systemowy prompt i kontekst, jest już szablonem dla szerokiego wpływu ekonomicznego w wielu dziedzinach.
Największa różnica między tym podejściem a AGI/ASI polega na tym, że użytkownik narzędzia pozostaje w pętli i musi co jakiś czas mieć ręce na „kierownicy”.
Ale to już samo w sobie stanowi znaczną wartość ekonomiczną i otwiera dużą ilość użytecznych możliwości dla większości osób i firm.
13 godz. temu
Media społecznościowe mają tendencję do przedstawiania debaty na temat AI w dwóch karykaturach:
(A) Sceptycy, którzy uważają, że LLM-y są skazane na niepowodzenie, a AI to tylko hype.
(B) Fanatycy, którzy myślą, że mamy wszystkie składniki i superinteligencja jest nieuchronna.
Ale jeśli przeczytasz, co mówią wiodący badacze (poza nagłówkami), jest zaskakująco dużo konwergencji:
1) Obecny paradygmat prawdopodobnie wystarczy do osiągnięcia ogromnego wpływu gospodarczego i społecznego, nawet bez dalszych przełomów badawczych.
2) Prawdopodobnie potrzebne są dalsze przełomy badawcze, aby osiągnąć AGI/ASI. (Ciągłe uczenie się i efektywność próbkowania to dwa przykłady, na które badacze często wskazują.)
3) Prawdopodobnie uda nam się to zrealizować w ciągu 20 lat. @demishassabis powiedział, że może w 5-10 lat. @fchollet niedawno powiedział około 5 lat. @sama powiedział, że ASI jest możliwe w ciągu kilku tysięcy dni. @ylecun powiedział około 10 lat. @ilyasut powiedział 5-20 lat. @DarioAmodei jest najbardziej optymistyczny, mówiąc, że to możliwe w 2 lata, chociaż również powiedział, że może to zająć dłużej.
Nikt z nich nie mówi, że ASI to fantazja, ani że prawdopodobnie jest to odległe o 100+ lat.
Wiele z nieporozumień dotyczy tego, jakie będą te przełomy i jak szybko się pojawią. Ale biorąc pod uwagę wszystko, ludzie w tej dziedzinie zgadzają się w znacznie większym stopniu, niż się nie zgadzają.
13,44K
Przeprowadziliśmy naszą najnowszą ewaluację zaawansowanego rozumowania Box AI na Opus 4.5 z średnim i wysokim wysiłkiem i zauważyliśmy wzrost o 20 punktów procentowych w porównaniu do Opus 4.1. To szalone, że Opus 4.1 pojawił się zaledwie 3 miesiące temu.
Ta ewaluacja zbliża się do przybliżenia tego, co robi pracownik wiedzy jako odrębne zadanie z ich dokumentami przedsiębiorstwa. Może to być analityk finansowy, który analizuje firmę, lub konsultant prowadzący badania dla klienta.
Ewaluacja ocenia model na podstawie tego, jak odpowiada na złożony biznesowy prompt w różnych kryteriach. Jesteśmy wciąż na wczesnym etapie tej ewaluacji i będziemy ją rozszerzać na szerszy zakres branż i przypadków użycia.
Jasne jest, że te najnowsze modele rozumowania będą coraz lepsze w ekonomicznie użytecznej pracy w każdej aktualizacji. To zaczęło się początkowo od kodowania, ale zobaczymy podobne ulepszenia w opiece zdrowotnej, prawie, usługach finansowych, produkcji i wielu innych dziedzinach.
27,2K
Zaczynamy dostrzegać coraz jaśniejszy znak, jak ogromna będzie powierzchnia inżynierii kontekstu.
Teoretycznie, aby zbudować agentów AI, powinno być to tak proste, jak posiadanie super potężnego modelu, danie mu zestawu narzędzi, posiadanie naprawdę dobrego systemowego promptu i zapewnienie mu dostępu do danych. Może w pewnym momencie rzeczywiście będzie to tak proste.
Jednak w praktyce, aby stworzyć agentów, którzy działają dzisiaj, musisz zrównoważyć, co dać globalnemu agentowi w porównaniu do subagenta. Jakie rzeczy uczynić agentowymi, a jakie pozostawić jako deterministyczne wywołania narzędzi. Jak poradzić sobie z wrodzonymi ograniczeniami okna kontekstowego.
Musiałeś dowiedzieć się, jak odzyskać odpowiednie dane dla zadania użytkownika i ile mocy obliczeniowej przeznaczyć na problem. Jak zdecydować, co zrobić szybko, a co może być wolne, ale irytujące. I niezliczone inne pytania.
Jak dotąd nie ma jednego właściwego rozwiązania dla żadnego z tych problemów, a każde podejście wiąże się z istotnymi kompromisami.
I co ważne, aby to dobrze zrobić, wymaga to głębokiego zrozumienia dziedziny, dla której rozwiązujesz problem. Radzenie sobie z tym problemem w kodowaniu AI różni się od prawa, które różni się od opieki zdrowotnej. Dlatego teraz jest tak wiele możliwości dla działań związanych z agentami AI.
147,46K
Najlepsze
Ranking
Ulubione