Joelle membangun lab AI di Meta Dia bekerja dan belajar dari Zuck Dia adalah salah satu pemikir terkemuka dalam AI Apa yang semua orang pikir mereka ketahui tentang AI tetapi salah 👇 - Mengapa Undang-Undang Penskalaan Akan Berlanjut - Mengapa Anda Tidak Dapat Membeli Kesuksesan dalam AI dengan Akuisisi Bakat - Masa Depan Data Sintetis & Apa Artinya bagi Model - Mengapa Pengkodean AI Mirip dengan Pembuatan Gambar pada tahun 2015 Spotify 👉 Youtube 👉 Podcast Apple 👉 Stempel waktu: 00:00 Pengantar 01:16 Bagaimana Meta Membentuk Cara Saya Berpikir Tentang Penelitian AI 02:22 Tantangan dalam Reinforcement Learning 08:33 Apakah Mungkin Menjadi Efisien Modal dalam AI 13:47 AI di Perusahaan: Efisiensi dan Adopsi 21:51 Masalah Keamanan dengan Agen AI 28:06 Bisakah Zuck Menang Dengan Membeli Superstar AI 32:11 Kenaikan Biaya Data 36:38 Data Sintetis dan Degradasi Model 38:42 Mengapa Pengkodean AI Mirip dengan Pembuatan Gambar pada tahun 2015 51:16 Jika Joelle adalah VC, di mana dia akan berinvestasi? 51:50 Putaran Cepat: Pelajaran dari Zuck, Pergeseran Pola Pikir Terbesar 5 poin saya dengan @jpineau1 👇

1. Apa barometer yang tepat jika AI berhasil? Bisakah sebagian besar karyawan Anda melakukan 10x pekerjaan mereka dengan AI vs. sendiri? Manusia dan AI memiliki kemampuan yang melengkapi. Untuk mengganti sebagian tenaga kerja Anda tidak realistis. Senang mendengar pendapat Anda tentang @DavidCahn6 @eisokant @btaylor @varunvummadi ini

2. Pentingnya AI Open Source Menutup semuanya adalah kesalahan besar. Kita membutuhkan ide-ide untuk beredar untuk memajukan penelitian AI. Senang mendengar pendapat Anda tentang @soumithchintala @ylecun @douwekiela @aaref @jasoncwarner ini

3. Superstar AI Tidak Bekerja untuk Membangun Tim Memiliki sekelompok superstar AI di sebuah ruangan tidak membuat mereka lebih produktif. Mereka membutuhkan mesin eksekusi, mereka membutuhkan lem sosial. Saya sangat percaya dalam membangun tim yang beragam dengan bakat pelengkap. Senang mendengar pendapat Anda tentang @mntruell @paulbz @mmurph @ivanhzhao ini

4. Bagaimana masa depan pasar pasokan data untuk orang-orang seperti Mercor dan Surge? Kemitraan manusia-AI bukanlah fase. Keseimbangan output akan bergeser; manusia akan memberikan arahan yang saling melengkapi. Beberapa perusahaan mungkin tidak ada dalam 5 tahun tetapi pelatihan yang dipandu manusia akan tetap ada. Senang mendengar pemikiran Anda, seperti apa pasar data di tahun 2030? @BrendanFoody @echen @GarrettLord @speechu @jonsidd @manuaero @peterfenton

5. WTF Terjadi Ketika Kita Memiliki Dunia Dengan Begitu Banyak Kode yang Dihasilkan AI Dengan begitu banyak kode yang dihasilkan AI, hambatannya bukanlah penciptaan: melainkan seleksi. Kita akan membutuhkan mekanisme editorial untuk memilih kode yang berharga, aman, dan terarah. Senang mendengar pendapat Anda tentang @natfriedman @rauchg @scottbelsky @aparnacd @TYehoshua ini