Questo cattura bene il nostro ethos.

Osservazione interessante mentre esaminavo il nostro numero folle di applicazioni FF: Alcune delle migliori idee di socializzazione per i consumatori provenivano da team della Corea del Sud. Immagino che se sei culturalmente rilevante (KPop, KDramas) allora il passo successivo sono le app per i consumatori.

AI Frontier Labs <—> Team F1 Lavorare in un laboratorio di intelligenza artificiale di punta sembra inquietantemente simile a essere un progettista di auto da corsa per la F1. Primo: Il furto di talenti è spietato. Adrian Newey che lascia la Red Bull per l'Aston Martin è notizia di prima pagina. Ilya Sutskever che lascia l'OpenAI fa impazzire internet. In entrambi i campi, il genio individuale può spostare l'equilibrio competitivo da un giorno all'altro. Gli ingegneri star sono trattati come atleti star. I guadagni marginali sono tutto. Nella F1, ridurre di 0,1 secondi il tempo di un giro può significare la differenza tra P1 e P10. Nei laboratori di IA, un miglioramento del 2% nei punteggi di benchmark può determinare se il tuo modello viene distribuito a milioni o viene accantonato. I dati sono il vantaggio competitivo definitivo. Le squadre di F1 raccolgono milioni di punti dati per gara. I laboratori di IA hanno bisogno di dataset di addestramento che costano milioni da curare. Le squadre che riescono a raccogliere, pulire e apprendere dai dati in modo migliore vincono costantemente. Tutto il resto è solo teatro ingegneristico. La differenza tra ricerca e ingegneria è sottilissima. I progettisti di F1 pubblicano su riviste accademiche E devono far passare le auto attraverso i controlli. I ricercatori di IA scrivono articoli E devono distribuire modelli che scalano a milioni di utenti. Le restrizioni di risorse costringono a una creatività impossibile. Le squadre di F1 hanno limiti di budget, limiti di tempo in galleria del vento e regolamenti rigorosi. I laboratori di IA hanno budget di calcolo, costi di licenza dei dati e requisiti di velocità di inferenza. Un anello debole rompe tutto. Nella F1, se il team di aerodinamica fa centro ma il team delle sospensioni sbaglia, sei fuori dai punti. Nei laboratori di IA, se la tua pipeline di dati è perfetta ma il tuo tokenizer ha bug, il tuo modello è spazzatura. L'eccellenza deve essere sistemica, non localizzata. Velocità contro sicurezza è il compromesso eterno. Le auto di F1 potrebbero andare più veloci senza regolamenti di sicurezza. I modelli di IA potrebbero essere più capaci senza ricerca di allineamento. Entrambi i campi lottano costantemente con: "Quanto rischio è accettabile per quanta prestazione?" Ecco cosa la maggior parte delle persone non capisce: in entrambi i campi, le vere scoperte derivano dal pensiero interdisciplinare. Le migliori innovazioni della F1 spesso provengono dall'aerospaziale o dalla scienza dei materiali. Le migliori scoperte dell'IA spesso provengono dalle neuroscienze o dalla fisica. L'esperienza ristretta è un vicolo cieco.

Il nostro primo Demo Faire in India ha avuto una sala piena! 8 team SPC hanno presentato prodotti in vari settori, tra cui strumenti AI, hardware, aerospaziale e altro ancora. Demonstrazioni reali, niente diapositive. Scopri cosa stanno costruendo le menti più brillanti in India 🔽🧵

La tua migliore idea probabilmente non è la prima. O nemmeno la seconda. Le grandi idee richiedono tempo. @RobinhoodApp non era l'idea di @BaijuBhatt. È quella che ha raggiunto la velocità di fuga. Ora, sta facendo il salto nell'aerospaziale con @AetherfluxUSA.

🚨 Ultima possibilità 🚨 Le domande per la Founder Fellowship scadono oggi!

Cosa farà Lina Khan quando Figma acquisirà Adobe???

L'afflusso di domande @southpkcommons nelle ultime 72 ore significa che posso inviare questo meme al mio team

Non aspettare! Le domande scadono alle 23:59 del 3 agosto.

Non aspettare! Le domande scadono alle 23:59 del 3 agosto.