Tópicos populares
#
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.
Aditya Agarwal
General Partner @SouthPkCommons, Co-Founder @Bevel_Health | Ex: Early Eng @facebook, CTO @Dropbox, Board @Flipkart | Optimist, Builder, Dad
Observação interessante enquanto analisava o nosso número insano de aplicações FF:
Algumas das melhores ideias de redes sociais para consumidores vieram de equipas da Coreia do Sul.
Acho que se você é culturalmente relevante (KPop, KDramas), então o próximo passo são as aplicações para consumidores.
8,8K
AI Frontier Labs <—> Equipas de F1
Trabalhar numa das principais laboratórios de IA é estranhamente semelhante a ser um designer de carros de corrida para a F1.
Primeiro: O roubo de talentos é implacável.
A saída de Adrian Newey da Red Bull para a Aston Martin é notícia de primeira página. A saída de Ilya Sutskever da OpenAI quebra a internet.
Em ambos os campos, o brilho individual pode mudar o equilíbrio competitivo da noite para o dia. Engenheiros estrelas são tratados como atletas estrelas.
Os ganhos marginais são tudo.
Na F1, reduzir 0,1 segundos no tempo de volta pode significar a diferença entre P1 e P10. Nos laboratórios de IA, uma melhoria de 2% nas pontuações de referência pode determinar se o seu modelo é implantado para milhões ou é arquivado.
Os dados são a vantagem competitiva definitiva.
As equipas de F1 coletam milhões de pontos de dados por corrida. Os laboratórios de IA precisam de conjuntos de dados de treinamento que custam milhões para serem curados.
As equipas que conseguem coletar, limpar e aprender com os dados de forma consistente ganham. Tudo o resto é apenas teatro de engenharia.
A diferença entre pesquisa e engenharia é extremamente fina.
Os designers de F1 publicam em revistas acadêmicas E têm que passar os carros pela verificação. Os pesquisadores de IA escrevem artigos E têm que implantar modelos que escalem para milhões de usuários.
As restrições de recursos forçam uma criatividade impossível.
As equipas de F1 têm tetos orçamentais, limites de tempo em túneis de vento e regulamentos rigorosos. Os laboratórios de IA têm orçamentos de computação, custos de licenciamento de dados e requisitos de velocidade de inferência.
Um elo fraco quebra tudo.
Na F1, se a equipa de aerodinâmica acerta, mas a equipa de suspensão falha, você fica sem pontos. Nos laboratórios de IA, se o seu pipeline de dados é perfeito, mas o seu tokenizer tem bugs, o seu modelo é lixo.
A excelência tem que ser sistémica, não localizada.
Velocidade vs. segurança é o eterno compromisso.
Os carros de F1 poderiam ir mais rápido sem regulamentos de segurança. Os modelos de IA poderiam ser mais capazes sem pesquisa de alinhamento.
Ambos os campos lutam constantemente com: "Quão grande é o risco aceitável para quão grande é o desempenho?"
Aqui está o que a maioria das pessoas perde: em ambos os campos, as verdadeiras inovações vêm do pensamento interdisciplinar.
As melhores inovações da F1 muitas vezes vêm da aeroespacial ou da ciência dos materiais. As melhores inovações em IA muitas vezes vêm da neurociência ou da física.
A especialização estreita é um beco sem saída.
2,81K
Top
Classificação
Favoritos