Актуальні теми
#
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.

seth bloomberg
Інвестиційний партнер @UnsupervisedCap | Попередня: @CrucibleLabs, Наукові @MessariCrypto | Ву Свиня 🐽
Все частіше погоджуються з цією думкою

will brown8 серп., 02:52
Я все більше переконуюся, що «трансформаційний штучний інтелект» буде виглядати як велика кількість спеціалізованих моделей для всього, від дизайну ліків до симуляторів погоди, від робототехніки до ланцюжків поставок, а не як один агент, який керуватиме ними всіма. Нам знадобиться набагато більше дослідників штучного інтелекту
536
Мета проекту ATOM величезна. Це узгоджені зусилля, спрямовані на те, щоб США мали ресурси для створення передових моделей штучного інтелекту з відкритим вихідним кодом.
Це один із рухів у сфері відкритого вихідного коду/штучного інтелекту, який мене найбільше захоплює, і я пишаюся тим, що мене включили до списку підписантів нижче.

Nathan Lambert7 серп., 09:21
Минуло півтора дня після запуску ATOM, і в порівнянні з минулими роками у відкритих моделях чітко видно одне: це вже не позиція меншості.
Нижче наведено список відомих підписантів (загалом понад 200). Люди з усіх куточків спільноти штучного інтелекту підписалися. Люди, яких назвали б «приреченими», та інші, які є «акселераторами». Є провідні вчені, державні службовці, дослідники провідних лабораторій, інженери, венчурні капіталісти та все, що між ними.
Зараз починається довгий процес перетворення цього на реальність. OpenAI зробила хорошу справу, полегшивши керівництву в цій галузі схвалення випусків відкритих моделей, але це не вирішує потребу в ATOM. Це підкреслює, що це зміна в громаді, яку не можна виправити відкритою організацією чи одним адвокатом.
Продовжуймо наполягати.
Ось основні підписанти. Незабаром я також випущу ще одне оновлення з усіма подяками за те, хто зробив це можливим.
Клемент Деланг (@ClementDelangue), генеральний директор Hugging Face
Джеремі Говард (@jeremyphoward), співзасновник Fast AI & Answer ai
Олексій Кучаєв (@kuchaev), директор з прикладних досліджень Nvidia
Росс Тейлор (@rosstaylor90), генеральний директор General Reasoning
Себастьян Рашка (@rasbt), автор книги «Побудуй велику мовну модель» (з нуля)
Суміт Чінтала (@soumithchintala), співзасновник PyTorch
Майлз Брандейдж (@Miles_Brundage), колишній керівник відділу політичних досліджень в OpenAI
Алі Фархаді, генеральний директор Ai2
Сергій Левін (@svlevine), професор Каліфорнійського університету в Берклі, співзасновник Physical Intelligence
Білл Герлі (@bgurley), генеральний партнер Benchmark
Вінсент Вайссер (@vincentweisser), генеральний директор Prime Intellect
Ділан Патель (@dylan522p), засновник і генеральний директор SemiAnalysis
Крістофер Д. Меннінг (@chrmanning), професор Стенфордського університету
Ендрю Траск (@iamtrask), засновник OpenMined
Персі Лян (@percyliang), професор Стенфордського університету
Сет Блумберг (@bloomberg_seth), інвестиційний партнер Unsupervised Capital
Джейсон Лі (@jasondeanlee), професор Каліфорнійського університету в Берклі
Анімеш Гарг (@animesh_garg), професор комп'ютерної техніки, Технологічний інститут Джорджії
Томас Вольф (@Thom_Wolf), співзасновник і CSO в Hugging Face
Метт Уайт (@matthew_d_white), виконавчий директор, PyTorch Foundation
Професор Ділан Хедфілд-Менелл (@dhadfieldmenell), доцент EECS, Массачусетський технологічний інститут
Кевін Сюй (@kevinsxu), засновник компанії Interconnected
Енді Конвінскі (@andykonwinski), засновник Laude Institute
Джейсон Квон (@jasonkwon), директор зі стратегії, OpenAI
Вілл Браун (@willccbb), науковий керівник, Prime Intelligence
Пейдж Бейлі (@DynamicWebPaige), керівник відділу інженерії DevX у Google DeepMind
Майк Ебботт, співзасновник і генеральний директор, Open Athena
Хелен Тонер (@hlntnr), Джорджтаунський університет
Марк Сурман (@msurman), Президент Mozilla Foundation
Джордан Шнідер (@jordanschnyc), засновник ChinaTalk
Фінбар Тімберс (@finbarrtimbers), провідний інженер-дослідник в Ai2
Ендрю Карр (@andrew_n_carr), співзасновник і головний науковий співробітник Cartwheel
Swyx (@swyx), співзасновник Smol . Штучний інтелект і латентний простір
8,35K
Користувач seth bloomberg поділився
Минуло півтора дня після запуску ATOM, і в порівнянні з минулими роками у відкритих моделях чітко видно одне: це вже не позиція меншості.
Нижче наведено список відомих підписантів (загалом понад 200). Люди з усіх куточків спільноти штучного інтелекту підписалися. Люди, яких назвали б «приреченими», та інші, які є «акселераторами». Є провідні вчені, державні службовці, дослідники провідних лабораторій, інженери, венчурні капіталісти та все, що між ними.
Зараз починається довгий процес перетворення цього на реальність. OpenAI зробила хорошу справу, полегшивши керівництву в цій галузі схвалення випусків відкритих моделей, але це не вирішує потребу в ATOM. Це підкреслює, що це зміна в громаді, яку не можна виправити відкритою організацією чи одним адвокатом.
Продовжуймо наполягати.
Ось основні підписанти. Незабаром я також випущу ще одне оновлення з усіма подяками за те, хто зробив це можливим.
Клемент Деланг (@ClementDelangue), генеральний директор Hugging Face
Джеремі Говард (@jeremyphoward), співзасновник Fast AI & Answer ai
Олексій Кучаєв (@kuchaev), директор з прикладних досліджень Nvidia
Росс Тейлор (@rosstaylor90), генеральний директор General Reasoning
Себастьян Рашка (@rasbt), автор книги «Побудуй велику мовну модель» (з нуля)
Суміт Чінтала (@soumithchintala), співзасновник PyTorch
Майлз Брандейдж (@Miles_Brundage), колишній керівник відділу політичних досліджень в OpenAI
Алі Фархаді, генеральний директор Ai2
Сергій Левін (@svlevine), професор Каліфорнійського університету в Берклі, співзасновник Physical Intelligence
Білл Герлі (@bgurley), генеральний партнер Benchmark
Вінсент Вайссер (@vincentweisser), генеральний директор Prime Intellect
Ділан Патель (@dylan522p), засновник і генеральний директор SemiAnalysis
Крістофер Д. Меннінг (@chrmanning), професор Стенфордського університету
Ендрю Траск (@iamtrask), засновник OpenMined
Персі Лян (@percyliang), професор Стенфордського університету
Сет Блумберг (@bloomberg_seth), інвестиційний партнер Unsupervised Capital
Джейсон Лі (@jasondeanlee), професор Каліфорнійського університету в Берклі
Анімеш Гарг (@animesh_garg), професор комп'ютерної техніки, Технологічний інститут Джорджії
Томас Вольф (@Thom_Wolf), співзасновник і CSO в Hugging Face
Метт Уайт (@matthew_d_white), виконавчий директор, PyTorch Foundation
Професор Ділан Хедфілд-Менелл (@dhadfieldmenell), доцент EECS, Массачусетський технологічний інститут
Кевін Сюй (@kevinsxu), засновник компанії Interconnected
Енді Конвінскі (@andykonwinski), засновник Laude Institute
Джейсон Квон (@jasonkwon), директор зі стратегії, OpenAI
Вілл Браун (@willccbb), науковий керівник, Prime Intelligence
Пейдж Бейлі (@DynamicWebPaige), керівник відділу інженерії DevX у Google DeepMind
Майк Ебботт, співзасновник і генеральний директор, Open Athena
Хелен Тонер (@hlntnr), Джорджтаунський університет
Марк Сурман (@msurman), Президент Mozilla Foundation
Джордан Шнідер (@jordanschnyc), засновник ChinaTalk
Фінбар Тімберс (@finbarrtimbers), провідний інженер-дослідник в Ai2
Ендрю Карр (@andrew_n_carr), співзасновник і головний науковий співробітник Cartwheel
Swyx (@swyx), співзасновник Smol . Штучний інтелект і латентний простір
34,18K
Користувач seth bloomberg поділився
🌸 Як відкритий вихідний код стимулює інновації
Ось візуалізація агентів, поданих за певний проміжок часу
Чим ближче точки один до одного, тим більше схожий код агента
Зверніть увагу, як з'являються кластери агентів - кожен раз, коли майнер придумує новий інноваційний спосіб вирішення проблем, випускається безліч подібних агентів, заснованих на цій логіці
Нам це приємно бачити. Також зверніть увагу, як кластери з'являються все швидше і швидше до кінця - агенти вдосконалюються прискореними темпами
14,5K
Налаштування для Макса та команди @webuildscore феноменальні:
• Винятковий засновник/команда
• Створення диференційованого продукту для недостатньо обслуговуваного/зростаючого ринку
• Використання технології механізму стимулювання Bittensor для послідовного створення кращого продукту
Дуже в захваті від цього.

Sami Kassab5 серп., 22:49
Ми публікуємо нашу внутрішню інвестиційну записку на сторінці Score—Subnet 44 на Bittensor.
Score створює систему комп'ютерного зору для спортивної аналітики, вже обробляючи повнометражні футбольні матчі менш ніж за 2 хвилини.
Ми оцінили миттєвий, працездатний ринок у 1,8 мільярда доларів, що означає 51-кратне зростання токена за сьогоднішньою оцінкою.
Повна пам'ятка нижче.
3,67K
Користувач seth bloomberg поділився
Ми публікуємо нашу внутрішню інвестиційну записку на сторінці Score—Subnet 44 на Bittensor.
Score створює систему комп'ютерного зору для спортивної аналітики, вже обробляючи повнометражні футбольні матчі менш ніж за 2 хвилини.
Ми оцінили миттєвий, працездатний ринок у 1,8 мільярда доларів, що означає 51-кратне зростання токена за сьогоднішньою оцінкою.
Повна пам'ятка нижче.
44,87K
Хотів би, щоб це також сталося. Але на практиці я не знаю, як реалізувати щось подібне.
Чи уряд ФРС просто субсидує витрати на те, щоб відкриті лабораторії купували це обладнання? Це буде постійна субсидія (зараз часто потрібне нове обладнання), і як вибрати, які лабораторії отримують субсидію? Математика серветок для 10K H200s, ймовірно, перевищує 300 мільйонів доларів, якщо ми використовуємо просте припущення ~30 тисяч доларів на H200. І це лише придбання апаратного забезпечення GPU. Вам потрібно десь запускати їх разом з операційними витратами для їх обслуговування.
Якщо ви змусите нинішніх власників комп'ютерів виділити певну суму своїх запасів для цих лабораторій, їм також знадобиться певна форма субсидії. Більшість із цих компаній заявляють, що зараз вони також обмежені в поставках.
У будь-якому випадку, схоже, що ми рухаємося до створення нової парадигми обчислень. Досі парадигма оберталася навколо масштабування спільно розташованих обчислень. Без сумніву, в США та інших країнах все ще будуть побудовані дата-центри розміром з Манхеттен. Але також будуть менші обчислювальні острови різного розміру, які з'єднані з волокном тощо. Коли це будуть нові/стандартні обмеження та фундаментальні обмеження, це підштовхне ширшу спільноту дослідників штучного інтелекту в нових, невивчених напрямках.
Негативний вплив цього може означати велику і зростаючу розбіжність між дослідженнями, архітектурою моделей, економікою і т.д. між найбільшими, закритими лабораторіями штучного інтелекту (ті, що працюють з фактично масивними єдиними центрами обробки даних) і тими (ймовірно, науковцями та децентралізованими компаніями зі штучним інтелектом), які використовують більш розподілені обчислювальні кластери (тобто невеликі, але численні обчислювальні острови). Незрозуміло, як це обернеться для обох сторін (і, зрештою, для споживачів моделей, що випускаються кожною з них), але схоже, що все рухається в напрямку.
Можна навіть заперечити, що ми вже бачили проблиски цього. Китайські лабораторії мають принципово інші обчислювальні обмеження, ніж, наприклад, у OpenAI. Через це цим китайським лабораторіям довелося впроваджувати інновації в методи навчання/виведення. Не ідеальна аналогія, але, можливо, вона може допомогти з'ясувати, як виглядають «маленькі кроки» до нової парадигми, і з часом ці маленькі кроки доповнюються і виробляють щось, що виглядає/функціонує зовсім інакше, ніж те, що продукує інший шлях.

Nathan Lambert4 серп., 22:08
Щоб вирішити цю проблему, ключовим порогом ресурсів є наявність кількох відкритих лабораторій із 10000+ графічних процесорів у кожній.
Численні лабораторії роблять так, що ми не зобов'язані милості великих технологічних компаній, які хочуть випускати моделі. Ці установи збільшують інновації + знижують ризики цієї важливої технології.
619
Дуже цікаве читання, деякі речі, які запам'яталися:
-- починає статтю з того, що вони бачать, що системи штучного інтелекту самовдосконалюються (тенденція до зростання), але з невеликою кількістю деталей
-- проведення великої різниці між «особистим/споживчим» штучним інтелектом та заміною працівників/праці
-- Окуляри стають нашими "основними комп'ютерними пристроями", тому що вони мають більше контексту
Суперінтелект означає, що вони повинні переглянути свою стратегію з відкритим вихідним кодом, яка значно змінилася в порівнянні з минулим роком.

AI at Meta30 лип. 2025 р.
Today Mark shared Meta’s vision for the future of personal superintelligence for everyone.
Read his full letter here:
1,12K
Не можу з цим не погодитися.
Зараз важко уявити, але до середини 2019 року стейблкоїни лише досягали 20% денного обсягу на Ethereum. Можливе домінування обсягів стейблкоїнів дозволило DeFi прискоритися.
Нам потрібні аналогічні каталізатори для децентралізованого ШІ.

anand iyer30 лип. 2025 р.
Децентралізований штучний інтелект сьогодні – це те місце, де приблизно у 2020 році були DeFi та стабільні монети.
Більшість по-справжньому трансформаційних технологій штучного інтелекту не будуть жити в закритих стеках. Він будується на відкритих, прозорих, децентралізованих рейках.
Проривна подія започаткує масове прийняття. Як і Stripe, що купує Bridge. І тоді децентралізований ШІ буде називатися просто ШІ.
1,15K
Найкращі
Рейтинг
Вибране
Актуальне ончейн
Популярні в X
Нещодавнє найкраще фінансування
Найбільш варте уваги