KevinSimback

私は、2026〜27年に史上最大のテクノロジーM&Aの波が来ると思います
通貨として使える巨額の株式評価額と、AIによる業界力学の再編が相まって、買い漁りが起きる

非常識な偏見を持っていない人なら誰でも、試合を見てバログンが不当に扱われたと結論づけるだろう
誰がそれを実現するのを助けたかに関わらず、覆すのは正しい判断だった

最新の@theallinpodを聞き終えたところです。今週話題になったAlex Karpの「暴言」について議論がありました。
誰もが気づき始めている最大の認識は、最先端モデルを使用する際の競争優位性の*欠如*です。
競合他社がすべてそれを使用している場合、差別化はできません。
さらに悪いことに、ラボがあなたのデータを取得して競合する製品を作ることを決めた場合、それらのモデルを使用すると競争リスクにさらされる可能性があります（Figmaに聞いてみてください）。
さらに驚くべきことに、これらのモデルは適切な実装で同等に優れたものにできる代替品よりも5〜100倍高価です。
つまり、差別化を失うだけでなく、それを失うために多額の代償を払うことになります。
これらは、オープンソースAIの支持者である私たちがしばらく前から言い続けてきたテーマであり、それがよりコンセンサスを得ているのを見て嬉しく思います。
しかし今、本当の課題が始まります。多くの点で、AnthropicやOpenAIを使用することはイージーボタンを押すようなものです。
製品は素晴らしく、実際に機能します。そして新しい「デプロイ企業」は喜んでそれらをあなたの組織に組み込み、使用方法についてあまり考えなくて済むようにしてくれます。
しかし、あなたのデータとオープンソースモデルを使用して自律型AIを構築するには、より多くのスキルが必

可能性を想像してください
推論資本市場 x $ansem タイアップ
アテンションを活用して、分散型AI、エージェンティックマーケットを強化せよ
cc @blknoiz06 と @0xgilbert

Fableを最大限活用してきた、それが再び有効になってから
私の主観的な意見では、それは現在他のどのモデルも持っていない主体性を持って行動する
それは私の要求を実行し、その過程で他の重要な関連事項を見つけてそれも実行する
それはまるで気にかけている人のように仕事を処理する

Anthropic/OpenAIと中国のオープンソースモデルの比較が話題になっていますが
他のプレイヤーも、いつでも大きな発表を行い、どちらかのバランスを変えられることを忘れないでください
予測: 次の1〜2週間以内に大きな発表があるでしょう

コーディングはAIにとって否定しがたいPMFのユースケースだが、ほとんどのナレッジワークにはまだ道のりがある
コーディングが機能するのは、すべてのコンテキストがバージョン管理され、構造化され、一か所に集約され、通常は何が正しいかを教えてくれるテストスイートを備えたgitリポジトリに存在するからだ
一方、ナレッジワークは、Slack、メール、さまざまなシステム、そしてしばしば人々の頭の中といった、まったく異なる場所に存在する情報に基づいている
したがって、コードのようにナレッジワークを自動化したいのであれば、「コンテキストリポジトリ」、または「カンパニーブレイン」と呼ばれるものが必要になる
しかし、単にファイルを取得してどこかに置き、その上にRAGを載せただけのカンパニーブレインは正しい答えではない
必要なのはオントロジーベースのシステムだ——その設定は困難であり、維持するのはさらに難しい
多くのエンタープライズAIパイロットが失敗したりROIを生み出せなかったりする理由がある——それは「コンテキストリポジトリ」が適切に構築されていないからだ
しかし肝心なのは——適切に行われれば、コンテキストレイヤーは企業が新しいツールに支払うコストから、価値が蓄積される資産へと変わる可能性があるということだ
エージェント型ワークフローがコンテキストレイヤーの上に構築され、それらのエージェントからの

LLMを審査員として使うことは、ループを作る最もシンプルで簡単な方法です
1. AIにプロンプトを送って普段行っていることを実行する
2. 別のモデルを使って出力を評価し、フィードバックを与える
3. 両方が満足するまで繰り返す
ループが完了した時点での最終出力のみを見る
LLMを審査員として使っているため、これは一般的に研究、デザイン、仕様策定など非決定的なタスクに最適です
Looperを使用してこれを行うと、より適切に構築されたループのためのプロンプトを洗練し、審査員を追加し、不必要な反復を実行しないように終了条件を設定することで、非常に簡単になります
現在500以上の⭐️を獲得

PTSDによる、わかる人にはわかる

この猛暑の中、イタリアを出発したばかりですが、なぜエアコンが議論になるのか本当に理解できません
文字通りみんな（地元の人も含めて）が文句を言っています
室内で蒸し暑いとただ人をイライラさせるだけなので、もうエアコンを設置してください

もしあなたが米国や中国でなければ、彼らに依存して未来を定義する知能を得るためにどうやって座っているのかわかりません
ここで戦略を持つことが国家的優先事項であると思うでしょう
もちろん、言うは易く行うは難し - 大きな資金と才能が必要で、フロンティアラボと競争するには
最も簡単な最初のステップは、主権データセンターを構築し、オープンウェイトモデルや事前訓練済みバージョンをホストすることです - 少なくともあなたは何らかの形の知能を所有します
UAEとサウジアラビアはこの道を進んでおり、訓練に向けて動き始めています
次に最も影響力のあるステップは、分散型訓練に焦点を当てることです
能力のあるモデルを訓練できるクラスターを構築できない場合、分散型訓練は有効な選択肢となるかもしれません
今日の話ではありませんが、その日が来た場合に米国や中国のモデルからロックアウトされたり高額になったりするリスクをヘッジするための選択肢として
分散型訓練についての詳細な調査を行っており、近日中にレポートを公開予定です
取り上げてほしいプロジェクトがあれば教えてください、すでにかなり良いリストがありますが、正当なものであれば他も含めて検討します

もしあなたが新しいスタートアップのデューデリジェンスを行っている場合、チーム、製品、市場とともに彼らの「AIネイティブ性」も評価する必要があります
なぜですか？もし彼らがAIの最前線を使いこなしていなければ、迅速に実行できないリスクがあります
これは絶対に通過できるフィルターではありませんが、シグナルです - いくつかの初期の兆候を挙げると：
1. 彼らはあなたに.deckとともに.mdファイルを渡しましたか、それをあなたのLLMに入力できるように？
2. 彼らはインタラクティブなHTMLデッキを作成しましたか、それともただPDFやDocSendを送っただけですか？
3. 彼らは独自のスキル、データ、評価、または製品構築に使用している方法について話していますか？
4. 彼らは会議の間に重要な製品アップデートを出荷していますか？
これは網羅的なリストではなく、私が気づいたいくつかの逸話的な兆候です

もしあなたが新しいスタートアップに勤めているなら、チーム、製品、市場とともに彼らの「AIネイティブ性」を評価する必要があります
なぜですか？ もし彼らがAIの最前線を使いこなしていなければ、迅速に実行できないリスクがあります
それは厳格な合格基準ではありませんが、シグナルです - いくつかの初期の兆候を挙げると：
1. 彼らはあなたに.deckとともに.mdファイルを渡しましたか、それをあなたのLLMに入力できるように？
2. 彼らはインタラクティブなHTMLデッキを作成しましたか、それともただPDFやDocsendを送っただけですか？
3. 彼らは独自のスキル、データ、評価、または製品構築に使用している方法について話していますか？
4. 彼らは会議の間に重要な製品アップデートを出荷していますか？
これは網羅的なリストではなく、私が気づいたいくつかの逸話的な兆候です

これを解いてみてください：
GLM-6がリリースされ、Fable / Mythosの機能を持つようになったらどうなるでしょうか？
それは「もし」ではなく、「いつ」起こるかの問題です
そして、シナリオと影響を理解することは非常に重要です