下一代模型需要什么?
摘要
关于前沿人工智能使用方式下一次演进的讨论,质疑基于云的智能体工作流和大规模分布式计算是否会取代本地部署,并引用了Tibo的推文和OpenAI最近的数学成果。
嘿,各位!你们看到Tibo的推文了吗?他说我们使用前沿AI的方式即将经历一次重大演进。我仍然觉得这可能和之前atlas的营销废话差不多,但Tibo看起来确实是一个能真正做出东西并取得成果的人。OpenAI最近在数学方面取得了一些成果,我想知道他们是否使用了数千个云节点,配合图工程(graph engineering),每小时调用数万次,并以此扩展整个框架来解决这些数学问题。我还看到一些GPU SaaS公司试图将整个智能体工作流迁移到云端。这会是接下来人们使用智能体的主要方式吗?我不太喜欢通过网页仪表板控制一切,或者在基于浏览器的虚拟机里运行所有东西的想法。我仍然希望我的文件和/work目录留在自己的电脑上。
相似文章
本地AI的实际可访问性如何,如果可负担的前沿模型访问不再持续会发生什么?
作者讨论了普通技术爱好者对本地AI硬件的可访问性,质疑廉价前沿模型的可持续性,并探讨本地设置何时比云服务更具成本效益。
本地模型是否比预期更快变得“足够好”?
这篇文章讨论了本地AI模型在日常任务中日益增长的可行性,暗示了向混合架构的转变,这种架构优化成本和延迟,而不是仅仅依赖前沿的云模型。
人工智能的下一步?我们看好世界模型(5分钟阅读)
文章认为,世界模型使人工智能系统能够表示环境、预测结果并做出决策,正在成为下一个主要的人工智能范式,正如著名研究者如Yann LeCun、Demis Hassabis和Fei-Fei Li的共识所示。
关于我们如何走到这里以及接下来会发生什么
本文分析了AI模型向代理工作流的演变,对AI不受监督的行为提出了担忧,并引用了Hugging Face与OpenAI的事件。
使用AI助手几个月后,我最大的观察
个人对具有持久记忆的AI助手变革潜力的反思,认为上下文和工作流组织将比模型本身更重要。