Prydlig

Anthropics medgrundare Ben Mann har den tydligaste definitionen av AGI jag har hört, som han kallar The Economic Turing Test: "Om du kontrakterar en agent i 1-3 månader på ett visst jobb och det visar sig vara en maskin snarare än en person, då har den klarat det ekonomiska Turingtestet för den rollen. Och om agenten kan klara det testet för 50 % av de pengaviktade jobben, då har vi transformativ AI. Om vi passerar den tröskeln kan vi förvänta oss enorma effekter på världens BNP-ökningar och samhällsförändringar, och antalet människor som anställs när dessa saker är möjliga. Det är början på en ny era."

Anthropics medgrundare Ben Mann har den tydligaste definitionen av AGI jag har hört, som han kallar The Economic Turning Test: "Om du kontrakterar en agent i 1-3 månader på ett visst jobb och det visar sig vara en maskin snarare än en person, då har den klarat det ekonomiska Turingtestet för den rollen. Och om agenten kan klara det testet för 50 % av de pengaviktade jobben, då har vi transformativ AI. Om vi passerar den tröskeln kan vi förvänta oss enorma effekter på världens BNP-ökningar och samhällsförändringar, och antalet människor som anställs när dessa saker är möjliga. Det är början på en ny era."

Anthropics medgrundare Ben Mann om varför han valde Montessori till sin dotter: "Om det här var för 10-20 år sedan skulle jag ställa upp henne för toppskolor och fritidsaktiviteter. Men nu tror jag inte att något av det kommer att spela någon roll. Att lära sig fakta kommer att blekna i bakgrunden. Det viktiga är att hon är glad, omtänksam, nyfiken och snäll."

Detta tog mig 10 månader att skriva, så det betyder mycket för Lenny att introducera dagens nyhetsbrev som ett inlägg som "kommer att förändra hur många av er som arbetar på jobbet". (Vi gjorde den här gratis så att vem som helst kan komma åt den)

"För 11 månader sedan använde jag inte AI på jobbet – alls. Mitt team och jag byggde AI-produkter som användes av tiotusentals människor. Men när det kom till att använda AI i mitt eget jobb var jag en stolt luddit. Jag ville inte låta som "genomsnittet på internet". Jag var orolig för att jag skulle förlora mitt försprång om jag lät AI-verktyg göra saker åt mig. När jag försökte använda ChatGPT tyckte jag att det var en besvikelse för strategiskt och innovativt arbete – som att konsultera en pratsam Wikipedia. Innerst inne kände jag mig modfälld över att jag inte kände till de exakta magiska trollformlerna för uppmaningar som bara influencers verkade känna till. Sedan visade min eng-chef mig hur man skriver perfekta användarberättelser genom att bara prata med ChatGPT med sammanhang. Jag insåg att AI-verktyg hade känts som trubbiga, generiska instrument eftersom jag inte gav tillräckligt med sammanhang. LLM:er kan vara mycket effektiva för intelligent kunskapsarbete, men bara när vi ger dem samma bakgrundskunskap som vilken person som helst skulle behöva för att göra samma arbete. När LLM:er har detta värdefulla och pågående sammanhang om våra mål, vår strategi, vår roll, våra projekt och vår bredare organisation, blir de vår "AI-copilot" - en verklig tänkande partner för långsiktigt, komplext arbete. Oavsett företagets storlek, vertikal eller kompetens inom AI går många teknikarbetare idag miste om det av samma anledning som jag. De ger inte LLM:er det sammanhang som behövs för att uppleva sin fulla potential. Sammanhanget förändrar allt." @talraviv har lärt över 20 000 personer hur man bygger sin egen AI-andrepilot. I dagens 🔥 inlägg delar Tal med sig av hur du kan ändra ditt sätt att tänka på att arbeta med AI och hur du praktiskt kan konstruera din egen AI-copilot:

Passerade 400 000 YouTube-prenumeranter 💥🙏

Det är frågan alla ställer sig... Hur framtidssäkrar du dig i AI-åldern? "Att vara ambitiös i hur man använder verktygen och vara villig att lära sig nya verktyg. Människor som använder de nya verktygen som om de vore gamla verktyg tenderar att inte lyckas." - @8enmann, medgrundare av Anthropic Han förklarar i podcasten @lennysan

Jobbar du på ett stort företag och försöker lista ut hur man tolkar kod i den verkliga världen? Det här avsnittet är för dig. Lära sig: 1. Ett systematiskt tillvägagångssätt för att använda AI-agenter som @DevinAI och @Cursor_AI för att producera högkvalitativ kod i din stora kodbas 2. Hur du får AI-agenter att systematiskt ta itu med din teknikskuld 3. Hur man skapar ett centraliserat regelsystem som fungerar över flera AI-verktyg 4. Varför "det som är bra för människor är också bra för LLM" bör vägleda din dokumentationsstrategi 5. Hur du bygger ett anpassat GPT-arbetsflöde för att förbättra din intervjufeedback och bli coachad

Jobbar du på ett stort företag och försöker lista ut hur man tolkar kod i den verkliga världen? Det här avsnittet är för dig. Lära sig: 1. Ett systematiskt tillvägagångssätt för att använda AI-agenter som @DevinAI och @Cursor_AI för att analysera och minska testbrus i stora kodbaser 2. Hur du får AI-agenter att systematiskt ta itu med din teknikskuld 3. Hur man skapar ett centraliserat regelsystem som fungerar över flera AI-verktyg 4. Varför "det som är bra för människor är också bra för LLM" bör vägleda din dokumentationsstrategi 5. Hur du bygger ett anpassat GPT-arbetsflöde för att förbättra din intervjufeedback och bli coachad