Perplexity запускає Comet Plus, рівень 5 доларів на місяць, що пропонує кураторський контент, і заявляє, що виділив 42,5 мільйона доларів для видавців, які отримають 80% доходу (Bloomberg) 📫 Підписатися:

Продовження шляху до оптимального досвіду кодування за допомогою LLM. Зокрема, я помічаю, що замість того, щоб обмежуватися однією ідеальною річчю, моє використання все більше диверсифікується на кілька робочих процесів, які я «зшиваю» плюси/мінуси: Особисто хліб і масло (~75%?) моєї допомоги LLM продовжують залишатися лише (Курсор) вкладки завершені. Це тому, що я вважаю, що написання конкретних фрагментів коду/коментарів самостійно і в потрібній частині коду є способом передачі "специфікації завдання" з високою пропускною здатністю до LLM, тобто це в першу чергу стосується бітів специфікації завдання - потрібно занадто багато бітів і занадто велика затримка, щоб повідомити те, що я хочу в тексті, І швидше просто продемонструвати це в коді і в потрібному місці. Іноді модель з вкладками в комплекті дратує, тому я часто вмикаю/вимикаю її. Наступним шаром є виділення конкретного шматка коду та прохання внести якусь модифікацію. Наступним шаром вгору йде Claude Code / Codex / etc, що працює на стороні Cursor, до якого я переходжу за більшими шматками функціональності, які також досить легко вказати в підказці. Вони надзвичайно корисні, але все одно змішані в цілому і іноді трохи розчаровують. Я не бігаю в режимі YOLO, тому що вони можуть збиватися з траси і робити дурні речі, які ви не хотіли/не потребували, і я досить часто ESC. Я також не навчився бути продуктивним, використовуючи більше одного екземпляра паралельно - один вже відчувається досить важко. Я так і не вигадав хорошого способу утримати Клода[.]Доктор медичних наук хороший або актуальний. Мені часто доводиться робити прохід "чисток" для стилю кодування або питань смаку коду. Наприклад, вони занадто захисні та часто надмірно використовують оператори try/catch, вони часто надмірно ускладнюють абстракції, вони надмірно роздувають код (наприклад, вкладені конструкції if-the-else, коли розуміння списку або однорядковий запит if-then-else спрацює), або вони дублюють фрагменти коду замість того, щоб створити гарну допоміжну функцію, подібні речі... У них в основному відсутнє почуття смаку. Вони незамінні у випадках, коли я переходжу на територію більш вайб-кодування, де я менш знайомий (наприклад, нещодавно пишу якийсь rust, або sql команди, або щось інше, з чим я раніше займався менше). Я також намагався CC навчити мене чомусь разом з кодом, який вона писала, але це зовсім не спрацювало - вона дійсно хоче просто писати код набагато більше, ніж пояснювати що-небудь на цьому шляху. Я намагався змусити CC зробити налаштування гіперпараметрів, що було дуже кумедно. Вони також надзвичайно корисні у всіх видах одноразової користувацької візуалізації або утиліт з низькими ставками, або коду налагодження, який я б ніколи не написав інакше, тому що це зайняло б занадто багато часу. Наприклад, CC може вибити 1,000 рядків одноразової розгорнутої візуалізації/коду лише для того, щоб виявити конкретну помилку, яка видаляється відразу після того, як ми її знаходимо. Це епоха пост-дефіциту коду - ви можете просто створити, а потім видалити тисячі рядків супер власного, супер ефемерного коду, тепер це нормально, це більше не така дорогоцінна дорога річ. Завершальний рівень захисту – це GPT5 Pro, до якого я звертаюся за найскладнішими речами. Наприклад, зі мною вже кілька разів траплялося, що я / Курсор / CC всі застрягли на багу на 10 хвилин, але коли я копіюю і вставляю все це в 5 Pro, він спрацьовує на 10 хвилин, але потім насправді знаходить дійсно тонку помилку. Він дуже міцний. Він може відкопувати всілякі езотеричні документи та папери тощо. Я також використовував його для інших більш м'ясних завдань, наприклад, пропозицій про те, як очистити абстракції (змішані результати, іноді хороші ідеї, але не всі), або цілого огляду літератури про те, як люди роблять те чи інше, і він повертається з хорошими відповідними ресурсами / вказівками. У будь-якому випадку, кодування здається абсолютно відкритим завдяки можливостям для ряду «видів» кодування, а потім і ряду інструментів зі своїми плюсами/мінусами. Важко уникнути почуття занепокоєння через те, що ви не перебуваєте на межі колективно можливого, звідси випадковий недільний дощ думок і велика кількість цікавості до того, що знаходять інші.

Вау - не очікував потрапити в цей список з такими чудовими інвесторами, як @eladgil & @gokulr! Погодьтеся з тезою.

Сподобалося спілкуватися з @AndrewYNg * Передові технології агентного штучного інтелекту * Чи будуть моделі завантажуватися самі? * Вібраційне кодування проти кодування за допомогою штучного інтелекту * Профілі успішних засновників * Наступні галузеві трансформації

Відмінна загальна розмова і варта того, щоб подивитися її повністю

Є улюблені місця (ресторани, кав'ярні тощо) для роботи вечорами в SF?

«Camera lucida» — це пристрій, який використовує призму, що утримується металевою арматурою, для проектування зображення сцени перед собою на аркуш паперу під нею, щось на кшталт сучасного проектора, підключеного до прямої трансляції камери. Ймовірно, вони були винайдені на початку 1400-х років, хоча опубліковані відомості про них з'являються лише наприкінці 1500-х років. Частково причина цього, ймовірно, полягає в тому, що вони були комерційними секретами, що ретельно охоронялися, художників, які використовували їх для досягнення такого ступеня точності, який раніше було неможливо або, принаймні, надзвичайно важко зробити без сторонньої допомоги. Художник Девід Хокні дуже зацікавився цією темою багато років тому і в 2001 році написав про це книгу. Його основна теорія полягала в тому, що значне покращення точності та реалістичності було безпосередньо пов'язане з таємним використанням камери lucida (а також більш раннього пристрою, який називався камерою-обскурою). Як він зазначив, до цього періоду ви ніколи не побачите картину лютні в перспективі, яка б не виглядала спотвореною і неправильною. У той час як ви могли використовувати «правила перспективи» для реалістичного малювання простих прямолінійних форм, більш складна геометрія лютні перевершувала звичайну людську здатність реалістично зображати в просторі. Ця теорія відома як теза Гокні-Фалько. З тих пір, як я дізнався про це в коледжі на початку 2000-х, я як би подумки наносив зірочку на роботи деяких художників. Наприклад, як би я не поважав і не захоплювався Енгром і Караваджо, мій трепет перед їхніми навичками був пом'якшений усвідомленням того, що вони, швидше за все, скористалися цим видом механічної допомоги. І, звичайно, велика частина артистизму полягає в концепції, композиції та обрамленні, кольорах, мазках фарби тощо. Але цей захоплюючий реалістичний реалізм вразив мене найбільше, і ця його частина була принаймні частково розбита цим відкриттям. Це також змусило мене ще більше поважати скульптурний реалізм Мікеланджело (а також його етюди, які явно є ескізами, зробленими з натури). У будь-якому випадку, причина, через яку я піднімаю це питання, полягає в тому, що я вважаю, що ми стоїмо на порозі того, що відбувається в галузі математичних досліджень з появою таких моделей, як GPT-5 Pro. Я вже використовував його для того, що, як я підозрюю, є справді новим і цікавим дослідженням (про що я докладно розповів у нещодавніх тредах), і ми лише сьогодні отримали оновлення від Себастьяна Бубека з OpenAI, яке показує, що модель змогла довести цікавий результат у сучасній математиці, використовуючи новий доказ, одним пострілом не менше. Отже, ця нова епоха раптово настала для нас. Минулого тижня ми побачили результат китайських комп'ютерних вчених, який побив рекорд оптимального сортування, який протримався 45 років. Тоді я розмірковував про те, як мені було цікаво, чи використовується штучний інтелект якимось чином для отримання такого результату. Також дивіться нещодавню статтю в цитованому твіті, яка має схожий характер у тому, що вона водночас дивовижна, але водночас елементарна. Мені здається, це відмінні риси результатів, які, можливо, якимось чином виграли від штучного інтелекту. Я не хочу ні в чому звинувачувати цих авторів. Наскільки я знаю, вони все робили вручну, як це робили художники в 1300-х роках. І навіть якщо вони використовували штучний інтелект, щоб допомогти їм, ми ще не маємо прийнятих звичаїв про те, як з цим боротися: які розкриття інформації є виправданими, і як кредити повинні бути розподілені та враховані. Саме поняття авторства сьогодні має бути переглянуто. У моїй нещодавній темі, де я досліджував разом із GPT-5 Pro використання теорії брехні в глибокому навчанні, я сам розробив підказки, хоча ніколи за мільйон років я не зміг би згенерувати теорію та код, які модель розробила в результаті цих підказок. Чи отримаю я заслугу за результат, якщо він виявиться революціонізувати сферу? Як щодо мого наступного експерименту, де я використовував свої оригінальні підказки, які я написав сам, разом із «мета-підказкою», щоб змусити GPT-5 Pro придумати ще 10 пар підказок, вільно змодельованих за моїми власними, але з урахуванням абсолютно різних розділів математики, які розвивалися в абсолютно різних напрямках. Чи отримую я заслуги за ці теорії, якщо вони виявляються важливими? Я дуже на це сподіваюся, тому що я вже опублікував ідеї та код на GitHub і широко оприлюднив їх, тому, якщо хтось дотримується цих напрямків дослідження, академічна етика вимагатиме від них цитувати мене. Але навіть якщо ви думаєте, що я заслуговую на похвалу за те, що керую штучним інтелектом за допомогою власної підказки, то, безумовно, мої претензії на пріоритет дещо ослаблені щодо 10 інших теорій, які є результатом використання мого підказки як моделі для мета-підказок, чи не так? Зрештою, ще кілька днів тому я навіть не знав, що «тропічна геометрія» — це річ, але тепер у мене є теорія та код, який застосовує її до досліджень штучного інтелекту. Я б стверджував, що так само, як я почав подумки застосовувати зірочку до певних творів мистецтва та художників, схожу на зірочку поруч з ім'ям Баррі Бондса в Залі слави, я підозрюю, що більшість вчених почнуть робити те ж саме з будь-якими новими роботами, заснованими на математичній теорії, в наступному році або близько того. Я підозрюю, що досить скоро люди скажуть щось на кшталт: «Цей хлопець – справжня справа; він написав свої найкращі роботи до 2025 року!», щоб розрізняти тих, хто виконував усю свою роботу вручну, використовуючи власний мозок, і тих, хто користувався допомогою штучного інтелекту. І це абсолютно правильний спосіб думати про речі, якщо штучний інтелект здатний не тільки відповідати на складні теоретичні проблеми, але навіть ставити цікаві питання самостійно. Якщо я правий, ми повинні готуватися до майбутнього цунамі шокуючих наукових робіт, які б'ють багаторічні рекорди та обмеження і розбиваються об стіни, які довгий час вважалися відносно непроникними, якщо не вистачити якоїсь проривної теорії. І я вірю, що багато з цих результатів матимуть дещо спільне: вони завжди були прямо перед нами, але вимагали поєднання теорії з різних областей математики та прикладних предметів новими способами, які раніше не використовувалися через людські, соціологічні причини: різні галузі, розщеплені за лініями, з різною термінологією, журналами, практиками, кафедри, конференції, соціальні мережі і т.д. Інша форма, яку я підозрюю, приймуть ці результати, полягає в тому, щоб використовувати елементарні результати дивними способами, які з якихось причин не є природними для людського мозку, але які ми можемо зрозуміти, як тільки вони будуть чітко пояснені для нас. Іншою формою, яку вони можуть прийняти, є результати, які використовують давно забуту езотерику з аналізу кінця 19-го століття. Ті хитрощі, які дозволили Фейнману вирішувати інтеграли, які ніхто інший не міг вирішити. Ці результати відомі і існують в книгах, але ці книги вже ніхто не читає, а оригінальні теорії, для яких вони були розроблені, в значній мірі витіснені нашою сучасною технікою, яка працює на багатьох рівнях підвищеної абстракції і загальності. Інша форма, яку вони можуть прийняти, — це просте застосування відомої математики, яку розуміють лише кілька сотень спеціалізованих геніїв у світі, які зосереджуються лише на теорії, а зовсім не на додатках. Ця математика, можливо, просто «лежала без діла» з 1950-х або 1970-х років, чекаючи, поки хтось застосує її до практичної проблеми, наприклад, у дослідженнях штучного інтелекту. Багато ідей, які я досліджував за допомогою GPT-5, здається, підпадають під цю категорію.

«Прогнозувати дуже складно, особливо якщо йдеться про майбутнє» - приписують Нілсу Бору

Кожен серйозний рівень підвищення продуктивності моделі відкриває нові ринки збуту. Якщо ви стартап, ви повинні створювати те, що, на вашу думку, дозволить GPT-6 (або пізніше). Потім підготуйтеся і виживіть досить довго до того часу. ч/т @eladgil

Не дивно, що @figma має топ-15 Grindscore серед усіх венчурних компаній з >100 відгуками про Glassdoor. Grindscore = % співробітників "Позитивний прогноз бізнесу" / "Баланс між роботою та особистим життям". Низький WLB + співробітники, які вірять в компанію = успіх.