Her er notatene mine fra TED-foredragene på TEDAI Wien 2025 (26. september 2025) Sesjon 1: Grunnleggelse Walter Werzowa (Artist, Royal Society of Arts Fellowship, Recording Academy), Olivier Oullier (Inclusive Brains, Biotech Dental, MBZUAI) - Introduksjon - Orkester, hjernegrensesnitt, DJ, musiker - Performance som oversetter hjernebølger gjennom AI til musikk Shaden Alshammari (Forsker, MIT) - Kjemi periodisk system inspirasjon for maskinlæringsrammeverk - Maskinlæring av algoritmer, fordelinger og objektive funksjoner i det periodiske systemet - Representasjonslæringstilnærming som forbinder ulike metoder - Ny bildeklyngealgoritme forbedrer den 60 år gamle K-means-klyngealgoritmen - R- og Q-variabler som representerer reelle relasjoner (med og uten merknad) og lærte relasjoner - Periodisk systemstruktur for maskinlæringsalgoritmer som avslører hull for nye metoder - Veiledet læringssignal gjennom lærte representasjoner Lukasz Kaiser (forsker, OpenAI) - Selvkjørende biler - hvorfor kjører de ikke overalt som drosjesjåfører? - Hvorfor er AI for å kurere sykdommer så vanskelig? Maskiner trenger å lære av mindre data - Kraftigere lærbare modeller - RNNs - snegl som går rundt ordene - Transformers - sneglebæreryggsekk med alle tidligere ord - Transformatorer lærer av mindre data - Resonneringsmodeller/resonnementere - bærer fortsatt alle ord, men produserer også egne ord innimellom (test-time), kan regne og tenke i kontekst - Forskere - kraftige modeller + lærbare, vilkårlige data, vilkårlig testtid, parallellitet (ikke sekvensiell lenger) - Vitenskapelige oppdagelser, den neste typen modeller - Tidslinje - nærmere snarere enn lenger, måneder/et år, men ikke tiår; ikke en veldig fjern fremtid - Overraskelse over at transformatorer og resonnerer fungerte så bra Oriol Vinyals (medteknisk leder for Gemini, forskningsdirektør, Google DeepMind) - Forsker - løser intelligens for å fremme vitenskap og være til nytte for menneskeheten - «Det jeg ikke kan skape, forstår jeg ikke» (Feynman) - Byggmesterens dilemma - forskere som lager AI-systemer som kan erstatte seg selv - Menneskelig fordrivelse - transformasjon som påvirker alle, inkludert forskere - Spesialiserte verktøy - AlphaFold (prediksjon av proteinstruktur) - Generell systemutvikling - i fjor spesialiserte modeller (AlphaProof, AlphaGeometry), i år enkelt generell modell (Deep Think) - Deep Think - gullmedalje ved IMO og ICPC - AI Scientist – intern prototype hos Google DeepMind for automatisert vitenskapelig forskning - Sentralt spørsmål - forsker som bygger AI Scientist, erstatter seg selv? Verity Harding (grunnlegger, direktør og forfatter, University of Cambridge og Formation Advisory) - Nok et våpenkappløp over hele verden - AI - Optimisme den gang - global AI, samarbeid, globale partnerskap - Samarbeid og samarbeid ga plass etter hvert som AI ble kraftigere - ChatGPT-lansering - Kombinasjon av faktorer som fører til raske skift - Eksportkontroll, defensive taler - Først må du vinne - hva ville du gjort for å vinne når du ikke kan overleve for å tape - AI vil fortsette, men det er ingen mållinje, AI-adopsjon er ikke binær - Alternativ metafor - det er romkappløpet (ikke atomkappløpet) - «Vi kom i fred for hele menneskeheten» (bevisst geopolitisk strategi fra USA) - Verdensrommet - hele menneskehetens provins, ingen masseødeleggelsesvåpen i verdensrommet, ingen vil kolonisere månen - «Vi lager våre metaforer og så skaper metaforene oss» - La oss snakke om å lede, ikke vinne - Kappløp mot verdensherredømme eller den nye grensen Tullio Ghi (MD, PhD, Agostino Gemelli universitetssykehus) - Risiko for komplikasjoner under fødselen - Beslutning om hvilken intervensjon som skal brukes når oksygentilførselen er kompromittert under fødselen (vakuumekstraksjon, keisersnitt) avhengig av hvor langt babyen har kommet ned - Transperineal ultralyd, hode-perineum avstandsmåling - AI-basert automatisk måling av hode-perineum-avstand - Vurdering av rotasjonsgrad og plassering av fosterhodet i fødselskanalen - 3 konvolusjonelle nevrale nettverk som fungerer samtidig - 2 154 ultralydbilder fra 16 sentre over hele verden, total nøyaktighet 94,5 % og 95,6 % følsomhet

OpenAI og NVIDIA kunngjorde en intensjonsavtale om et landemerke strategisk partnerskap for å distribuere minst 10 gigawatt NVIDIA-systemer som representerer millioner av GPUer for OpenAIs neste generasjons AI-infrastruktur for å trene og kjøre neste generasjon modeller på veien til å distribuere superintelligens NVIDIA har til hensikt å investere opptil 100 milliarder dollar i OpenAI gradvis etter hvert som hver gigawatt distribueres, og den første fasen er planlagt å komme online i andre halvdel av 2026 ved hjelp av NVIDIAs Vera Rubin-plattform