I dag åpner @NathanLabenz opp om å bruke AI for å navigere den plutselige kreftdiagnosen til sin seks år gamle sønn Earnie. Dette er essensiell lytting for alle som står overfor en medisinsk krise, eller som vurderer å bruke AI i helsebeslutninger. Den gode nyheten: Earnies prognose er utmerket – klar benmarg og ryggmargsvæske etter første behandlingsbølge. I denne episoden deler Nathan * Hvordan eksponentiell vekst i Burkitt-leukemi (24-timers dobbelttid) speiler AI-akselerasjonsmønstre * Hvordan han brukte Claude 3.5, Perplexity, GPT-4 og NotebookLM til å analysere blodprøver, undersøke protokoller og forberede seg til legemøter * Hvorfor aggressiv AI-informert påvirkning førte til tidlig cellegift – noe som resulterte i 80 % svulstreduksjon * Gapet mellom standardbehandling og hva personlig AI-forbedret medisin kan levere * Praktisk veiledning om hvordan man effektivt kan oppfordre AI med fullstendig medisinsk kontekst TIDSSTEMPLER: (00:00) En sønns diagnose (06:05) Eksponentielle og tidlige symptomer (13:30) Krise på ferie (Del 1) (15:00) Sponsorer: Framer | Tasklet (17:41) Krise på ferie (Del 2) (24:26) AIs første intervensjon (Del 1) (34:34) Sponsor: Shopify (36:31) AIs første intervensjon (Del 2) (36:41) Å kjempe for svar (47:56) De skumleste dagene (59:06) AI som co-pilot ved sengen (1:11:42) Håndtering av sekundære risikoer (1:18:28) Planlegging for tilbakefall (1:31:54) AIs ubestridelige verdi (1:43:02) Raseri for retten til å prøve (2:02:55) Avslutning

Illia Polosukhin (@ilblackdragon), medforfatter av «Attention is All You Need» og grunnlegger av @NEARProtocol, blir med @labenz på @cogrev_podcast for å diskutere sin konkrete visjon for en AI-drevet fremtid. De diskuterer: * Hvordan AI-kodeassistenter muliggjør "personlig programvare" - der alle kan bygge sin egen automatisering i stedet for å bruke komplekse, one-size-fits-all-verktøy som Salesforce * Overgangen fra tradisjonelle brukergrensesnitt til et enhetlig intelligenslag som fungerer på tvers av alle enhetene dine, forutser hva du trenger og proaktivt får ting gjort * Hvordan AI-agenter vil transformere markeder ved å koble kjøpere og selgere direkte, noe som gjør reklame og mellommenn mindre relevante * Hvordan dagliglivet ser ut i en tid med AI-overflod - med personlig underholdning og folk som finner mening i små nisjesamfunn * AI-delegater som stemmer på vegne av tokeninnehavere, og NEARs langsiktige mål om at hver enkelt skal ha sin egen AI som deltar i styringen * Det symbiotiske forholdet mellom mennesker og deres personlige AI-er som "vokser opp sammen" - der AI-er forfølger sine menneskelige interesser selv i forhandlinger med andre AI-er * De gjenværende utfordringene innen biosikkerhet og behovet for koordinering etter hvert som kraftige AI-systemer blir bredt distribuert KAPITLER: (00:00) Sponsor: Google Gemini Notebook LM (00:31) Om episoden (03:33) AI transformerer programvareutvikling (14:18) Fremtidens arbeid (18:58) Sikring av blokkjede med AI (del 1) (19:08) Sponsorer: Tasklet | Lineær (21:48) Sikring av blokkjede med AI (del 2) (33:03) Visjon for et AI-samfunn (del 1) (33:55) Sponsor: Shopify (35:52) Visjon for et AI-samfunn (del 2) (49:14) Agentarkitektur og justering (58:30) Eksperimentere med AI-styring (01:06:43) AI-sikkerhet og robusthet (01:16:09) Biosikkerhet og åpne modeller (01:22:56) Koordinering av AI-utvikling (01:28:52) Outro

.@eoghan, administrerende direktør i @intercom, og @fergal_reid, Chief AI Officer, blir med @labenz på @cogrev_podcast for å diskutere hvordan de bygde Fin – AI-kundeserviceagenten som gikk fra 35 % til 65 % oppløsningsgrad over 30 måneder, mens de var banebrytende resultatbasert prising på 99 ¢ per oppløsning. De utforsker: * Hvorfor intelligens ikke er flaskehalsen – GPT-4 var allerede smart nok, og bare noen få prosentpoeng av deres 30-punkts forbedring kom fra bedre basismodeller * Kontekstteknikk som den virkelige driveren: tilpassede gjenfinningsmodeller, re-rankere og tusenvis av produksjons-A/B-tester som oppdager endringer i oppløsningsfrekvensen på 0,1 % * Prismodellen på 99¢ per oppløsning som startet ulønnsomt, men oppnådde marginer på programvarenivå gjennom forbedrede suksessrater og fallende slutningskostnader * Hvordan Fin løste problemet med undervannsstøtteteamet uten masseoppsigelser – bremset nyansatte samtidig som de flyttet mennesker oppover i verdikjeden (unntatt BPO-er, som blir erstattet umiddelbart) TIDSSTEMPLER: (00:00) Om episoden (03:43) Holde tritt med kunstig intelligens (09:56) Evaluering av modeller og evalueringer (13:04) Etablerte vs. oppstartsbedrifter (18:54) Produktrisiko og skjønn (del 1) (19:00) Sponsorer: Lineær | NØYAKTIGHET (21:34) Produktrisiko og dømmekraft (del 2) (23:42) Historien om Klarna-permitteringen (del 1) (32:11) Sponsorer: Claude | Annonse Tillegg (36:13) Historien om Klarna-permitteringen (del 2) (36:14) Oppløsningsfrekvens for kjøring (45:00) Intelligens er ikke flaskehalsen (50:10) Lukke automatiseringsgapet (56:20) Menneskelig vs. AI-nøyaktighet (1:01:03) Nyansen av hastighet (1:04:48) Med tanke på paradigmeendringer (1:09:31) Resultatbasert prismodell (1:19:12) Tilfeldig hacking og innsikt (1:26:05) AI-adopsjon og ambisjoner (1:36:00) Outro