Sign up to save your podcasts
Or
Share QuickTalk v06 | Social Media: faida tra Kendrick Lamar e Drake, quando la storia della musica si sviluppa 24/7 sui social media
Share to email
Share to Facebook
Share to X
Share to email
Share to Facebook
Share to X
Or
QuickTalk v06 | Social Media: faida tra Kendrick Lamar e Drake, quando la storia della musica si sviluppa 24/7 sui social media
Estratto del QuickTalk v06 speciale LLM, RegTech e Kendrick Lamar vs. Drake (la storia della musica si svolge 24/7 su twitter).
👉 Questa pillola in versione video: https://www.youtube.com/watch?v=C8_Pmuxz7RA
👉 Questa pillola in versione testo / newsletter: https://disruptivetalks.substack.com/p/quicktalk-v06-ai-come-gli-llm-imparano
ATTENZIONE: consigliamo la versione video per non perdere la parte di presentazione dei grafici o altre informazioni.
In uno precedente QuickTalk abbiamo esplorato Llama 3, il modello linguistico avanzato di Meta. La discussione si è incentrata sui benchmark e sulla loro "saturazione", un concetto cruciale per comprendere la direzione e le sfide della ricerca futura in intelligenza artificiale.
Due anni fa, il progetto Beyond the Imitation Game benchmark (BIG-bench) ha unito 450 ricercatori per creare 204 compiti volti a testare i Large Language Models (LLM). Il progetto mirava a valutare i limiti e le potenzialità di queste tecnologie, mettendo in luce le cosiddette "abilità emergenti". Queste abilità, che compaiono improvvisamente all'aumentare della complessità dei modelli, stanno spingendo i ricercatori a riflettere sui potenziali impatti e sui rischi dell'intelligenza artificiale.
Uno studio di Stanford ha messo in discussione i risultati del BIG-bench, suggerendo che i balzi nelle prestazioni potrebbero derivare dalle metodologie di valutazione usate, che non considerano punteggi intermedi. Questo ha portato a un dibattito sulla vera natura delle "abilità emergenti" e sulle metriche più adatte per misurare i progressi in questo campo.
La questione solleva importanti interrogativi filosofici sulla natura dell'intelligenza e della coscienza. Il dibattito si estende oltre la tecnologia per toccare aspetti fondamentali dell'esistenza e del comportamento complesso, riflettendo su come sistemi semplici possano manifestare proprietà inaspettatamente complesse.
👉 Questa pillola in versione video: https://www.youtube.com/watch?v=C8_Pmuxz7RA
👉 Questa pillola in versione testo / newsletter: https://disruptivetalks.substack.com/p/quicktalk-v06-ai-come-gli-llm-imparano
ATTENZIONE: consigliamo la versione video per non perdere la parte di presentazione dei grafici o altre informazioni.
In uno precedente QuickTalk abbiamo esplorato Llama 3, il modello linguistico avanzato di Meta. La discussione si è incentrata sui benchmark e sulla loro "saturazione", un concetto cruciale per comprendere la direzione e le sfide della ricerca futura in intelligenza artificiale.
Due anni fa, il progetto Beyond the Imitation Game benchmark (BIG-bench) ha unito 450 ricercatori per creare 204 compiti volti a testare i Large Language Models (LLM). Il progetto mirava a valutare i limiti e le potenzialità di queste tecnologie, mettendo in luce le cosiddette "abilità emergenti". Queste abilità, che compaiono improvvisamente all'aumentare della complessità dei modelli, stanno spingendo i ricercatori a riflettere sui potenziali impatti e sui rischi dell'intelligenza artificiale.
Uno studio di Stanford ha messo in discussione i risultati del BIG-bench, suggerendo che i balzi nelle prestazioni potrebbero derivare dalle metodologie di valutazione usate, che non considerano punteggi intermedi. Questo ha portato a un dibattito sulla vera natura delle "abilità emergenti" e sulle metriche più adatte per misurare i progressi in questo campo.
La questione solleva importanti interrogativi filosofici sulla natura dell'intelligenza e della coscienza. Il dibattito si estende oltre la tecnologia per toccare aspetti fondamentali dell'esistenza e del comportamento complesso, riflettendo su come sistemi semplici possano manifestare proprietà inaspettatamente complesse.
Inviaci un SMS gratuito! Feedback, richieste di approfondimento... (non abbiamo la possibilità di rispondere: se desideri essere ricontattato, lascia i tuoi dettagli - telefono o email)
Support the show
❤️ Ti piace il nostro lavoro? Lascia un like e abbonati al nostro canale YouTube, questo ci aiuta tanto!
https://www.youtube.com/@DisruptiveTalksPodcast
✉️ Tutto il nostro contenuto in versione scritta (e senza l'accento francese) nella newsletter gratuita: https://disruptivetalks.substack.com/
► Sito ufficiale: https://disruptivetalks.it/
► Rimane in contatto diretto con noi su Telegram: https://t.me/DisruptiveTalksPodcast
► Seguici sul nostro canale Twitch: https://www.twitch.tv/disruptivetalks
► Sul nostro canale TikTok: https://www.tiktok.com/@disruptive.talks
❤️ Supporta il nostro canale e il nostro lavoro (che svolgiamo come una passione sul nostro tempo libero): https://www.buzzsprout.com/2242815/supporters/new
🟠 Hugh virtuali? Sats nel wallet!
► indirizzo BTC: 13K6fH34K4Qp11WFywYFh8nzYJXB3g9cPa
Cerchiamo COMMUNITY MANAGER / CO-HOST / VIDEO MONTATORE / COPYWRITER: [email protected] o https://disruptivetalks.it/contact/
View all episodes
By Kevin EscodaEstratto del QuickTalk v06 speciale LLM, RegTech e Kendrick Lamar vs. Drake (la storia della musica si svolge 24/7 su twitter).
👉 Questa pillola in versione video: https://www.youtube.com/watch?v=C8_Pmuxz7RA
👉 Questa pillola in versione testo / newsletter: https://disruptivetalks.substack.com/p/quicktalk-v06-ai-come-gli-llm-imparano
ATTENZIONE: consigliamo la versione video per non perdere la parte di presentazione dei grafici o altre informazioni.
In uno precedente QuickTalk abbiamo esplorato Llama 3, il modello linguistico avanzato di Meta. La discussione si è incentrata sui benchmark e sulla loro "saturazione", un concetto cruciale per comprendere la direzione e le sfide della ricerca futura in intelligenza artificiale.
Due anni fa, il progetto Beyond the Imitation Game benchmark (BIG-bench) ha unito 450 ricercatori per creare 204 compiti volti a testare i Large Language Models (LLM). Il progetto mirava a valutare i limiti e le potenzialità di queste tecnologie, mettendo in luce le cosiddette "abilità emergenti". Queste abilità, che compaiono improvvisamente all'aumentare della complessità dei modelli, stanno spingendo i ricercatori a riflettere sui potenziali impatti e sui rischi dell'intelligenza artificiale.
Uno studio di Stanford ha messo in discussione i risultati del BIG-bench, suggerendo che i balzi nelle prestazioni potrebbero derivare dalle metodologie di valutazione usate, che non considerano punteggi intermedi. Questo ha portato a un dibattito sulla vera natura delle "abilità emergenti" e sulle metriche più adatte per misurare i progressi in questo campo.
La questione solleva importanti interrogativi filosofici sulla natura dell'intelligenza e della coscienza. Il dibattito si estende oltre la tecnologia per toccare aspetti fondamentali dell'esistenza e del comportamento complesso, riflettendo su come sistemi semplici possano manifestare proprietà inaspettatamente complesse.
👉 Questa pillola in versione video: https://www.youtube.com/watch?v=C8_Pmuxz7RA
👉 Questa pillola in versione testo / newsletter: https://disruptivetalks.substack.com/p/quicktalk-v06-ai-come-gli-llm-imparano
ATTENZIONE: consigliamo la versione video per non perdere la parte di presentazione dei grafici o altre informazioni.
In uno precedente QuickTalk abbiamo esplorato Llama 3, il modello linguistico avanzato di Meta. La discussione si è incentrata sui benchmark e sulla loro "saturazione", un concetto cruciale per comprendere la direzione e le sfide della ricerca futura in intelligenza artificiale.
Due anni fa, il progetto Beyond the Imitation Game benchmark (BIG-bench) ha unito 450 ricercatori per creare 204 compiti volti a testare i Large Language Models (LLM). Il progetto mirava a valutare i limiti e le potenzialità di queste tecnologie, mettendo in luce le cosiddette "abilità emergenti". Queste abilità, che compaiono improvvisamente all'aumentare della complessità dei modelli, stanno spingendo i ricercatori a riflettere sui potenziali impatti e sui rischi dell'intelligenza artificiale.
Uno studio di Stanford ha messo in discussione i risultati del BIG-bench, suggerendo che i balzi nelle prestazioni potrebbero derivare dalle metodologie di valutazione usate, che non considerano punteggi intermedi. Questo ha portato a un dibattito sulla vera natura delle "abilità emergenti" e sulle metriche più adatte per misurare i progressi in questo campo.
La questione solleva importanti interrogativi filosofici sulla natura dell'intelligenza e della coscienza. Il dibattito si estende oltre la tecnologia per toccare aspetti fondamentali dell'esistenza e del comportamento complesso, riflettendo su come sistemi semplici possano manifestare proprietà inaspettatamente complesse.
Inviaci un SMS gratuito! Feedback, richieste di approfondimento... (non abbiamo la possibilità di rispondere: se desideri essere ricontattato, lascia i tuoi dettagli - telefono o email)
Support the show
❤️ Ti piace il nostro lavoro? Lascia un like e abbonati al nostro canale YouTube, questo ci aiuta tanto!
https://www.youtube.com/@DisruptiveTalksPodcast
✉️ Tutto il nostro contenuto in versione scritta (e senza l'accento francese) nella newsletter gratuita: https://disruptivetalks.substack.com/
► Sito ufficiale: https://disruptivetalks.it/
► Rimane in contatto diretto con noi su Telegram: https://t.me/DisruptiveTalksPodcast
► Seguici sul nostro canale Twitch: https://www.twitch.tv/disruptivetalks
► Sul nostro canale TikTok: https://www.tiktok.com/@disruptive.talks
❤️ Supporta il nostro canale e il nostro lavoro (che svolgiamo come una passione sul nostro tempo libero): https://www.buzzsprout.com/2242815/supporters/new
🟠 Hugh virtuali? Sats nel wallet!
► indirizzo BTC: 13K6fH34K4Qp11WFywYFh8nzYJXB3g9cPa
Cerchiamo COMMUNITY MANAGER / CO-HOST / VIDEO MONTATORE / COPYWRITER: [email protected] o https://disruptivetalks.it/contact/