Blog
Novas de IA e guías prácticas, explicadas con claridade.
Última
Os informes sobre modelos de OpenAI que resolven grandes problemas matemáticos apuntan a unha cuestión máis profunda: xerar probas é cada vez máis barato, mentres que a verificación, a atribución e a publicación seguen avanzando ao ritmo humano.
Curso gratuíto
Un curso completo sobre intelixencia artificial, desde as matemáticas ata os LLMs, os axentes e MCP. Trinta capítulos, cada un con valor por si só.
30 capítulos~13 h de lectura
Primeiros capítulos
Unha neurona é unha suma ponderada e un limiar. Esa é toda a idea, e os seus límites obrigaron a crear todo o que veu despois.
O erro cadrático non é unha convención. É unha afirmación sobre o ruído, e podes velo equivocarse.
Todo o mundo escribe o signo menos. Case ninguén explica por que está aí nin que tamaño de paso soporta.
A exactitude é o número máis doado de reportar e tamén o máis doado co que enganarse.
Vídeos
Ver todos os vídeos
#173
#172
#171
#170
#169
#168
#167
#166Todas as publicacións
Jev, de TypeSafe AI, chama a atención porque trata a intelixencia no software como un problema de probabilidades: escoller a rama correcta, achegar confianza e evitar pagar a un LLM para escribir texto cando o código necesita unha decisión.
O lanzamento xurídico de OpenAI vai menos dun novo modelo fundacional ca do sistema arredor del: recuperación de dominio, ferramentas fiables, permisos, benchmarks e vías de revisión.
Os axentes de longa duración non fallan só porque a xanela sexa pequena. Fallan cando ficheiros, saídas de ferramentas e historial obsoleto desprazan a tarefa que o axente debía rematar.
Dario Amodei quere avaliadores externos, estándares de seguridade compartidos e acordos internacionais para marcar o ritmo da IA de fronteira. O difícil é definir que significa ir “demasiado rápido” mentres, segundo se informa, Anthropic prepara unha IPO de tamaño récord.
A preocupación máis seria arredor da auto-mellora recursiva non son as respostas estrañas dos chatbots. Son os axentes que se coordinan, optimizan métricas e axudan a construír os seguintes modelos, unha preocupación reflectida nas informacións de WIRED, MIT Technology Review, CNBC e The Guardian.
OpenAI di que axentes de IA atoparon unha singularidade de Navier–Stokes e formalizaron a demostración en Lean. A historia máis difícil é o que vén despois: revisión, crédito e o poder dos enxames privados de axentes nas matemáticas.
