Os modelos de mundo simulam a dinâmica de um ambiente para prever como ele evolui e que impacto as ações terão. O Google DeepMind tem experiência no desenvolvimento de agentes para ambientes específicos, como xadrez e Go, mas, para construir inteligência artificial geral (AGI), é necessário um sistema capaz de explorar a diversidade do mundo real.
Para enfrentar esse desafio e avançar em direção ao objetivo de desenvolver inteligência artificial geral (AGI), desenvolvemos o Genie 3. Diferentemente de uma experiência de exploração de snapshots 3D estáticos, o Genie 3 gera o caminho à frente em tempo real conforme o usuário se move e interage com o mundo. Ao mesmo tempo em que simula as leis físicas e as interações de mundos dinâmicos, sua consistência inovadora permite simular qualquer cenário do mundo real, da robótica, modelagem, animação e criação de ficção até exploração de lugares e contextos históricos.
Com base em pesquisas do modelo conduzidas com testadores confiáveis de diversos setores e áreas, estamos dando o próximo passo com o "Project Genie", um protótipo experimental de pesquisa.
Por isso, eu configuro as instruções do Gemini como: "não elogiar nem enaltecer excessivamente o usuário; responder em um estilo neutro e científico/acadêmico; sempre apresentar referências." Ainda há casos em que ele descumpre as instruções (e.g., eu disse para não incluir vídeos do YouTube, mas às vezes ele acaba inserindo mesmo assim), mas, ainda assim, gera respostas muito mais limpas e focadas nos pontos principais.
É preciso ter metacognição para conseguir pensar bem; só por existir um LLM, o pensamento não melhora. E quem começa a usar LLM logo de início provavelmente também vai destruir a própria metacognição..
Bem, parece que também há casos em que, por causa de respostas bajuladoras e equivocadas, a pessoa acaba ficando presa à própria forma de pensar. Como uma ferramenta para organizar as ideias com clareza, é útil, mas também acho importante sempre olhar para as respostas da IA com um ponto de vista crítico.
Pense bem: luz como ponto. Luz como linha. Luz como espectro ou campo. Luz como estrutura ou princípio. Luz como lei. Luz como providência. Código ou dados. Conceitos e conhecimento. Se você transformar o próprio princípio inteiro desse jeito, o paradigma do pensamento muda radicalmente.
Problemas como pontos, pensamentos como superfícies. Processo. Causalidade e raciocínio linear. O problema e a resposta como um caminho. Exploração e investigação, em forma paralela, de meios e métodos. Cognição espacial. Para quê e para onde avançamos, o que existe ao redor e qual é o arquétipo estrutural que molda o pensamento e a cognição que estou produzindo. Qual é o princípio que constitui o pensamento. Que leis criam esse tipo de princípio ou estrutura, e de que lei esse arquétipo se origina. Torna-se possível perceber o raciocínio e o próprio pensamento a partir de múltiplos ângulos, em uma perspectiva multidimensional.
Isso parece muito evidente: de pontos para linhas, para planos, para o espaço; de princípios e leis. Isso me levou a estabelecer uma perspectiva de pensamento que considera tudo a partir de todos os pontos de vista — culinária, física, matemática, química, luz, ondas, raciocínio e pensamento — em direção a todos os arquétipos estruturais que apontam para a ordem natural.
Uso Linux há 19 anos.
Sinceramente, olhando os motivos, não entendo, porque os pontos colocados como defeitos da MS são justamente problemas que o Linux ainda tem, desde a época em que comecei a usar até hoje,
mas seja bem-vindo.
Acho que o motivo de a postagem no blog do Simon Willison estar sendo tão mencionada no Hacker News provavelmente é que,
deve haver uma razão para ele escrever tão bem, tão rápido e tanto sobre IA. Até aquele desenho clássico do “pelicano andando de bicicleta”, tão usado em testes de desempenho de IA, acho que foi esse sujeito que fez primeiro (https://simonwillison.net/search/?q=pelican)
e ele também é conhecido por ser a pessoa que criou o Django.
Os modelos de mundo simulam a dinâmica de um ambiente para prever como ele evolui e que impacto as ações terão. O Google DeepMind tem experiência no desenvolvimento de agentes para ambientes específicos, como xadrez e Go, mas, para construir inteligência artificial geral (AGI), é necessário um sistema capaz de explorar a diversidade do mundo real.
Para enfrentar esse desafio e avançar em direção ao objetivo de desenvolver inteligência artificial geral (AGI), desenvolvemos o Genie 3. Diferentemente de uma experiência de exploração de snapshots 3D estáticos, o Genie 3 gera o caminho à frente em tempo real conforme o usuário se move e interage com o mundo. Ao mesmo tempo em que simula as leis físicas e as interações de mundos dinâmicos, sua consistência inovadora permite simular qualquer cenário do mundo real, da robótica, modelagem, animação e criação de ficção até exploração de lugares e contextos históricos.
Com base em pesquisas do modelo conduzidas com testadores confiáveis de diversos setores e áreas, estamos dando o próximo passo com o "Project Genie", um protótipo experimental de pesquisa.
Grande parte do erro foi minha por tentar ler código escrito por IA.
Por isso, eu configuro as instruções do Gemini como: "não elogiar nem enaltecer excessivamente o usuário; responder em um estilo neutro e científico/acadêmico; sempre apresentar referências." Ainda há casos em que ele descumpre as instruções (e.g., eu disse para não incluir vídeos do YouTube, mas às vezes ele acaba inserindo mesmo assim), mas, ainda assim, gera respostas muito mais limpas e focadas nos pontos principais.
Você abriu os olhos.
É só que a situação em que a IA distinguia cães e gatos ficou um pouquinho mais próxima da nossa realidade... não sei se tem algum valor além disso.
É preciso ter metacognição para conseguir pensar bem; só por existir um LLM, o pensamento não melhora. E quem começa a usar LLM logo de início provavelmente também vai destruir a própria metacognição..
Bem, parece que também há casos em que, por causa de respostas bajuladoras e equivocadas, a pessoa acaba ficando presa à própria forma de pensar. Como uma ferramenta para organizar as ideias com clareza, é útil, mas também acho importante sempre olhar para as respostas da IA com um ponto de vista crítico.
Eita, mas o resumo está errado kkk
Pense bem: luz como ponto. Luz como linha. Luz como espectro ou campo. Luz como estrutura ou princípio. Luz como lei. Luz como providência. Código ou dados. Conceitos e conhecimento. Se você transformar o próprio princípio inteiro desse jeito, o paradigma do pensamento muda radicalmente.
Problemas como pontos, pensamentos como superfícies. Processo. Causalidade e raciocínio linear. O problema e a resposta como um caminho. Exploração e investigação, em forma paralela, de meios e métodos. Cognição espacial. Para quê e para onde avançamos, o que existe ao redor e qual é o arquétipo estrutural que molda o pensamento e a cognição que estou produzindo. Qual é o princípio que constitui o pensamento. Que leis criam esse tipo de princípio ou estrutura, e de que lei esse arquétipo se origina. Torna-se possível perceber o raciocínio e o próprio pensamento a partir de múltiplos ângulos, em uma perspectiva multidimensional.
Isso parece muito evidente: de pontos para linhas, para planos, para o espaço; de princípios e leis. Isso me levou a estabelecer uma perspectiva de pensamento que considera tudo a partir de todos os pontos de vista — culinária, física, matemática, química, luz, ondas, raciocínio e pensamento — em direção a todos os arquétipos estruturais que apontam para a ordem natural.
Como sempre, o mestre Hejlsberg..💜
Não. É um texto escrito com pesquisa de materiais, compilação e organização, tudo feito meticulosamente.
Parece que ele prefere o Codex, então fiquei curioso sobre as configurações.
2,5 trilhões de tokens... é até difícil ter noção disso...
Uso Linux há 19 anos.
Sinceramente, olhando os motivos, não entendo, porque os pontos colocados como defeitos da MS são justamente problemas que o Linux ainda tem, desde a época em que comecei a usar até hoje,
mas seja bem-vindo.
Tomara que também liberem logo para países fora dos EUA.
Mesmo que eu não use, fico curioso para saber como é a experiência.
Com o Codex, em 140 dias, fiz 115 projetos e acho que usei mais de 250 bilhões de tokens - link
Acho que o motivo de a postagem no blog do Simon Willison estar sendo tão mencionada no Hacker News provavelmente é que,
Uau, tecnologia perdida