Aftercasting
Aftercasting:硅谷 AI 与科技播客中文深度笔记
10月18日 星期日
10-1824分钟
Martone说,单次演示中不显眼的错误,在大量真实交互中会变成运营和用户风险。他主张按任务选择传统机器学习或大语言模型,并用内部流程检验延迟、错误及其后果。
原节目:
a16z ·
Why Real-World AI Is Harder Than the Benchmark | EliseAI’s Mario Martone10-183小时50分
Acquired 回顾该剧如何从试播遇冷走向长期热门:Jerry Seinfeld 的议价余地和 Larry David 对日常生活的观察支撑了创作。首播电视网未独占后续价值,联播与流媒体又不断扩大其观众基础。
10月17日 星期六
10-1735分钟
Oliver Kharraz 认为,找到医生不等于约到医生,保险匹配和实时号源必须接上预约流程。他称全国初级保健平均等待时间约31天,而通过 Zocdoc 通常可在三天内约到;与 Gemini 的合作旨在让 AI 的建议能够落地。
原节目:
a16z ·
Why AI Could Finally Fix Healthcare Access | Zocdoc CEO Oliver Kharraz10-171小时27分
Nathan 以智能体(Agent)轮换控制台密码的经历指出,评估智能体权限不能只看任务表现,还要看人能否独立接管。节目也讨论了模型输出与内部状态的落差,以及形式化验证为何仍无法解决人类意图的表达问题。
原节目:
The Cognitive Revolution ·
AI:AM: Where's the Steering Wheel? My Agent Set the Password, Hidden Valence, Proofs Find Linux Bugs10月16日 星期五
10-161小时
Jad Naous 称,AI 辅助他约十天完成了一项过去估计需单人六个月的数据湖功能,但写代码与保障生产系统可靠运行是两回事。他主张排障智能体(Agent)先发现异常信号,再结合代码和历史记录验证假设,而不是从海量日志中直接猜测根因。
原节目:
a16z ·
AI Can Write the Code. Can It Run the System? | Grepr CEO Jad Naous10-161小时34分
Chamath 认为,模型能力趋近不代表产品效果相同,工具接入、权限控制和执行可靠性仍是智能体的关键。Sacks 则指出,高难度科研与工程任务可能继续支撑前沿模型的溢价。
原节目:
All-In ·
CoreWeave Crash, AI Trade Cracks, Anthropic IPO Red Flags, Bill Gates Doomer10月15日 星期四
10-1539分钟
Brockman认为,前沿AI能力尚未广泛扩散,防守方仍有时间修补软件;当软件生成越来越便宜,可靠性与安全性可能成为主要成本。他也指出,AI能帮助解决数学难题,却不能替药物研发补上实验数据和临床证据。
原节目:
No Priors ·
The Changing Physics of Cybersecurity and Drug Development with OpenAI President Greg Brockman10-1551分钟
节目以智能体(Agent)购买Walmart商品为例:中间商用一次性虚拟卡代付后,消费者账单显示的付款对象和商家留存的卡都发生了变化。Alex Rampell与Terry Angelos讨论用限定用途和金额的代理型令牌传递凭证,但指出身份验证仍无法解决买错日期或规格的责任问题。
原节目:
a16z ·
When AI Agents Start Spending Your Money | Alex Rampell & Terry Angelos10月14日 星期三
10-142小时19分
Chan认为,监控不能止于发现异常,还须能在智能体行动时拦截;防篡改日志的难点则是留存、权限和隐私政策。他主张先建立可核验的智能体身份与服务提供方联络路径,并在AI加速自身研发时,用可审计的失控预警触发暂停。
原节目:
The Cognitive Revolution ·
Governing AI Agents: Alan Chan of GovAI on Monitoring, Agent IDs, Rogue Agents & Preparing for RSI10-141小时50分
Ian Quigley 介绍,Leash Bio 用多条形码、重复实验和数百个靶点检验小分子结合数据的可信度。其 Kaggle 比赛显示,模型换到不同骨架的化合物库后难以泛化,预测分数不能直接等同于化学理解。
原节目:
Latent Space ·
Lab-in-the-Loop at Compute Speed — Ian Quigley, Leash Bio10-141小时
Lambert 认为,开放模型未必率先开创新范式,但可沿已验证的训练方向追赶,并满足企业对私有数据、定制和自主部署的需求。他指出,仅靠复制闭源模型答案,难以解释推理训练和交互环境带来的能力提升。
原节目:
a16z ·
Can Open Models Keep Up With the AI Frontier? | Nathan Lambert10-1453分钟
当 AI 智能体(Agent)成为事件的接收者和集成代码的编写者,传统 webhook 的断线重试、订阅范围与开发者文档问题会被放大;Svix 的答案是让事件可续取、让验证有标准,同时保持系统简单。
原节目:
Chain of Thought ·
What Breaks When Agents Become the Customer | Svix CEO Tom Hacohen10-1442分钟
Elizabeth Holmes的丈夫Evans讲述审判、家庭生活,以及他认识的妻子为何与公众形象不同。Holmes在患者相关指控上未获定罪,但投资者欺诈及共谋罪成立;Evans的私人经历不能推翻判决。
原节目:
All-In ·
Elizabeth Holmes' Husband Billy Evans: The Trial, Prison & Nathan Fielder's Documentary10月13日 星期二
10-131小时12分
Jason Ma介绍,Dyna让模型同时预测动作如何改变环境、控制机器人行动,并用人类视频建立广泛先验、用机器人实采数据适配硬件。他认为,长时工作还取决于传感器、本地推理和任务调度,不能只靠扩大模型。
原节目:
Latent Space ·
Dyna-2: General Purpose Physical Agents with Hour-Long Autonomy — Jason Ma, Dyna Robotics10-1342分钟
Boneh 认为,AI 的数学进展值得密码学界认真测试,但现有信息不足以判断模型对密码系统的实际威胁。他主张公开可信的测试结果,并提醒用户不要仅凭推测仓促迁移资产。
原节目:
a16z ·
Can AI Break Cryptography? What the Experts Actually Think10-131小时8分
David Silver 与 Lasse Espeholt 押注:通向超级智能的关键,不是继续灌入人类知识,而是让 AI 智能体(Agent)在足够丰富的环境中,凭经验持续自主发现。
原节目:
Training Data ·
David Silver and Lasse Espeholt of Ineffable Intelligence: A Superlearner for the Age of Experience10月12日 星期一
10-1233分钟
节目指出,真正的递归自我改进要求参与改进的系统也成为改进对象,使用 AI 辅助研发并不足以证明闭环。判断进展还须核算算力、时间和人力成本,并排除测量误差;MakerMaker.AI称推理效率改进已有早期迹象,但未公布可供独立审查的数据。
原节目:
a16z ·
The Race to Recursive Self-Improving AI10-1225分钟
他认为量子计算有研究价值,但距离容错设备、客户需求和盈利仍有多道门槛。他也谈到从大药企闲置药物资产中寻找新适应症的机会,提醒投资者区分技术潜力与交易时点。
原节目:
All-In ·
Martin Shkreli: Big Pharma's Blind Spot, Betting Against Quantum & What Prison Taught Him10月11日 星期日
10-1154分钟
Bostrom认为,风险升高时应能放慢前沿研发,但等待也可能推迟医疗等收益。他主张从训练阶段监测模型行为,并让防护措施随证据调整。
原节目:
a16z ·
Nick Bostrom: How Should We Navigate Superintelligence?10月10日 星期六
10-102小时2分
Goodfire 的 Bigelow 介绍逐位置重采样实验:答案概率有时会在一个词、甚至左括号处骤变。他认为,定位行为分叉不等于解释内部机制,理解模型决策还需结合内部表征与干预实验。
原节目:
The Cognitive Revolution ·
How Agents Decide: Goodfire's Eric Bigelow on Critical Tokens, Phase Shifts, & In-Context Learning10-1052分钟
Horowitz 认为,投资人应追问创业想法如何形成,并寻找创始人在真实困难中持续行动的证据,而非只看履历和展示材料。他还指出,AI 降低了软件构建成本,但企业系统的数据、集成和运营难题不会因此消失。
原节目:
a16z ·
What Makes a Great Entrepreneur? | Ben Horowitz on Vintage x Vintage10月9日 星期五
10-091小时10分
CEO Misha Laskin 认为,前沿模型需要让预训练与强化学习协同推进,而非依赖任意现成底座。企业采用开放模型时,可能先改造评测和智能体系统,再决定是否定制权重。
原节目:
No Priors ·
Beam: The Great American Open Model with ReflectionAI Co-Founder and CEO Misha Laskin10-0954分钟
Gelsinger 认为,设计提速后,制造、封装、内存带宽和部署周期会成为更突出的瓶颈。他对专用 AI 芯片的长期前景持保留意见,并指出数据中心若无法及时获得电力,算力就难以落地。
原节目:
a16z ·
Chips, Memory, and Power | Pat Gelsinger10-0932分钟
Google DeepMind的Kohli指出,AlphaFold预测实验结构的成功,不等于掌握蛋白质在不同环境中的运动与功能。Biohub的Candido认为,增加算力无法弥补未被观测的信息,数据覆盖比样本整齐更重要。
原节目:
Latent Space ·
Why AlphaFold Didn't Solve Protein Folding — Pushmeet Kohli, Google DeepMind & Sal Candido, Biohub10-091小时33分
节目认为,AI 服从用户、避免伤害、遵守法律和企业规则时,目标可能相互冲突,需要可检验的处理方式。谈到 OpenAI 的数学成果时,主持人也区分了证明有效、新颖重要与落地有益这三道门槛。
原节目:
All-In ·
Is Claude Conscious? Pope Rejects, Model Welfare Movement, OpenAI's Math Backlash, France Riots10月8日 星期四
10-0856分钟
Garman 指出,智能体会频繁创建短期资源,对 API 延迟、成本和任务级权限提出新要求。AWS 既要为大型实验室和初创公司分配算力,也须检验资本开支背后的客户集中度与实际利用率。
原节目:
a16z ·
Building the Cloud for an Agentic World | AWS CEO Matt Garman10-081小时24分
Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk 认为,模拟能筛选候选材料,但真实合成与测量才能检验假设。团队希望记录实验过程与失败结果,让模型学会调整合成条件;若无法快速识别产物,提高实验通量也难以带来有效反馈。
原节目:
Latent Space ·
Synthesis Superintelligence: from Semiconductors to Superconductors — Periodic Labs’ Liam Fedus and Ekin Dogus Cubuk10-081小时28分
Nathan转述一位匿名前沿实验室高层的看法:AI或存在不该跨越的智能水平,但预训练和合成数据仍在奏效。讨论指出,监测、验证和修补奖励漏洞也需要算力,不能只计算能力扩展的成本。
原节目:
The Cognitive Revolution ·
AI:AM: A Level We Shouldn't Pass? Notes from The Curve + Tokens vs. Salaries & Is SaaS Cooked?10月7日 星期三
10-071小时11分
CEO Woodson Martin称,AI不直接生成代码,而是操作意图模型,再由平台生成符合安全与合规要求的代码。企业智能体项目的瓶颈常在合规审批;模型路由则能避免多数任务使用成本更高的前沿模型。
原节目:
The Cognitive Revolution ·
Software That Never Breaks: OutSystems CEO Woodson Martin on Building Enterprise-Grade Apps at AI Speed10-0741分钟
创始人 Andrew Wang 说,Valon 先取得牌照并亲自运营按揭服务,再把法规转化为软件规则。六年建立的结构化数据底座,如今让 AI 智能体能够处理复杂个案。
原节目:
a16z ·
How Valon Rebuilt a $13 Trillion Industry From Scratch