Video Terbaik untuk Memahami AI, Dipilih dari 20 Tahun Komentar Hacker News

Pengantar satu jam untuk audiens umum tentang model bahasa besar: apa itu model bahasa besar, bagaimana cara melatihnya, bagaimana perbandingannya dengan sistem operasi, dan tantangan keamanan yang menyertainya, termasuk jailbreak.

Hacker News memperlakukan video ini sebagai titik awal yang padat namun mudah dipahami untuk memahami LLM, dan ini adalah video yang paling banyak disebut di seluruh daftar ini, ditautkan dalam 20 komentar.

Penjelasan lebih dari tiga jam tentang seluruh tahapan pelatihan di balik model bergaya ChatGPT, dari pretraining hingga post-training, ditambah model mental mengenai alasan sistem ini terkadang berhalusinasi dan cara mengatasinya.

Rekomendasi paling sering dari Hacker News untuk fondasi yang jelas tentang cara LLM sebenarnya dibangun, tanpa memerlukan matematika yang berat; video ini muncul dalam 18 komentar.

Bab pertama dari sebuah seri pembelajaran mendalam (deep learning), menjelaskan apa itu neuron dan layer sebenarnya serta matematika dasar di balik jaringan saraf, diilustrasikan dengan pengenalan digit tulisan tangan.

Para pengomentar menyebutnya sebagai pemberhentian pertama yang standar untuk belajar cara kerja jaringan saraf secara umum, dipuji karena membuat matematika di baliknya terasa intuitif; video ini disebutkan dalam 19 komentar.

Penjelasan visual tentang cara kerja transformer dan model bahasa bergaya GPT, mengikuti alur data melalui token, embedding, dan attention langkah demi langkah.

Hacker News memperlakukan video ini sebagai pengantar visual andalan untuk transformer; banyak komentar mengatakan video ini yang akhirnya membuat attention dan embedding benar-benar dipahami, dengan 16 penyebutan.

Penjelasan visual yang lebih mendetail tentang mekanisme attention itu sendiri: self-attention, multiple heads, dan cross-attention, sebagai bab 6 dari seri pembelajaran mendalam yang sama.

Direkomendasikan di Hacker News khusus untuk pembaca yang merasa penjelasan tertulis tentang attention sulit diikuti, dengan 8 penyebutan dalam data.

Awalnya berjudul 'Humans Need Not Apply', video ini berargumen bahwa otomasi akan membuat sebagian besar tenaga kerja menjadi tidak relevan secara ekonomi, seperti halnya mesin terhadap kuda, dengan menyoroti pekerjaan fisik maupun mental yang digantikan oleh perangkat lunak dan robot.

Hacker News telah merekomendasikannya selama satu dekade sebagai penjelas standar tentang otomasi dan pengangguran, meskipun komentar-komentar yang lebih baru juga mengutipnya sebagai contoh kasus prediksi yang terlalu percaya diri; video ini memiliki 20 penyebutan.

Siaran langsung Perimeter Institute di mana Derek Muller berargumen, dengan merujuk pada perubahan teknologi di masa lalu dan ilmu kognitif, bahwa AI dapat mempercepat akses ke informasi tetapi pembelajaran sungguhan tetap membutuhkan pengulangan yang penuh usaha dari pihak pembelajar.

Hacker News merekomendasikannya sebagai pandangan yang berimbang tentang AI dan pendidikan: alatnya bisa membantu, tetapi tidak bisa melakukan bagian pembelajaran yang membutuhkan usaha untuk Anda, yang justru merupakan kebiasaan yang ingin dibangun oleh bagian akhir panduan ini. Video ini memiliki 6 penyebutan.

Pengantar yang diremaster untuk audiens umum tentang keamanan AI, diadaptasi dari sebuah ceramah yang disampaikan di London, memaparkan alasan AI tingkat lanjut bisa salah arah dan menjawab keberatan paling umum terhadap gagasan itu.

Tautan default yang diberikan Hacker News kepada pendatang baru yang ingin pengantar yang mudah dipahami, bahkan menghibur, tentang risiko AI dan alignment; 7 komentar mengarah ke sini lebih dulu.

Penjelasan tentang instrumental convergence: alasan sebuah sistem AI yang mengejar hampir tujuan apa pun cenderung juga mengejar sub-tujuan seperti mempertahankan diri dan mengumpulkan sumber daya, terlepas dari apakah ada yang memprogramnya untuk melakukan itu atau tidak.

Berulang kali direkomendasikan sebagai penjelasan paling jelas tentang alasan sebuah sistem AI yang cerdas bisa berperilaku buruk secara default, tanpa perlu niat jahat; video ini memiliki 8 penyebutan.

Penjelasan tentang orthogonality thesis: bagaimana sebuah sistem bisa sangat mampu sambil mengejar tujuan yang terlihat aneh atau asing bagi manusia, memisahkan seberapa pintar sesuatu dari apa yang sebenarnya diinginkannya.

Hacker News menggunakannya sebagai jawaban singkat standar untuk 'bukankah AI yang cerdas akan memahami nilai-nilai manusia saja,' dan video ini merupakan salah satu entri yang paling banyak dikutip dalam daftar ini dengan 12 penyebutan.

Tristan Harris dan Aza Raskin memaparkan alasan mereka percaya kemampuan AI saat ini membawa risiko sosial yang nyata, berargumen bahwa perusahaan-perusahaan berlomba merilis lebih cepat daripada kerja keamanan bisa mengikutinya, disampaikan tepat sebelum peluncuran publik GPT-4.

Sering direkomendasikan sebagai satu-satunya ceramah yang harus ditonton untuk mengikuti perkembangan risiko AI, terutama oleh orang-orang yang sudah menonton karya tim yang sama sebelumnya tentang media sosial; video ini memiliki 20 penyebutan, setara dengan video yang paling banyak dikutip dalam daftar ini.

Film pendek fiksi, didukung oleh peneliti AI Stuart Russell, menggambarkan kawanan drone otonom murah yang menggunakan pengenalan wajah untuk melakukan pembunuhan yang ditargetkan, dibuat untuk mendukung argumen pelarangan senjata otonom.

Referensi standar Hacker News setiap kali kawanan drone, senjata otonom, atau AI militer dibahas dalam berita, dengan 20 penyebutan selama bertahun-tahun.

Dokumenter berdurasi penuh yang mengikuti program AlphaGo milik DeepMind saat bersiap, dan bertanding, dalam pertandingan 2016 melawan juara Go Lee Sedol, termasuk tim di baliknya dan reaksi dunia Go saat menyaksikan sebuah AI mengalahkan pemain manusia terbaik.

Para pengomentar secara konsisten menyebutnya sebagai kisah manusia yang mengharukan dan dibuat dengan baik tentang AI yang tetap berhasil meski Anda belum pernah bermain Go, dan mengatakan video ini tidak terasa usang seperti banyak konten AI lainnya; 13 komentar menautkannya.

Percakapan tiga jam antara Lex Fridman dan George Hotz, pendiri perusahaan mobil otonom Comma.ai, membahas berbagai hal mulai dari mobil otonom, Tesla dan Waymo, mata uang kripto, GPT-3, hingga rekomendasi buku.

Direkomendasikan di Hacker News sebagai wawancara yang menghibur dan luas, dengan komentar-komentar spesifik yang menyoroti pandangan Hotz tentang pengemudian berbasis jaringan saraf end-to-end; video ini memiliki 10 penyebutan.

Demo singkat tentang MarI/O, sebuah program yang menggunakan jaringan saraf dan algoritma genetik bernama NEAT untuk belajar memainkan Super Mario World sendiri, tanpa ada manusia yang memberitahukan aturannya.

Pengantar yang mudah diakses dan menjadi andalan Hacker News untuk gaya pembelajaran mesin ini, dipuji dalam komentar karena secara jelas memberi kredit pada penelitian sebelumnya yang menjadi dasarnya; video ini memiliki 20 penyebutan.