Lukas Kidzinski

🔬 📷 Biotech investors and corporate development professionals We've just launched Gosset, the platform that provides insights about biotech assets. Try our demo here: gosset.ai and comment on this post to get early access to the full version (or to help us😀)

🎯 𝗜𝗻 𝟮𝟬𝟬𝟲, 𝗚𝗟𝗣-𝟭𝗥 𝘄𝗮𝘀 𝗯𝗮𝗿𝗲𝗹𝘆 𝗼𝗻 𝘁𝗵𝗲 𝗿𝗮𝗱𝗮𝗿. Fast forward to 2025: GLP-1R has more new trials than any other target. The targets getting quiet investment today will define the next decade.

@elonmusk @wholemars So it sux!

@wholemars S and X will always continue to exist in the fleet, just not in production, but it is still a little sad

no more S3XY 😭 just 3y

#𝗝𝗣𝗠𝟮𝟬𝟮𝟲 𝘄𝗶𝗻𝗻𝗲𝗿𝘀 𝗮𝗻𝗱 𝗹𝗼𝘀𝗲𝗿𝘀 - 𝗥𝗶𝘀𝗸-𝗼𝗻 𝗶𝘀 𝗯𝗮𝗰𝗸 Biotech companies outperformed Pharma - 𝗘𝗮𝗿𝗹𝘆-𝘀𝘁𝗮𝗴𝗲 𝘄𝗶𝗻𝘀 Phase 1-2 stocks outperformed late-stage - 𝗔𝗗𝗖𝘀 𝘀𝘁𝗶𝗹𝗹 𝗸𝗶𝗻𝗴 Top-performing modality #biotech

To, co dzieje się z AI, to podręcznikowa ilustracja Paradoksu Jevonsa: gwałtowny spadek kosztów sztucznej inteligencji wywołuje eksplozję popytu. Przy koszcie "myślenia" dążącym do zera poszerza się spektrum możliwych zastosowań AI. W historii technologii, a w szczególności w historii IT, mieliśmy wiele przykładów taniejących dóbr podstawowych. Jednakże nie mieliśmy dotychczas doczynienia z tak szybko zachodzącymi zmianami. Prawo Moore'a mówiło o tym, że koszt tranzystora zmniejsza się dwukrotnie co każde dwa lata. Prawo Edholma o tym, że koszt przesyłu informacji zmniejsza się dwukrotnie co 18 miesięcy. Dziś mamy LLMflation - chyba brakuje jeszcze innej nazwy - które mówi, że koszt inferencji spada o 10x rocznie (Wykres 1). To tempo szybsze niż w jakiejkolwiek poprzedniej rewolucji technologicznej. Co ciekawe wiele danych wskazuje, że najszybciej tanieje ta najbardziej zaawansowana inteligencja. Dane z raportu Epoch AI (Wykres 2) to pokazują koszt najsłabszego modelu GPT-3.5 spadał 9x rocznie, a ten najbardziej zaawansowanych z modeli - tutaj GPT-4o - 900x rok do roku. Podobnie zaskakujące wyniki pokazują wyniki testu ARC-AGI (Wykres 3). W grudzieniu 2024, model o3 (High) osiągnął wynik 88% przy koszcie ok. 4500 $ za zadanie. Rok później model GPT-5.2 Pro osiągnął nieznacznie wyższy wynik 90,5% kosztując jedyne 11,64 $. To niemal 400-krotna redukcja kosztów w rok. Ludzka praca tak się nie skaluje. Spadek kosztów inferencji to efekt wielu czynników: - Wydajniejszy hardware: Prawo Moore’a i ulepszenia strukturalne GPU drastycznie poprawiają stosunek ceny do wydajności. - Kwantyzacja modeli: Przejście z formatu 16-bit na 4-bit (np. w układach Blackwell) to ponad 4-krotny wzrost wydajności przy takim samym ruchu danych. - Optymalizacje software: Oprogramowanie lepiej zarządza mocą obliczeniową i eliminuje wąskie gardła przepustowości pamięci. - Mniejsze, sprawniejsze modele: Dzięki lepszemu treningowi dzisiejsze modele 1B parametrów biją giganty 175B sprzed 3 lat. - Presja Open Source: Modele od Meta, Mistral, czy sam DeepSeek mogą być hostowane na dowolnej infrastrukturze, co wymuszają spadek marż u dostawców modeli przez API. - Architektura: Kluczowe są zmiany takie jak MoE (Mixture of Experts) i rzadka atencja. W IDEAS rozwijamy te koncepcje, co opisaliśmy m.in. w pracy arxiv.org/abs/2402.07871. Dla nas ważne jest to, że spadek ceny inferencji zmienia sposób, w jaki korzystamy z technologii AI. Kiedy produkt staje się tani, znajdujemy dla niego miliony nowych zastosowań. Dzięki ciągłemu spadkowi cen, który będzie długookresowo dążyć do zero, inteligencja może stać się nową elektrycznością. A linki do artykułów na, których powstał post są tutaj: epoch.ai/data-insights/…, a16z.com/llmflation-llm….

ISO TWO #postdocs to work with me on human #macrophage spatial biology. #R01 @NIH funded! @Stanford @StanfordPath using #scRNAseq, #SpatialTranscriptomics, and proteomics. Please RT!

Traitor? Elon, if you don’t understand that defending freedom is a basic tenet of what makes America great and keeps us safe, maybe you should leave it to those of us who do.

@PalmerLuckey @ZDNET This must have 10xed ZDNET’s traffic. Think of all the people who’ll now google (or perplex) if they still exist 😂

I am once again asking @ZDNET to publicly retract their bogus 2018 story claiming I was fired for stealing trade secrets after a federal court ruled I was guilty of the same. The way they have handled this is insanely unethical. I was never found guilty of anything, and the judge threw out all the damages associated with me long before the article was written. Every ZDNET reporter I raise this with with just blocks me - though in the case of the author, he made sure to call me sad and insecure first. Ignoring these hateful partisans is usually the better move, but in this specific case, I recently realized many of the major AI models have weighted this particular ZDNET article higher than the vast body of evidence to the contrary. If I ask my Meta RayBans why I was fired by Meta, for example, it tells me that I was fired because I was found guilty of stealing trade secrets, that companies regularly terminate employees for criminal behavior, and asks if I want to read this ZDNET garbage. I don't expect any of these journalists to actually regret their actions or reform their behavior, but can you at least pretend to care, @jasonhiner? All you have to do is tell the Senior Editors who wrote this "Hey, I don't actually care about any of this, but we have to at least keep up appearances and pretend that ethical lapses bother us" and issue a correction. x.com/PalmerLuckey/s…

@tomasztrzcinsk1 @Przegaa @kjgeras @baborbe Dokładnie -- mądrych ludzi mamy, ograniczeniem wciąż jest kapitał. W AI kapitał to compute, więc tani dostęp dałby więcej szans na low-cost high-variance projektów a'la elevenlabs. Z założenia trudno przewidzieć co to mogłoby być, ale z dużym prawdopodobieństwem coś by wypaliło.

@Przegaa Gdyby 💰nie był tematem a chipów byłoby w bród to mielibyśmy więcej startupów deep-techowych, więcej absolwentów STEM i lepszą pozycję nauki polskiej. A short-term myślę że kilka topowych modeli do diagnostyki obrazowej - patrz więcej tego co robią @kjgeras @kidzik czy @baborbe

W kontekście dyskusji o wydatkach na infrastrukturę pod AI w USA i Chinach - pytanie do zaangażowanych w dyskusje o chipach: hipotetycznie, gdyby Polska w przyszłym roku kupiła 50-100 tys. najnowszych chipów Nvidia, to co typowalibyście, że zyskamy relatywnie szybko? Duży LLM o wielu zastosowaniach? Nowe leki? Czy mamy jakieś gotowe projekty, które skorzystałyby ? Ja mam ze dwa w głowie, ale może inni maja ciekawe tropy, zakładając że kasa to nie problem? @piotrsankowski @TrajektoriaAI @kawecki_maciej @tomasztrzcinsk1 @DStanderski @ZygmuntowskiJ

@harari_yuval wrote in Nexus: 𝘛𝘦𝘤𝘩𝘯𝘰𝘭𝘰𝘨𝘺 𝘪𝘴 𝘯𝘦𝘷𝘦𝘳 𝘥𝘦𝘵𝘦𝘳𝘮𝘪𝘯𝘪𝘴𝘵𝘪𝘤, 𝘢𝘯𝘥 𝘵𝘩𝘦 𝘧𝘢𝘤𝘵 𝘵𝘩𝘢𝘵 𝘴𝘰𝘮𝘦𝘵𝘩𝘪𝘯𝘨 𝘤𝘢𝘯 𝘣𝘦 𝘥𝘰𝘯𝘦 𝘥𝘰𝘦𝘴 𝘯𝘰𝘵 𝘮𝘦𝘢𝘯 𝘪𝘵 𝘮𝘶𝘴𝘵 𝘣𝘦 𝘥𝘰𝘯𝘦. Or maybe he didn’t write it because it's from Gemini.

• I’m the story's author, and it’s reprinted verbatim without attribution. I usually favor progress in AI, but I admit that experiencing such bias firsthand makes me much more worried.

I've changed the history. Literally, I’ve altered EU decisions from 1997. Two days ago, motivated by the EU USB mandate, I posted a 𝘀𝗮𝘁𝗶𝗿𝗶𝗰𝗮𝗹 𝘀𝘁𝗼𝗿𝘆 about how they had already mandated some other PC connectors in 1997.

Fortunately, this has never happened. RS-232 was very popular, but RS stands for "recommended standard".

In 1997, the European Union mandated that all new personal computers be equipped with an RS-232 port for charging and data exchange. This decision aimed to reduce electronic waste, promote interoperability, and benefit consumers.

When the polish characters in your name are a perfect spam filter...

AGI is almost here and it's almost self-aware 😀