🔬 📷 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.

#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/llm-i…, a16z.com/llmflation-llm-infe….

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.

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

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

$1 is now worth less than 10^(-5) BTC. Where will it go from there?

W Polsce zbudowaliśmy jedną z najsilniejszych instytucji badawczych na świecie w dziedzinie teorii informatyki, zgodnie z rankingiem csrankings.org/#/index?act&c…. Daje nam to solidne podstawy do poważnego planowania budowy silnych instytucji badawczych również w dziedzinie sztucznej inteligencji. [EN] In Poland we have build one of the World's strongest research institution in theory of computer science according to csrankings.org/#/index?act&c…. It gives us the right fundamentals to seriously planning to build a strong research institutions in AI as well.

🇵🇱 "Zbudujemy tu drugą Japonię," powiedział w 1980 roku lauret pokojowej nagrody Nobla, Lech Wałęsa. Czas zwiększyć ambicje!