Intressant! När vi körde ANN och genetiska algoritmer på uni tyckte vi det var i AI-fältet. Och de är machine learning för mig.
Hur menar du att det är tvärtom?
Det är ingen hemlighet att det är många närliggande områden som petas in under AI och andra runtom-ord. Man får läsa ut vad det handlar om genom context, precis som många andra saker man diskuterar med naturligt språk.
Så som vi såg det så var machine learning i AI, men också expertsystem och andra mer handgjorda intelligenta system, fuzzy system mm, räknades in under AI-begreppet.
Min poäng var just att @magune lät oerhört AI optimistisk i detta inlägg . Jag är starkt kritiskt till att det kommer gå speciellt fort och anser det vara rätt mycket gammal skåpmat rent tekniskt idag med de exempel som räknas upp.
Det är helt enkelt inte speciellt ny eller revolutionerande teknik i de exempel som ges.
Ja, men vi tre är nog ganska överens om att det är en ständigt pågående process med automatisering, och att nya verktyg helt tiden kommer och läggs in i toolboxen men att automatisering alltid pågår.
Samtidigt, ibland kommer det någonting som löser en domän som man verkligen inte kunde hantera bra förut, och då ser folk potentialen för att lösa ett helt gäng nya problem som de inte kunde ge sig på förut. Så ibland burstas det med aktivitet och framförallt entusiasm.
Min gissning är att det beror på låg beställarkompetens. Den dagen beställarna börjar säga att den där testningen klarar ni på en kvart med AI, ni får absolut inte betalt för 10 mantimmar för det, då kommer det bli skillnad. IT- företagen tjänar ju inte på att sälja färre timmar, så länge inte konkurrenterna gör det.
jag tror vi kommit långt ifrån trådskaparens urspringsfråga om vad barnen skall studera, så vi kanske inte skall spamma sönder tråden…
med det sagt:
min åsikt (och här finns ingen vedertagen defintion) är att alla neurala nätverk (iallafall alla djupa) är AI; samt alla neurala nätverk (och även statistiska algoritmer såsom XGBoost etc) är maskininlärning. Så all AI (än iallafall) är maskininlärning, men all maskininlärning är inte AI. Expertsystem har definitivt ansetts vara AI, åtminstone innan neurala nätverk började användas. så jag tror vi alla är mer eller mindre överrens.
Håller med till 100 %! Allt snack om att AI skulle ge massarbetslöshet är bara nys!
Mänskligheten går framåt och i snitt får alla det bättre.
Enskilda kan dock hamna i kläm. Den som var 55 år och lagt ner hela sitt liv på att vara duktig på hästar kunde kanske inte lätt sadla om till att bli en duktig bilmekaniker när automobilen kom. En del kunde säkert jobba med ridsport etc men det blev sannolikt stor utslagning.
Jag håller med dig, men det är inte så konstigt. De flesta interagerar inte med specialtränad AI, utan det är språkmodellerna de flesta har kontakt med. Jag har själv jobbat med specialtränade AI system, det är därför jag nämnde dem. De gör oftast som du vet fel av en annan sort än människor, vilket är en betydande risk i sig. Dessa nischade system utgör som du säger en minimal del av vad som är AI i folks tankar. Det riskerar att leda till problem.
Intressant tanke. Det beror på. De kanske gör mer skada än nytta om de inte byggs rätt. De här teknikerna baseras som du vet till stor del på kunskap byggt av västerländer. Afrikanska personer skiljer sig på ett antal viktiga sätt. Fattiga länder kommer inte ha råd att göra den validering som skulle krävas. Det är ett litet exempel som ändå pekar på ett stort problem.
Jag håller med resten av vad du skriver. Men min erfarenhet är att det finns en betydande diskrepans mellan vad du skriver här och hur de flesta företag i praktiken idag agerar. Det finns en hel del mognad kvar för att det “ska bli bra”, till stor del i hur vi människor agerar vis a vi tekniken. På vägen dit finns stora risker om inte uppskalning behåller en nödvändig skepsis
Viktigt att skilja mellan yrken och roller här. Gällande roller kan förändringarna bli drastiska. Gällande yrken inte lika givna, om frågan är om yrke X är mer tryggt är yrke Y.
Den AI som finns är kapabel till att generera text och att se mönster i data mängder.
Om vi tittar på hur yrket sättare ersattes av desktop publishing som alla sen kunde göra med en dator så skulle jag undvika:
copy-writer på små byråer och små företag. De om skriver copy för tex badrumsfläktar och masonitskivor.
bokföringsassistent
lägre chef som skriver mkt mail, gör ppt för hur gruppen ska hjälpa till att uppfylla företagets 7 strategiska mål
administrativ projktledare
Bästa yrket är systemutvecklare som kommer kunna debitera rejält för att debugga tafflig AI genererad kod.
Ett problem jag har med AI idag är att man måste prompta den på rätt sätt. När jag ställer en fråga ex “Hur går jag ner i vikt?” får jag i princip som svar: “Är mindre, motionera mer”.
Inte fel, men i själva verket skulle man ju vilja ha både expert kunskapen kring själva ämnet (VAD) samt expertnivå på HUR man gör det på bästa sätt (dvs att den producerar ett program på x antal veckor som trappar ner matintaget y mycket) samt anpassar sig specifikt för min situation (hyper personifierat) exempelvis genom att ge förslag på mat och mattider som minskar mitt enorma sockersug.
Idag får man inte det, vilket man får från de bästa människorna i branschen inom sitt skrå. Inte tillräckligt kunnig inom AI för att kunna säga ifall detta är möjligt med den teknologin som dagens modeller bygger på men det kanske kommer?
Det du kan göra är att ställa flera frågor efter varandra. Den kommer då ihåg uppgifter från de tidigare frågorna och kan ge en mer anpassad beskrivning. Givetvis blir det hela relativt generiskt men det går att komma en bra bit på väg.
Jag har tidigare provat den här metoden i andra frågor och den fungerar relativt bra. Dock är det bäst att använda den inom områden som ChatGPT behärskar relativt väl. Jag har exempelvis goda erfarenheter av att reda ut frågor kopplade till identitet, kultur och konflikter. Svaren är inte alltid de mest djuplodande men korrektheten är hygglig. För vardagsbehov är det användbart.
