Visst är det en svår fråga? Budgetprogrammering var en populär del i läroböckerna när man skulle lära sig Basic innan.
Många programmeringsspråk designeades för att vem som helst skulle kunna programmera så de klarade sina husbehov.
Assembler->Högnivåspråk->LLM.
Vi är väl mitt i ett lika stort tekniksprång nu. En fundering är hur länge vi ska hålla på och ta omvägen via ett klassiskt programmeringsspråk. Det måste ju gå att generera maskinkod direkt istället. Eller ett instruktioner som är ännu mer “human readable” som språkmodellen sen kompilerar själv.
3 gillningar
Jag tror häller inte på SaaS-döden genom att stora företag bygger “egen SaaS-mjukvara”.
Logiken att det blir billigare att utveckla borde ju också öka konkurrensen mellan SaaS-leverantörerna och därmed sänka priset som igen gör det ännu mindre attraktivt att bygga själv.
Det pratas mycket om att kostnaden för AI “will go to zero”, jag tror det samma för SaaS.
Det kommer konkurrenter till Salesforce etc. som kommer erbjuda mjukvaran till en 1/10 eller 1/100 av priset. Varför bygga själv?
Ännu ett spexigt påstådde, gött att man hittar brister redan nu 
2 gillningar
Tydligen vill många att man går långsamt framåt när det kommer till RSI
Och OpenAI tycks vilja ta en paus:
Men kan ju också vara så att de har en ny modell och de tycker det är lagom om alla tar det lugnt ett tag, de ska till Washington och visa deras senaste familj av modeller, enligt rykten ska det vara GPT-6.
Detta kommer nog kräva att någon klargör rent juridiskt vad som gäller, vem är ansvarig när en AI agent springer runt på nätet och hackar saker? Är det företaget som skapade modellen? Den som har kodat AI agenten runt själva LLMen? Eller användaren som skickar in en prompt?
1 gillning
Ett litet steg framåt för robotar 
Kommer ni ihåg Leopold Aschenbrenner? Den 23-åriga snubben som för två år sedan publicerade en 165 sidor lång helt tossig essä om att vi skulle ha AGI år 2027 och bla bla bla robotar ersätter oss alla 2030 osv osv? @janbolmeson var väldigt imponerad i alla fall (se detta inlägg). Aschenbrenner fick hursomhelst sparken från OpenAI (han sades ha brutit mot sitt sekretessavtal) och startade en hedgefond istället.
Den fonden gick väldigt bra ett tag, men tvingades i dagarna att lägga ner och sälja av alla sina tillgångar, rapporterar CNBC:
The battered hedge fund founded by former OpenAI researcher Leopold Aschenbrenner is unwinding many of its trades after big losses on artificial intelligence stocks and a bad bet against software stocks left it scrambling to raise cash, according to people familiar with the matter.
The prime brokers for the fund, Situational Awareness, have been rushing to raise cash to meet margin requirements, the people said. Ken Griffin’s Citadel hedge fund reached a deal to buy the fund’s publicly traded assets, people familiar with the deal said.
(…)
Several of the firm’s prime brokers — including Bank of America, Goldman Sachs and JPMorgan Chase —have been working with the fund as it seeks to meet margin requirements or reduce positions in an orderly fashion, according to people familiar with the discussions. The brokers have been marketing a group of the firm’s holding on both the long and short side for sale prior to Thursday’s start of trading, according to people familiar with the situation.
The situation remains fluid. It couldn’t be determined whether the firm was satisfying its margin calls through the sales. The firm had been negotiating to sell its stake in Anthropic but it wasn’t clear if that deal was done. A spokesman for the firm said reports that it was marketing a stake it owns in Anthropic are not accurate.
Snubben har alltså satsat allt på halvledarindustrin med extrem hävstång (4x eller mer har nämnts) och samtidigt även blankat Adobe och andra traditionella SaaS-företag. Tidigare i somras var portföljen värd ca 45 miljarder dollar. När börsen vände mot denna strategi de senaste veckorna och de största långa positionerna föll med över 35% på kort tid så blev resultatet självklart: margin calls och en påtvingad försäljning av alla börshandlade tillgångar, och kvar kan det ha blivit så lite som 10 miljarder dollar.
Aschenbrenner kan alltså ha spekulerat bort upp emot 35 miljarder dollar, vilket kan vara en av de största börshandelsförlusterna någonsin, tre gånger större än Archegos, om man får tro en tråd på Bluesky.
Elaka tungor var förstås snabba med att göra narr av honom:
7 gillningar
Jag undrar om detta inte är lite som det brukar, jag har hört att sektorer och marknader som växer bra sällan ger någon högre avkastning, men blir en bra fallgrop för de som tror sig kunna slå index.
1 gillning
Ja alltså det är väl en rätt klassisk historia om att en ung man som tror att han är helt otroligt smart ger sig på att investera med hävstång helt utan tidigare erfarenhet, det går skitbra i början, han tar det som bekräftelse på hur slipad han är, och så går det som det går. Väldigt mycket större skala än normalt bara, eftersom många andra också verkar ha låtit sig övertygas om att han var någon slags universalgeni.
2 gillningar
Personligen tycker jag det är intressant att följa hur AI bidrar till allt fler upptäcker, likt denna:
Enligt artikeln:
The idea behind this construction was suggested by an LLM (OpenAI’s GPT-5.6 Sol).
Förutom att det är spännande att följa hur långt AI kommer ta oss, sitter jag och funderar kring hur det är möjligt. Jag skulle säga att en av dessa måste vara sanna:
- Dessa modeller har logisk intelligens.
- Det krävs inte logisk intelligens för att göra vetenskapliga upptäckter likt dessa.
Om det är det första, vilket jag personligen tror, få kommer ju nästa fråga. Vi ser väldigt marginell påverkan på arbetsmarknaden än så länge från dessa modeller, alltså kan inte logisk intelligens ensamt vara en faktor som krävs för de flesta jobb. Mitt egna svar skulle nog vara att modellerna saknar minst en av följande:
- Minne. (Att lära sig under ett projekts gång.)
- Pålitlighet. (Vad vågar man delegera.)
Beroende på vad det är, och när dessa problem löses, så kan vi nog se en större påverkan framöver.
Jag tycker att du ställer upp ett falskt dilemma. En tredje uppenbar möjlighet är ju att modeller kan göra vissa lokala slutledningar och leta upp fungerande kombinationer, utan att därför ha generell och robust logisk intelligens. Det begreppet är lite oklart för mig, men antar du menar en vidare generell logiskt ohämmad intelligens. Typ. Vill dock påpeka att robusthet och pålitlighet är viktigt också.
Artikeln säger dessutom bara att idén bakom konstruktionen föreslogs av modellen. Forskarna behövde känna igen att idén var lovande, skriva argumentet, verifiera resultatet osv. Vi vet inte heller hur väl utvald forskning den fick som input (kanske deras egna tankegångar?), eller hur guidande instruktioner och hur många misslyckade försök som gjorts
Matematik är särskilt gynnsamt för detta: problemet kan formuleras exakt, man kan göra många försök, och resultatet går att kontrollera. Många jobb, exempelvis systemutveckling, består däremot till stor del av att hantera oklara mål, okända variabler, förändrade krav och avvägningar utan entydigt rätta svar.
Så i min mening; den här upptäckten visar varken på generell intelligens eller att logisk intelligens skulle räcka för att ersätta hela yrkesroller.
3 gillningar
Intressant, tack! En liten rättelse: artikeln säger bara att de sålt av sina marknadsnoterade aktier (public stock positions). I den länkade videon sägs att de kan ha 7-8 miljarder USD i onoterade tillgångar som de kommer att behålla, och att hedgefonden fortsatt kommer vara verksam.
Kanske är det så, men tycker nog att detta tillhör andra punkten:
Och möjligen tillhör detta en tredje punkt, det är människorna som gör en prompt som har den logiska intelligensen:
Dock är detta inte ett isolerat exempel, hade det varit så hade vi kunnat kalla det slump/tillfällighet/tur. Tittar vi på detta exempel:
Går du vidare och kollar själva chatten, så tycker jag det är tveksamt om vi kan säga att den som gjorde prompten hade hela intelligensen och den som svarade hade ingen.
Det kan vara så att jag går vilse och tror att AI har mer egenskaper än de har. Eller så har du en in-group bias och tvivlar på dess egenskaper.
På tal om saken så kan dessa AI generera en del förslag som människor tyckd ha svårt att hitta på, 10 stycken här:
Det var inte vad jag menade med det tredje alternativet. Min poäng är att hög prestation på ett problem inte är samma sak som förmågan att lära sig nya färdigheter och sedan robust generalisera dem till nya situationer. Det tredje alternativet är alltså inte att ingen intelligens krävs, utan att modellen har en verklig men ojämn och starkt kontextberoende förmåga.
Om modellen inte tidigare hade sett matematik alls, och den tvingats “lära sig” det området för att lösa uppgiften - det hade varit ett mycket starkare case för det som jag tror du menar med “logisk intelligens”. Som du f.ö. inte har definierat än… så ingen av oss vet vad det är vi egentligen diskuterar
Min invändning är framför allt att man inte kan hoppa från djup prestation inom en AI-gynnsam domän till generell och självständig arbetsförmåga. Matematiska problem kan vara oerhört svåra, men de har samtidigt en tydlig definition, formella mål och resultat som kan verifieras. Sökning och skalning är dessutom användbara.
Ett yrke kräver däremot ofta att man själv identifierar vilket problem som ska lösas. Det är bara en av flera förmågor som sällan finns med när enskilda prestationer lyfts fram som tecken på generell intelligens. Detsamma gäller robust generalisering, autonom planering och kontinuerligt lärande.
Sedan är det klart att jag färgas av att själv använda samma teknik som forskarna och samtidigt se den göra enkla misstag varje dag.
2 gillningar
Ge det 53 sekunder från aktuell tidpunkt (10:51), höll på att sätta kaffet i vrångstrupen… 
3 gillningar
Ser imponerande ut