Japp, så är det med vanliga inkrementella framsteg. De flesta är väldigt små. Men, över tid gör de stor skillnad. Alla förväntar sig nu ett paradigmskifte, inte inkrementella framsteg. 
Det som skulle kunna ge höga staplar via vanlig inkrementell engineering är möjligtvis att någon aktör hamnar tillräckligt nära AGI. Så fort du kan få igång självförbättringar med hjälp av AI så finns stora möjligheter till paradigmskifte. Det skulle kunna ske väldigt snabbt 
Oops
Chipjätten Intel har genomfört en studie som visar att den som använder en dator med inbyggda AI-tjänster är mindre produktiv än den som använder en traditionell dator. Det rapporterar The Register.
Det handlar bland annat om att AI-användarna lägger mycket tid på att försöka komma fram till hur de på bästa sätt kan få de svar de letar efter med hjälp av AI-verktygen.
Vi får (kollektivt) betala några 1000 mdr dollar för att få lägre produktivitet. Frågan är väl om vi är så fiffiga då.
AI fortsätter hallucinera. Nvidia har grunnat på saken och kommit fram till att datacentren måste köpa fler GPU’er innan man kan börja lite på AI.
(Kan ju faktiskt stämma).
Jag är förvisso skeptisk till mycket av AI-hypen, men “lägger mycket tid på att försöka komma fram till hur de på bästa sätt kan få de svar de letar efter med hjälp av AI-verktygen” pekar på att personerna inte lärt sig hur man ska använda verktygen än. Det är möjligt att när de lärt sig verktygen blir de mer effektiva än de som inte använder verktygen alls.
Det är tänkbart. Dock skulle jag säga att användarinterface är för komplext för att man skall kunna lära sig. Tänk dig 100000 rattar och spakar som skall ställas in för att få bästa/bra svar. Och så kommer nya versioner en gång per år som ändrar betydelsen av rattarna och spakarna.
Vanliga verktyg kan man ha en förståelse för hur de fungerar och på så sätt hitta att fungerande sätt att använda. Men hur t ex Chat-GPT fungerar är det ingen som vet. Träningen har satt numeriska värden på mängder av konstanter. En användare av verktyget har ingen möjlighet att därifrån få en förståelse.
Lite är det som att prata med en människa som glatt svarar på dina frågor. Men du vet inte om personen kan saken, har blivit lurad av någon annan eller sitter och gissar.
Och då bränner du tid på att ställa kompletterande frågor för att lista ut om det går att lite på svaret. Och detta är lite fundamentalt och går inte riktigt att få bort.
Det som kan hända är väl att man med tiden tränat in så pass med kunskap att svaren blir lika bra som om man frågar en kollega och så väljer folk att lite på svaren.
T ex genom att man gör domänspecifika nät som därmed kan ha ha hög tillförlitlighet i svaren.
Så när du går till läkare med några besvärande symptom, så knappar läkaren in de i AI-boten och litar fullt på svaret, och ordinerar behandling därefter. Och det är väl ok?
Man kan undra om det är de unga eller de äldre som har koll på läget 
Det är väl det man har gjort i exempel som detta.
Sen får vi se när det blir tillräckligt bra att bli en kollega 
Kan nog redan idag vara lika bra som en nyexad kollega. Men det är ju inte riktigt sådana man frågar.
Artikel i NyT Bråket bland AI-experterna: Har utvecklingen kört i väggen?
Han och andra – som ai-skeptikern numero uno, Gary Marcus – har sagt att djupinlärning med transformerteknik kommer att ge avtagande avkastning. Att tanken på att de skulle ta oss till generell intelligens är rent nonsens. Att utvecklingen är på väg att ”hit a wall”. Och så vidare.
Tja, Att vi nått vägens ände nu är ju inte vad man hör så ofta.
”Open AI byter strategi när GPT-förbättringarna tappar tempo”, skrev sajten The Information häromdagen. En annan artikel hade rubriken ”Google byter spår för att ta sig an ai-inbromsning”.
Kanske finns någon substans i det.
Sedan är det så att när tillräckligt många god hjärnor jobbar med ett problem så brukar det komma fram andra vägar framåt. (I början på 1980-talet så talades det om att litografin i chip tillverkningen hade nått vägs ände. Och så var det ju inte riktigt).
Men det finns andra bekymmer:
Ett är att ai-bolagen börjar få ont om data att träna sina modeller med. Ett lovande alternativ är att använda syntetiska data, men det är för tidigt att säga något om hur potent den metoden är i längden.
Låter lite tveksamt. Men vi får väl se.
En annan flaskhals är brist på el.
Dock är det ingen brist på el. Stiger efterfrågan så stiger pris. Och då blir mer elproduktion lönsam. Detta gäller när marknadskrafterna får råda. Klart att staten kan ställa till det om den lägger sig i. Kommunerna är ju duktiga på att förbjuda elproduktion på mark som inte är deras.
En nice video
Det kan vara så att jag har fel och djupinlärning är på väg mot en vägg, vi får helt enkelt se.
Dock har Gary Marcus gått ut i skrift och sagt att djupinlärning är på väg in mot en vägg 2012, 2017, 2022 samt nu under hösten 2024. Ska han få rätt fjärde gången? (Till slut lär han få rätt, frågan är bara hur bra systemen blivit innan dess.)
Ännu en liten video på robotar 
Svärfar ska ge barnbarnen en peng i julklapp. Äntligen har vi fått honom att swisha istället för att ge kontanter. Men då behövs ett kort eller en bild istället. Förr året försökte jag skapa, med hjälp av copilot en bild på en sedel med texten swishpeng och julmotiv, men max 1 av 20 bilder var texten på sedelbilden begriplig. Jag gjorde nytt försök i år och det blev oändligt mycket bättre.
Samtliga fyra bilder innehåller dock fortfarande felaktig text.
Det är inte perfekt men oerhört mycket bättre än för ett år sedan då det var helt obegriplig text.
Ännu ett litet steg framåt från Kina 
