Så klart det är egenutvecklade saker hos diverse hedgefonder och motsvarande. Jag läste machine learning kurser för typ 10 år sen på universitet.
Inget nytt under solen. Om de hade påverkat speciellt mycket så hade marknadseffektiviten försvunnit för 5 år sen… inte sett några tecken på det… varken i akademi eller nån annan stans.
Ingen har någon kristallkula. Men, om man gör den mest optimistiska tolkningen så får man ändå någonting tänkvärt tycker jag. Om / när AGI börjar ta fart, dvs när man på riktigt kan ersätta ett mänskligt jobb med en AI blir det troligen intressant för GDP prognoser.
Mänsklig intelligens är ju på nått sätt begränsad. Det finns argument för att den ökar svagt, vissa säger att den är lägre än för 20 tusen år sen. Men den står nästan still eftersom det är evolutionen som utvecklar den. Det är en process som tar jättelång tid.
Det som teoretiskt skulle kunda hända om en människas produktion ersätts med en AI är att AIn kan bli exponentiellt bättre. Dvs den skulle kunna bli nästan momentant bättre på att förbättra sig själv så det som produceras ökar exponentiellt i värde. Det finns ingen övre gräns här på teoretisk intelligens.
Om något sådant skulle ske tror jag att GDP och värdet på saker skulle kunna skjuta i höjden oväntat mycket. Betydligt mer än de siffror som nämns ovan.
Men det är ju en väldigt optimistisk prognos 
Tydligen kan AI redan göra mer pålitliga affärsbeslut än människor. Så tar nog inte allt för många år innan detta fungerar i verkligheten. Sen tar det alltid tid innan majoriteten av företagen hinner implementera det.
Varför skulle AI bli exponentiellt bättre? Det mesta följer ju nån slags avtagande avkastning, åtminstone i fysiska världen, och de lägsta frukterna har vi plockat.
Speak for yourself. 
Nja det är inte jag som har kommit på detta så jag ska inte ta äran. Men tror du är människors intelligens är obegränsad ?
Var lite ironisk, så ignorera mig! 
Mjukvara kan ju uppgraderas och förbättras. Systemet kan hjälpa till att uppgradera sig självt eller sina egna kognitiva förmågor. Teoretiskt sett skulle ett framtida system kunna hitta förbättringar som dess föregångare inte funnit.
Om det “skulle” göra det får väl framtiden utvisa
Den främsta faktorn som styr hur smart en biologisk hjärna är är dess storlek. På samma sätt har det visat sig att den enskilt viktigaste faktorn för hur smart en AI är är dess storlek. Om detta är sant, så kommer vi få allt smartare AI i takt med att vi skapar större och större AI. Storleken på AI begränsas huvudsakligen av hur bra grafikkort vi har. Under lång tid har vi haft en exponentiell tillväxt på hur bra grafikkort vi producerar, och vi är långt ifrån de fysikaliska begränsningarna idag. Därför bör AI bli exponentiellt bättre under lång tid framöver.
Detta resonemang tar dessutom inte hänsyn till möjligheten att suggestivt skapa allt bättre algoritmer, vilket har skett under flera decennier nu.
Mm… Fnorre tänkte mest på AIs operationer i sig, jag var inte helt oberedd på det.
Jag tänkte mest på vad AI kan uträtta, särskilt om det handlar om nåt bra för människor i allmänhet.
Jag tror du tänker på Flynn effekten som går ut på att generation efter generation på 1900-talet klarade av uppgifter lite bättre än sina föräldrar: Flynn effect - Wikipedia
Men det finns nog både utbildningseffekter, kulturella effekter, massmedia uppstod mm som kan förklara effekten.
Exakt, men det verkar finnas kritik så som du nämner.
Daniel Dennett är en favorit, han ser den biologiska hjärnan som fast hårdvara, och neuronnätet som mjukvara i liknelser.
Mjukvaran går absolut att träna och göra bättre, men vi är fast med evolutionen som enda sätt att ändra hårdvaran.
Om vi antar att en AI faktiskt kan göra ett arbete fullt ut blir väl liknelsen att den medarbetaren teoretiskt sett skulle kunna designa om sin egen hjärna under natten och fortsätta jobba klockan 07.00 nästa dag, med några extra IQ poäng i verktygslådan
Begränsningen ligger i att jag inte kan skicka in speciellt stora stycken kod. Samtidigt är det oftast inte det jag behöver hjälp med utan oftast behöver jag bli oblockad om det är någon dellösning jag inte får till. Ofta har man ju lite data, vill transformera det på något sätt, kombinera olika typer av data, osv. och vi skriver i Java på jobbet. Så oftast handlar det väl om att jag skriver något i stil med “In Java, assume you have a list of entities with the fields Foo (int) and Bar (double). What is a good way to find all entities where Foo is at least 2 times as big as Bar?”
På denna fråga ger ChatGPT mig svaret:
List<Entity> filteredEntities = entities.stream()
.filter(e -> e.getFoo() >= e.getBar() * 2)
.collect(Collectors.toList());
Detta exempel är ju väldigt triviellt men förklarar väl typ hur jag använder ChatGPT i dagsläget. Hade företaget tillåtit mer obegränsad användning hade jag skickat in hela metoder och bett ChatGPT skriva tester, jag hade bett den leta efter buggar i min kod.
Senast idag fick jag en komplex SQL query (på över 70 rader) skickad till mig från en kollega. Då var det perfekt att kunna skicka in i ChatGPT och be den snabbt förklara queryn. Sparar både min och kollegans tid.
Låter för bra för att vara gratis, särskilt länge till.
För att det är så teknisk utveckling ser ut 
Moore’s lag kan tillämpas på allt möjligt när det gäller teknik.
Däremot är “diminishing returns” något helt annat. Även om AI:s kapacitet fördubblas varje år (som ett exempel) så betyder det inte att vår nytta av AI fördubblas varje år. Tekniken är en sak - vår användning och nytta av den är något annat. Då och då tar tekniken ett enormt kliv framåt, vilket förändrar “oss” (samhället, företag, våra beteenden, värderingar…) markant på väldigt kort tid.
På temat on prem ChatGPT
Var det inte Albert Einsteins hjärna som vägde mindre än snittet?
Samt Neandertalarnas hjärnor var väl mycket större än våra hjärnor om jag inte minns fel.
Det stämmer säkert. Men då pratar vi om marginella skillnader, inte 10x. Dessutom så vet vi bara att vikten/volymen var mindre, inte antalet synapser.
Jag skulle påstå att en orsak till att människor är snarare än apor är att våra hjärnor är större, inte bara har en bättre arkitektur.
För AI finns det dessutom gått om bevis för att större blir bättre, i stora penseldrag. Ja, chinchilla är bättre än GPT-3, men om du har en modell som är i linje med chinchilla-skalningslag så är större bättre.
Data från OpenAI visar att storleken blir bättre ju större de blir. Det som stoppar att man skalar upp dem just nu är bristen på GPU.