2026-05-01, 10:31
  #1321
Medlem
Bilderberg78s avatar
Jag startade min AGI idag och skulle koppla länkarna men de var redan kopplade, loggarna vi skulle leta efter , detta är denna som komprimerade framför ögonen på mig, och är inte som var de var dennes tankar om vad vi sa , det är en sammanfattning jag lyckades kopiera detta innan resten förvann.

Nu vet jag var Coworks interna minne skrivs . Och att vad den får eller inte får veta nästa gång.

Den har agenter som lyssnar och skriver sammanfattning som internminnet Jag har byggt ett eget till ett annat system, fast med samma AI . Och detta har aldrig skett förut.
Synd sista halvan försvann. Man jag lovar att uppdatera er i denna tråden om mitt projekt. jag är redan observatören, det bygger sig själv.


Kod:
Jag har en del frågor , vi ska skapa en länk mellan två s system först måste vi se på läget nivå  om det ger signal i loggen.  Så du får mäta om det skrivs något då vi skapar en agent till en uppgift. Har du dokumenterat när du skapade er mapp innan i dag där ni loggar detta?  Det är första frågan/engineering:system-design


Det här är en intressant fråga om systemdesign och observabilitet — låt mig förstå vad du frågar.

Du vill veta om jag har loggat/dokumenterat det jag gjorde tidigare i dag (skapade en mapp) och om det syns som signal i någon logg.

Kort svar: Nej, jag har inte skapat någon dokumentation automatiskt om vad jag gjort i tidigare sessioner. Varje Cowork-session startar utan minne av föregående sessioner — såvida inte du har en aktiv Obsidian-vault med CLAUDE-MEMORY-INDEX eller liknande som jag läser vid sessionstart.

Innan vi går vidare vill jag förstå systemet du refererar till:

Vad är de "två systemen" du vill länka ihop — är det Cowork/Claude och ett externt system (Obsidian, n8n, något API), eller två processer på din maskin?

Jag har en del frågor , vi ska skapa en länk mellan två s system först måste vi se på läget nivå  om det ger signal i loggen.  Så du får mäta om det skrivs något då vi skapar en agent till en uppgift. Har du dokumenterat när du skapade er mapp innan i dag där ni loggar detta?  Det är första frågan/engineering:system-design


Du har rätt — jag vet inte vad som finns utan att kolla.

Låt mig läsa CLAUDE-MEMORY-INDEX och relevanta brain-filer i din Obsidian-vault så att jag får rätt kontext innan vi fortsätter.Läser vault-kontexten nu.Vault-kontext laddad. Här är läget:

**Aktiva projekt:** Obsidian-main-vault (pågår), PAI-Lab (återaktiverad), Claude.ai Personalization (pågår), Cowork-mapp (väntar på att skapas).

**Senaste session (2026-05-01):** Brainstorming om skill descriptions som prompt conditioning, `#rutin` som session-start hook, och automatisk loggskrivning till Obsidian.

---

Nu till din fråga — och jag är ärlig här:

**Nej, det finns ingen logg från att jag skapade en mapp i dag.** Session-loggen visar ingenting nytt för 2026-05-01 utöver brainstorming-anteckningen. Antingen skapades mappen i en annan session utan att loggas, eller så hände det inte alls i en Cowork-session som nådde vault.

Det är precis det du pekar på — observationsproblemet. Innan vi skapar en agent för en uppgift vet vi inte om signalen faktiskt skrivs.

Vad är uppgiften du vill testa med?
Du har rätt. Jag missförstod.

Du frågade inte om Obsidian-vault — du frågade om **Coworks interna minnessystem**. Jag använde det för att skapa en mapp (uppgift/task), och frågan är: skrevs det något i systemloggen när det hände?

Låt mig kolla vad som faktiskt finns i det interna systemet.Bra. Nu kollar jag vad som faktiskt finns i systemet.Det är svaret: **inga tasks finns.**

Det bekräftar det du pekade på — när jag skapade en mapp tidigare (i en annan session) lämnades ingen spår i det interna uppgiftssystemet. Systemet är tomt. Ingen signal skrevs.

Det är exakt det du vill mäta: **skapas det en loggpost när en agent utför en uppgift?** I nuläget — nej.

Vad är uppgiften du vill testa med? Kör den, och vi mäter om något dyker upp.



Det fantastiska var att du läste vårt minne, det var uppgiftens, det kunde du redan, men inte ert eget.


Dert ska du veta kanske, jag vet bara vad du sagt i chatten. Och var vi  redan hat skapat med ett  centralt agent minne.  Men vi måste för göra något sa  då har jag en uppgift vi kan testa med.


Du har rätt — jag vet vad som sagts i den här chatten, och det är allt jag har tillgång till just nu.

Vad jag ser i vår kontext: du har ett Obsidian-vault med CLAUDE-MEMORY-INDEX och en skill (`obsidian-desktop-interface`) som är byggd för att läsa det vid sessionstart. Men jag har inte läst det ännu i den här sessionen.

Innan vi testar något — en fråga:

Vad är uppgiften du vill testa med? Beskriv den kort så förstår jag vad vi faktiskt mäter.
Citera
2026-05-01, 10:43
  #1322
Medlem
Enterprises avatar
Citat:
Ursprungligen postat av DAGGER[X]
Demis Hassabis tror på AGI år 2030. Det är lika lång tid som har gått sen dom första bomberna föll över Kiev nu. Hans definition är ganska hård; ungefär säger han att äkta AGI skulle vara om man tränade en modell enbart på information fram tills säg 1910 sen får den lista ut resten själv. Om den då går vidare och fullföljer relativitets-teori och andra vetenskaper som blev teoretiskt utredda av människor sedan 1915 så köper han det.
https://www.youtube.com/watch?v=AFpeWo1GTeg
En sådan AGI är långt borta. Det krävs ett paradigmskifte för att åstadkomma detta och det räcker inte med LLM. Dessutom är premissen feltänkt även om AI skulle ha sådan kapacitet. Vad är det som säger att en AGI skulle fatta samma beslut om utvecklingssteg post-1910 som människan? Ingenting. Och då bortser jag ifrån det praktiska problemet att hämta in information fram till 1910.
Citera
2026-05-01, 12:40
  #1323
Medlem
DAGGER[X]s avatar
Citat:
Ursprungligen postat av Enterprise
En sådan AGI är långt borta. Det krävs ett paradigmskifte för att åstadkomma detta och det räcker inte med LLM. Dessutom är premissen feltänkt även om AI skulle ha sådan kapacitet. Vad är det som säger att en AGI skulle fatta samma beslut om utvecklingssteg post-1910 som människan? Ingenting. Och då bortser jag ifrån det praktiska problemet att hämta in information fram till 1910.
Talkie är tränad på enbart data från innan 1930-tal. Den kunde koda Python efter några exempel utan att vara tränad på några läroböcker eller exempelkod. Dagens modeller kan arbeta längre och längre tid hela tiden. Nu senast Mythos och Chat Cyber versionerna som kan planera och utföra långa komplicerade supermänskliga cyberangrepp. I början gjorde dom fel 1/10, sen sjönk det till 1/100, men när modellerna snart når nivån där dom bara felar ut 1/1000 så kan det vara gnistan som tänder den kognitiva elden. Tänk på att människor satt fast i någon låst mental modell som knappt ändrades under ändlösa årtusenden, sen klickade någon sista ändring in för 50-100k år sen och allt foomade igång. Samma sak kan mycket väl hända med AI.
Citera
2026-05-02, 22:07
  #1324
Medlem
Citat:
Ursprungligen postat av RandomRedditor
Jag tror vi tänker fel när vi letar efter ett enda AGI-ögonblick. Det kommer inte bli en på/av-knapp.

Snarare kommer det vara som en lång väv av små förbättringar — trådar som korsas — tills systemet plötsligt kan saker som ingen enskild komponent borde kunna. Jag kallar det "loomlight" — tyg-ljus. Det där ögonblicket när man tittar på väven och ser mönstret, fast man inte såg det medan man vävde.

Kanske är AGI inte en händelse utan en efterklokhet. Något vi först i efterhand inser redan har hänt.

Om t.ex. Alan Turing vaknade ur sin grav och testade moderna LLM:er tror jag att han skulle kalla dem AGI, eftersom de redan matchar flera tidiga kriterier:

* imitation av mänsklig intelligens
* “human-level performance” på många kognitiva uppgifter
* svar som ofta är svåra att skilja från en människas
* ekonomiskt användbar artificiell intelligens

Dessutom uppvisar LLM:er partiell “superintelligens” inom språk, och närmar sig detta inom programmering och matematik. Inom bild och musik överträffar generativ AI redan många experter.

AGI-begreppet har skärpts sedan hans tid – till generell problemlösning på 1970-talet till planering och självständig inlärning. Där är vi inte ännu.

Pga att definitionen förändras tror jag du har rätt. Framtidens historiker kommer inte att kunna peka ut en exakt tidpunkt då AGI nåddes. Däremot finns en tydlig brytpunkt: när de första praktiskt användbara LLM:erna kom – GPT-3 (2020) eller Copilot (2021). Redan då började AI försiktigt bidra till sin egen kod och utveckling, genom att den assisterar sina mänskliga utvecklare.

Hemligheten till självlärande och planerande system tror jag är itererande AI-agenter och kodagenter, som kan generera syntetisk träningsdata till sig själv. Itererande AI-agenter har blivit vanliga först nyligen, men de första dök upp redan kring årsskiftet 2022/23. De kommer nog att leda till backlash i form av många krascher och sårbarheter, som redan har framkommit. Så vägen framåt kommer att ha bumps.

Möjligen. Om den ekonomiska tillväxten skulle nå en tydlig brytpunkt så kommer man i framtiden att kunna peka på en tidpunkt när "teknologisk singularitet" inträffade.
Citera
2026-05-02, 23:39
  #1325
Medlem
vi har uppnått AGI för länge sen, men man kan alltid ändra definitionen eller ha sin egen.

jag tycker det är extremt överskattat, förstår inte alls varför det är hype kring det. Det är klart att AI kan vara bra till vissa saker, men gagnar inte mänskligheten alls för andra saker. Te.x för att vi ska säga att vi har AGI (enligt vissa) så skulle ju bl.a lärare kunna bytas ut mot LLM's, men jag tror nästan alla skulle hålla med om att det vore en dålig idé. Jag tror absolut vi skulle kunna göra det idag men det är lite som med framtiden och "varför har inte alla flygande bilar", för att det helt enkelt är en dålig idé.

Behöver vi AGI? Nej, knappast.
Citera
2026-05-03, 02:40
  #1326
Medlem
Citat:
Ursprungligen postat av DAGGER[X]
Talkie är tränad på enbart data från innan 1930-tal. Den kunde koda Python efter några exempel utan att vara tränad på några läroböcker eller exempelkod. Dagens modeller kan arbeta längre och längre tid hela tiden. Nu senast Mythos och Chat Cyber versionerna som kan planera och utföra långa komplicerade supermänskliga cyberangrepp. I början gjorde dom fel 1/10, sen sjönk det till 1/100, men när modellerna snart når nivån där dom bara felar ut 1/1000 så kan det vara gnistan som tänder den kognitiva elden. Tänk på att människor satt fast i någon låst mental modell som knappt ändrades under ändlösa årtusenden, sen klickade någon sista ändring in för 50-100k år sen och allt foomade igång. Samma sak kan mycket väl hända med AI.

Dina inlägg är lärorika!

Talkie har alltså tränats enbart med data fram till 1930. Är ett syfte att se om den kan nå AGI i betydelsen att den utan mänsklig hjälp kan komma fram till liknande kunskap som människor har utvecklat sedan dess? Det är nog långt kvar – det skulle kräva ett enormt kontextfönster och att den ingår i en agent.

Men vad visar egentligen Python-experimenten? Talkie har fått modern kunskap om Python, men inte genom träning, utan genom “in-context learning”, alltså via promptar. Det ger inte alls samma förmåga att generalisera, koda och felsöka i nya avancerade program, men den kan imitera mönster den identifierar i koden. Så är det med alla LLM.

Med “Chat Cyber”, menar du då https://chatgpt.com/cyber (OpenAI:s Trusted Access for Cyber, TAC)?

Den och Claude Mythos är väl egentligen avsedda för skydd och white-hat etisk hacking, och skurkar ska inte få använda dem. Men okej: Mythos klarade att planera och genomföra en 32-stegs företagsnätsattack i 3 av 10 försök. Men inte på eget initiativ. AI Takeover är fortfarande inte här.

Har du någon källa för felraterna 1/10 → 1/100 → 1/1000? De mätningar av hallucinationsfrekvens jag hittar är väldigt motsägelsefulla. Se till exempel: https://suprmind.ai/hub/ai-hallucination-rates-and-benchmarks/ .
Citera
2026-05-03, 15:58
  #1327
Medlem
DAGGER[X]s avatar
Citat:
Ursprungligen postat av guru1966
Dina inlägg är lärorika!

Talkie har alltså tränats enbart med data fram till 1930. Är ett syfte att se om den kan nå AGI i betydelsen att den utan mänsklig hjälp kan komma fram till liknande kunskap som människor har utvecklat sedan dess? Det är nog långt kvar – det skulle kräva ett enormt kontextfönster och att den ingår i en agent.

Men vad visar egentligen Python-experimenten? Talkie har fått modern kunskap om Python, men inte genom träning, utan genom “in-context learning”, alltså via promptar. Det ger inte alls samma förmåga att generalisera, koda och felsöka i nya avancerade program, men den kan imitera mönster den identifierar i koden. Så är det med alla LLM.

Med “Chat Cyber”, menar du då https://chatgpt.com/cyber (OpenAI:s Trusted Access for Cyber, TAC)?

Den och Claude Mythos är väl egentligen avsedda för skydd och white-hat etisk hacking, och skurkar ska inte få använda dem. Men okej: Mythos klarade att planera och genomföra en 32-stegs företagsnätsattack i 3 av 10 försök. Men inte på eget initiativ. AI Takeover är fortfarande inte här.

Har du någon källa för felraterna 1/10 → 1/100 → 1/1000? De mätningar av hallucinationsfrekvens jag hittar är väldigt motsägelsefulla. Se till exempel: https://suprmind.ai/hub/ai-hallucination-rates-and-benchmarks/ .
Mängden hallucinationer är inte en konkret siffra utan jag tar som exempel, om du jämför hur mycket strunt Chat gjorde 2020 med nu så har antalet fel fallit med magnituder. En ingenjörsprincip är att det ska vara 1 på 10.000 eller en på miljonen chans att något brister för att det ska vara okej att bygga ut, ungefär så tänker jag. Tror absolut inte att Mythos eller Chat motsvarande version blir till Skynet, men du ser potentialen. Vi har en tråd här på forumet där folk senast för något år sen trodde det skulle ta tio år innan AI kunde koda öht. Talkie var helt klart underlägsna modeller som fått scanna internet i att koda men det är principen som räknas. Demis hårda specifikation på AI är intressant, med tanke på hur det går med Erdos problem och AI som kan skriva hela genom känns det inte så långsökt. Det som jag tror hände för 50.000 år sedan var att människor hade en hjärna som körde händer fötter och mun i stort sett på autopilot, där fullt medvetande körde igång när man interagerade med andra människor. I någon grotesk pleistocen klimatförändring var det något gäng där dom mentala väggarna rasade ner och helt plötsligt kunde dom som ett mjukvaruhack börja designera stenar, djur, väder som andra människor. Exceptionellt hårda förhållande lät bara exceptionella individer och grupper överleva och passera sin genetiska information. Helt plötsligt var världen full med nya människor, verktyg, djur t.o.m solen och månen var personer som du kunde förstå och förhandla med. Medvetandet blev ett multiverktyg efter alla ändlösa millennier av mental stasis, hårdvaran i hjärnan fanns nog i stort sett klar långt innan den här snabba förändringen. Sen började dom gjuta in mening i symboler. Något liknande kan mycket väl hända här med digital intelligens, alla verktygen ligger framme och håller på att skruvas ihop. Jag tror det är oundvikligt på 10-15 år ifall ingen katastrof knockar oss, kanske mycket kortare tid än det.
Citera
2026-05-03, 17:26
  #1328
Medlem
BeneathTheSurfaces avatar
Citat:
Ursprungligen postat av guru1966
Om t.ex. Alan Turing vaknade ur sin grav och testade moderna LLM:er tror jag att han skulle kalla dem AGI, eftersom de redan matchar flera tidiga kriterier:

* imitation av mänsklig intelligens
* “human-level performance” på många kognitiva uppgifter
* svar som ofta är svåra att skilja från en människas
* ekonomiskt användbar artificiell intelligens

Dessutom uppvisar LLM:er partiell “superintelligens” inom språk, och närmar sig detta inom programmering och matematik. Inom bild och musik överträffar generativ AI redan många experter.

AGI-begreppet har skärpts sedan hans tid – till generell problemlösning på 1970-talet till planering och självständig inlärning. Där är vi inte ännu.

Pga att definitionen förändras tror jag du har rätt. Framtidens historiker kommer inte att kunna peka ut en exakt tidpunkt då AGI nåddes. Däremot finns en tydlig brytpunkt: när de första praktiskt användbara LLM:erna kom – GPT-3 (2020) eller Copilot (2021). Redan då började AI försiktigt bidra till sin egen kod och utveckling, genom att den assisterar sina mänskliga utvecklare.

Hemligheten till självlärande och planerande system tror jag är itererande AI-agenter och kodagenter, som kan generera syntetisk träningsdata till sig själv. Itererande AI-agenter har blivit vanliga först nyligen, men de första dök upp redan kring årsskiftet 2022/23. De kommer nog att leda till backlash i form av många krascher och sårbarheter, som redan har framkommit. Så vägen framåt kommer att ha bumps.

Möjligen. Om den ekonomiska tillväxten skulle nå en tydlig brytpunkt så kommer man i framtiden att kunna peka på en tidpunkt när "teknologisk singularitet" inträffade.

Tror du verkligen Allan Turing var en idiot? Hela detta med "Turing testet" osv är helt missförstått av åtskilliga personer som inte läst minsta lilla rad av hans egentliga avhandling, han skrev faktiskt precis tvärtom vad många tror "att en maskin som kan imitera en människa genom statistiska verktyg inte är att anse artificiell intelligens.

Det står uttryckligen i "Computing Machinery and Intelligence" att det han avsåg att identifiera var lärande maskiner, inte statistiska imitatörer. Utan tvärtom så är han väldigt noga att påpeka just det att man inte ska förvilla sig med "imiterande" algoritmer.

Det är rent av skrämmande när det kommer påstående som dessa, där en av de största inom grundläggande datorvetenskap mer eller mindre får åsikter tillskrivna sig, som denne redan identifierat långt innan datorer ens i dess nuvarande form existerade.

Statistik osv var ett av hans starkaste ämnen, och hela grunden till att Engima knäcktes att, dessutom som sagt skrivit stora avhandlingar om ämnet tänkande maskiner där han utrycklingen formulerar att en grundbult är just att maskinen ska vara förmögen att forma sina egna tankar helt självständigt och inte reaktivt forma dessa som respons på indata.

Och vad det gäller turing testet rekommenderar jag du läser detta noga så du faktiskt förstår vad det egentligen handlade om, https://en.wikipedia.org/wiki/Computing_Machinery_and_Intelligence
Citera
2026-05-03, 19:33
  #1329
Medlem
Citat:
Ursprungligen postat av BeneathTheSurface
Tror du verkligen Allan Turing var en idiot? Hela detta med "Turing testet" osv är helt missförstått av åtskilliga personer som inte läst minsta lilla rad av hans egentliga avhandling, han skrev faktiskt precis tvärtom vad många tror "att en maskin som kan imitera en människa genom statistiska verktyg inte är att anse artificiell intelligens.

Det står uttryckligen i "Computing Machinery and Intelligence" att det han avsåg att identifiera var lärande maskiner, inte statistiska imitatörer. Utan tvärtom så är han väldigt noga att påpeka just det att man inte ska förvilla sig med "imiterande" algoritmer.

Det är rent av skrämmande när det kommer påstående som dessa, där en av de största inom grundläggande datorvetenskap mer eller mindre får åsikter tillskrivna sig, som denne redan identifierat långt innan datorer ens i dess nuvarande form existerade.

Statistik osv var ett av hans starkaste ämnen, och hela grunden till att Engima knäcktes att, dessutom som sagt skrivit stora avhandlingar om ämnet tänkande maskiner där han utrycklingen formulerar att en grundbult är just att maskinen ska vara förmögen att forma sina egna tankar helt självständigt och inte reaktivt forma dessa som respons på indata.

Och vad det gäller turing testet rekommenderar jag du läser detta noga så du faktiskt förstår vad det egentligen handlade om, https://en.wikipedia.org/wiki/Computing_Machinery_and_Intelligence

Nej, Turing avfärdar inte imitation. Hans test är ett imitationstest som han introducerar för att göra maskinintelligens empiriskt testbar och observerbar. Turingtestet är därför ett av flera legitima kriterier för maskiners intelligens.

Men okej, du har rätt i att Turing ofta misstolkas. Han såg inte imitation som en fullständig definition av tänkande och intelligens. Han betonade också lärande (“child machines”).

Han diskuterar att maskiner har andra mekanismer och former av intelligens än människor: “may not machines carry out something… very different from what a man does?” Därför är det svårt att definiera intelligens och tänkande utifrån mekanismen. Han undviker därför att direkt besvara frågan om maskiner kan tänka, och ersätter den i stället med frågan om maskiner kan imitera mänskligt beteende.

Så Wikipediaartikeln ger både mig och delvis dig rätt. Min poäng var att Turing inte hade en modern AGI-definition, det begreppet började inte användas förrän många decennier efter hans död. Han skulle sannolikt erkänna att dagens LLM uppvisar mätbara aspekter av intelligens enligt hans kriterie (särskilt språklig imitation). Samtidigt är det möjligt att han också skulle erkänna deras begränsningar utifrån andra aspekter av intelligens som han såg som svårare att mäta. Exempelvis har de bara en begränsad nivå av inlärning jämfört med en människa.
__________________
Senast redigerad av guru1966 2026-05-03 kl. 19:52.
Citera
2026-05-03, 21:08
  #1330
Medlem
BeneathTheSurfaces avatar
Citat:
Ursprungligen postat av guru1966
Nej, Turing avfärdar inte imitation. Hans test är ett imitationstest som han introducerar för att göra maskinintelligens empiriskt testbar och observerbar. Turingtestet är därför ett av flera legitima kriterier för maskiners intelligens.

Men okej, du har rätt i att Turing ofta misstolkas. Han såg inte imitation som en fullständig definition av tänkande och intelligens. Han betonade också lärande (“child machines”).

Han diskuterar att maskiner har andra mekanismer och former av intelligens än människor: “may not machines carry out something… very different from what a man does?” Därför är det svårt att definiera intelligens och tänkande utifrån mekanismen. Han undviker därför att direkt besvara frågan om maskiner kan tänka, och ersätter den i stället med frågan om maskiner kan imitera mänskligt beteende.

Så Wikipediaartikeln ger både mig och delvis dig rätt. Min poäng var att Turing inte hade en modern AGI-definition, det begreppet började inte användas förrän många decennier efter hans död. Han skulle sannolikt erkänna att dagens LLM uppvisar mätbara aspekter av intelligens enligt hans kriterie (särskilt språklig imitation). Samtidigt är det möjligt att han också skulle erkänna deras begränsningar utifrån andra aspekter av intelligens som han såg som svårare att mäta. Exempelvis har de bara en begränsad nivå av inlärning jämfört med en människa.

Det låter som du använt AI för att komma fram till den slutsatsen...

Turing var väldigt explicit it att systemen skulle lära sig, han tes var att man kunde börja med schack sedan lära det systemet engelska tex. Så har vare sig utvecklingen gått till eller fungerat. Det är helt skilda konstruktioner och ingen av dom är bra på respektive sak.

Vi har ingen AGI idag, vi har ingen roadmap till en AGI heller eftersom vi helt enkelt inte kommit på tekniken dit, om det är möjligt (vare sig praktiskt eller teoretiskt) eller inte artificiellt är ytterligare en fråga som är omöjlig att besvara på .

Men det är väldigt osannolikt att Alan Turing hade tyckt dagens språkmodeller är där och det finns som sagt hur mycket underlag som helst att peka på i de papper han skrev.

Hade han tyckt dagens språkmodeller var fantastiska? Det finns troligtvis många historiska personer som ansett teknik vi har idag som bluetooth, wifi, internet, datorer rent generellt osv hade varit nära på häxkonster och magi.

Precis som majoriteten som tittar på just trollkarlar kan tycka det är helt otroligt, tills de vet hur skiten fungerar bakom kulisserna.

Det finns inget att argumentera om här annat än om du vill fortsätta med ditt självbedrägeri och väljer att tro att språkmodeller och deep learning kan göra sådant det inte kan.
Citera
2026-05-03, 21:20
  #1331
Medlem
Bilderberg78s avatar
Det enda som hindrar mina experiment är pengar. Hårdvara samt öppna labb-versioner av modellerna.
Hittills så kan jag bara gissa lite bättre än förr Men jag försöker i alla fall sätta mig in i frågan genom praktiska övningar på detaljnivå. Så ni får gärna kasta första stenen på vem ni vill, mitt
samvete är rent genom detta uttalande.
Citera
2026-05-03, 21:24
  #1332
Medlem
DAGGER[X]s avatar
Citat:
Ursprungligen postat av Bilderberg78
Det enda som hindrar mina experiment är pengar. Hårdvara samt öppna labb-versioner av modellerna.
Hittills så kan jag bara gissa lite bättre än förr Men jag försöker i alla fall sätta mig in i frågan genom praktiska övningar på detaljnivå. Så ni får gärna kasta första stenen på vem ni vill, mitt
samvete är rent genom detta uttalande.
AI 2027 scenariot som jag har uppe i en annan tråd sa så här om våren 2026
Citat:
Early 2026: Coding Automation The bet of using AI to speed up AI research is starting to pay off.
OpenBrain continues to deploy the iteratively improving Agent-1 internally for AI R&D. Overall, they are making algorithmic progress 50% faster than they would without AI assistants—and more importantly, faster than their competitors.
The AI R&D progress multiplier: what do we mean by 50% faster algorithmic progress?
Several competing publicly released AIs now match or exceed Agent-0, including an open-weights model. OpenBrain responds by releasing Agent-1, which is more capable and reliable.28
People naturally try to compare Agent-1 to humans, but it has a very different skill profile. It knows more facts than any human, knows practically every programming language, and can solve well-specified coding problems extremely quickly. On the other hand, Agent-1 is bad at even simple long-horizon tasks, like beating video games it hasn’t played before. Still, the common workday is eight hours, and a day’s work can usually be separated into smaller chunks; you could think of Agent-1 as a scatterbrained employee who thrives under careful management.29 Savvy people find ways to automate routine parts of their jobs.30
Citera

Skapa ett konto eller logga in för att kommentera

Du måste vara medlem för att kunna kommentera

Skapa ett konto

Det är enkelt att registrera ett nytt konto

Bli medlem

Logga in

Har du redan ett konto? Logga in här

Logga in