Citat:
Nej, de är inte stokastiska, de uppför sig förutsägbart eftersom de är regelstyrda, men de kan modifiera sina regler med tiden, dvs lära sig saker.
Vore de stokastiska skulle samma prompt ge olika resultat vid olika tillfällen, men det gör den inte.
Vet du verkligen vad stokastisk betyder?
Vore de stokastiska skulle samma prompt ge olika resultat vid olika tillfällen, men det gör den inte.
Vet du verkligen vad stokastisk betyder?
Jag hade betalat mycket pengar för se dig förklara hur en model som GPT5 är tränad vid en whiteboard, och särskilt höra mer om dom här reglerna
Citat:
Nej fan, upp på hästen!
Citat:
Japp.
Vill man se det ur en teknisk-logisk-vetenskaplig-statistisk synvinkel så klarar nuvarande AI:n inte av att hantera kausal inferens. Det är ett tydligt tecken på att AI:na saknar "intelligens" och utan intelligens blir det inte några nya upptäckter.
På sin höjd kan AI hitta nya orsakssamband mellan det vi redan vet (och som AI:n därför också potentiellt "vet"), men det förutsätter att AI:n tillförlitligt klarar av just "kausal inferens".
Alla som har använt AI har antagligen stött på dess brister gällande just kausal inferens, utan att veta att det heter just det (
). Det är alltså när den drar fel slutsats gällande ett orsakssamband. En enkel variant skulle vara att AI:n påstår att "det regnar för att människor har fällt upp sina paraplyer", istället för att "människor har fällt upp sina paraplyer för att det regnar".Det är inte bara AI:n som har problem med kausal inferens, det är en av de vanligast förekommande bristerna i vetenskaplig forskning, speciellt när det gäller tolkning av statistiska resultat. Men den mänskliga forskningen är självkorrigerande eftersom alla resultat granskas i nåt skede, och speciellt om man tänker försöka använda dem till nånting. Men hela idén med att istället kunna använda AI faller ju litet platt till marken om man ändå måste granska precis allt den påstår.
Ovanstående betyder inte att AI inte skulle vara användbar redan idag, det är den förstås. Men absolut INTE som en nyskapande intelligent entitet. Tvärtom är den huvudsakliga funktionaliteten att den gör samma grejer som vi redan kan både snabbare och med ett större underlag än enskilda människor klarar av. Så AI:n är redan idag oslagbar inom uppgifter där den klart och tydligt kan jobba inom givna ramar och med ett massivt, entydigt och klart underlag. Som den mest effektiva men inte vidare smarta slav mänskligheten nånsin hittat på.
Men AI:n är fortsättningsvis förhållandevis ointelligent såtillvida att den bara kan omskapa, den kan inte nyskapa. Och trots all hype och all hybris så är det förhållandevis långt kvar tills den når dit.
Citat:
Japp.
Vill man se det ur en teknisk-logisk-vetenskaplig-statistisk synvinkel så klarar nuvarande AI:n inte av att hantera kausal inferens. Det är ett tydligt tecken på att AI:na saknar "intelligens" och utan intelligens blir det inte några nya upptäckter.
På sin höjd kan AI hitta nya orsakssamband mellan det vi redan vet (och som AI:n därför också potentiellt "vet"), men det förutsätter att AI:n tillförlitligt klarar av just "kausal inferens".
Alla som har använt AI har antagligen stött på dess brister gällande just kausal inferens, utan att veta att det heter just det (). Det är alltså när den drar fel slutsats gällande ett orsakssamband. En enkel variant skulle vara att AI:n påstår att "det regnar för att människor har fällt upp sina paraplyer", istället för att "människor har fällt upp sina paraplyer för att det regnar".
Det är inte bara AI:n som har problem med kausal inferens, det är en av de vanligast förekommande bristerna i vetenskaplig forskning, speciellt när det gäller tolkning av statistiska resultat. Men den mänskliga forskningen är självkorrigerande eftersom alla resultat granskas i nåt skede, och speciellt om man tänker försöka använda dem till nånting. Men hela idén med att istället kunna använda AI faller ju litet platt till marken om man ändå måste granska precis allt den påstår.
Ovanstående betyder inte att AI inte skulle vara användbar redan idag, det är den förstås. Men absolut INTE som en nyskapande intelligent entitet. Tvärtom är den huvudsakliga funktionaliteten att den gör samma grejer som vi redan kan både snabbare och med ett större underlag än enskilda människor klarar av. Så AI:n är redan idag oslagbar inom uppgifter där den klart och tydligt kan jobba inom givna ramar och med ett massivt, entydigt och klart underlag. Som den mest effektiva men inte vidare smarta slav mänskligheten nånsin hittat på.
Men AI:n är fortsättningsvis förhållandevis ointelligent såtillvida att den bara kan omskapa, den kan inte nyskapa. Och trots all hype och all hybris så är det förhållandevis långt kvar tills den når dit.
Vill man se det ur en teknisk-logisk-vetenskaplig-statistisk synvinkel så klarar nuvarande AI:n inte av att hantera kausal inferens. Det är ett tydligt tecken på att AI:na saknar "intelligens" och utan intelligens blir det inte några nya upptäckter.
På sin höjd kan AI hitta nya orsakssamband mellan det vi redan vet (och som AI:n därför också potentiellt "vet"), men det förutsätter att AI:n tillförlitligt klarar av just "kausal inferens".
Alla som har använt AI har antagligen stött på dess brister gällande just kausal inferens, utan att veta att det heter just det (
). Det är alltså när den drar fel slutsats gällande ett orsakssamband. En enkel variant skulle vara att AI:n påstår att "det regnar för att människor har fällt upp sina paraplyer", istället för att "människor har fällt upp sina paraplyer för att det regnar".Det är inte bara AI:n som har problem med kausal inferens, det är en av de vanligast förekommande bristerna i vetenskaplig forskning, speciellt när det gäller tolkning av statistiska resultat. Men den mänskliga forskningen är självkorrigerande eftersom alla resultat granskas i nåt skede, och speciellt om man tänker försöka använda dem till nånting. Men hela idén med att istället kunna använda AI faller ju litet platt till marken om man ändå måste granska precis allt den påstår.
Ovanstående betyder inte att AI inte skulle vara användbar redan idag, det är den förstås. Men absolut INTE som en nyskapande intelligent entitet. Tvärtom är den huvudsakliga funktionaliteten att den gör samma grejer som vi redan kan både snabbare och med ett större underlag än enskilda människor klarar av. Så AI:n är redan idag oslagbar inom uppgifter där den klart och tydligt kan jobba inom givna ramar och med ett massivt, entydigt och klart underlag. Som den mest effektiva men inte vidare smarta slav mänskligheten nånsin hittat på.
Men AI:n är fortsättningsvis förhållandevis ointelligent såtillvida att den bara kan omskapa, den kan inte nyskapa. Och trots all hype och all hybris så är det förhållandevis långt kvar tills den når dit.
Det fetstilade stämmer inte. Ett exempel är t ex Googles AlphaEvolve som skapade en ny och förbättrad lösning till ett 50 år gammalt problem. Utöver det har du olösta Erdősproblem där LLM:er visat nytänk.
Det roliga med språkmodeller är att vi inte riktigt vet varför eller hur dom fungerar. Överlag håller jag med om ditt inlägg, men jag är nog mer ödmjuk för hur potenta dessa uppfinningar är.
Citat:
Eeh... "model som GPT5 är tränad vid en whiteboard" - Ärligt talat, fattar inte vad du skriver! Could be me! It-analfabet här. Sambon måste hjälpa mig installera en app, om det så räcker m att klicka på "Install"...
Fattar dock - och detta är basalt! - att LLM och alla algoritmer är synnerligen deterministiska.
Skapa ett konto eller logga in för att kommentera
Du måste vara medlem för att kunna kommentera