Ledande AI-teknologi är olämplig för AGI - eller att uppnå prognoser på ersatta jobb

Och jag frågar återigen varför behövs en LLM i ett system som skulle kunna koppla samband med effekt? Det hade LÄRT sig "prata" med oss, våra stämband är inte egna enheter som producerar tal av sig självt.

Faktum är att LLMer är extremt jäkla oflexibla egentligen eftersom de har ett vokabulär, alltså en lista på tokens som de kan producera och förstå. de kan inte lära sig ett nytt token, de kan bara kombinera dom de har medans en människa kan lära sig styra stämband på ett sätt som de aldrig gjort tidigare om dessa skulle bli skadade eller vad som helst...

Man kan inte diskvalifivera AGI bara för att den har specialiserade moduler. Det vore som att diskvalificera människor för att de kan höra.

Varför svarar du inte på den bokstavliga kärnan i problemet samt ämnet för trådstarten: Vad för teknologi finns för att på ett lika bra sätt som människan välja rätt modul, eller kombination av moduler även för nya problem?

Svaret i branschen verkar ju vara LLM, och problemet med LLMs har redan beskrivits av mig flera gånger, och ignorerats av dig lika många gånger.

Du verkar smått religiös och okritisk kring detta. Knappast en bra egenskap att ha i ditt eget AI-byggande...

Du kan ju inte ge mig en kognitiv uppgift som en AI inte kan lösa.

På vilket sätt skiljer sig "artificial neural networks" mellan en LLM och en ImageGenAI? Det är väl samma svarta låda. Skillnaden är i hur den har tränats.

För tusende gången, måttstocken för AGI är inte att det finns ett AI för alla kognitiva uppgifter (det gör det såklart inte heller - ingen AI kan resonera kring moraliska frågor, till exempel). Måttstocken för AGI är att ett AI klarar alla kognitiva uppgifter lika bra som människan. Du har flera gånger misslyckats med att beskriva hur det kommer att ske.

Nej det är helt olika algoritmer...

Nu pratar du om träningsalgoritmen. De ser såklart lite olika ut om målet är Text-AI eller Bild-AI, men det som skapas är ju i båda fallen "artificial neural networks" som är en svart låda som du inte kan redogöra för varför det fungerar så bra som det gör, du kan ju bara förklara principen för hur det fungerar. Och poängtera att principerna för träningen kan skilja sig åt. Ditt huvudsakliga argument är att du tycker att de principerna inte kan leda till AGI. Jag jobbar inte så. Jag jobbar inte med tyckande. Jag utgår från vetenskapliga undersökningar om kognitiva förmågor, inte min åsikt om tekniken.

Nej jag pratar om totalt olikt uppbyggda arkitekturer, det borde du väl veta med tanke på hur mycket du diskuterar detta ämne?

Du tror alltså att en autoregressiv LLM är uppbyggd på exakt samma sätt som en diffusion modell men bara blivit tränad på olika sätt...

Vi kan ju testa. Ge mig en kognitiv uppgift som du menar att en AI inte kan lösa. Kan du det eller kan du inte det?

Otroligt intressant artikel som säger det jag har sagt här i forumet tidigare, men med mer kunskap och bakgrundsinformation än vad jag själv någonsin kommer att kunna bidra med. Det går att få en billig prenumeration och det är det värt redan för denna artikel. Kort sagt:

-Lanseringen av LLMs bland företagande är inte så framgångsrik eller linjär som många har velat göra gällande - det har ofta fungerat dåligt, och LLMs har ofta gjort dyrbara misstag.

-Detta är inget som vidare utveckling av LLMs kan göra något åt, eftersom teknologin helt saknar förmåga att resonera. LLMs är probabilistiska modeller och kommer alltid att förbli det, och kommer således alltid att ha denna brist. Hallucinationer och jailbreaks kommer alltid att förbli problem.

-En alternativ, regelbaserade teknologi är inte heller ett alternativ, eftersom det är omöjligt att skapa tillräckligt många regler för att täcka in alla eventualiteter i exempelvis en kontakt med kundtjänst. Den har därför valts bort av AI-industrin till förmån för LLMs. Algoritmer är dessutom utvecklade sedan flera decennier och har såklart möjliggjort enorm automatisering i arbetslivet, men är som sagt inte ett alternativt för AGI eller för att ånyo leda till enorma skillnader i hur vi arbetar i framtiden just eftersom det finns ett "tak" i hur många eventualiteter som kan kartläggas.

Diskutera: Medan AI naturligtvis förändrar arbetslivet kommer det inte att uppnå förhoppningar om hur många jobb som kan ersättas. AI-industrin måste således vara övervärderad - möjligen med väldigt mycket. Medan det såklart ger avtryck på arbetsmarknaden kommer AI alltid att komplimentera människor på ett liknande sätt som algoritmer har gjort de senaste decennierna.

Är jag en bakåtsträvande maskinstormare med överdriven rädsla för AI? Kanske, men det ska sägas att jag använder AI flitigt i arbetet och ser fram emot att utforska vad det kan göra för mig.

Tja, Winogrande benchmark kanske?