När når vi AGI?

Vad talar du om, jag simulerar hypoteser hela tiden.

Inget bemötande när svaren ej finns...du har övertro på beräkningskraft imo..
Vi kan simulera en hypotes, vad vill du få fram?
Lå oss först komma fram till en sak så du slipper ordbajsa.

Tror du att generativ AI har någon kausalitet , kreativitet eller kan " resonera"?

Slappna av, jag gick inte i polemik med dig, utan tvärtom så instämde jag i det du skrev och fyllde på. Självklart hade AI klarat av att knäcka Linear B idag om man precis upptäckte Linear B (och för den delen, gamla kilskrifterna på assyrisk och babylonisk akkadiska, elamitiska och persiska, Rosettastenen, och sist men inte minst, sumeriska!). Sånt hade ju varit varit en enkel match för AI om till och med människor klarade av det på några fåtal år. Den mer intressanta frågan blir om AI klarar av att knäcka Linear A och Indus Valley skriptet som sagt. Femhundra år är inte så stort gap mellan äldre grekiska dialekter och Linear B; det är tillräckligt med kunskap om äldre grekiska dialekter för att Linear B skulle bli transparent som en äldre grekisk dialekt. Särskilt också med tanke på att man vid det laget hade betydliga rekonstruktioner för inte bara proto-grekiska utan även proto-indoeuropeiska. Apropå PIE, det mer intressanta i sammanhanget här kommer att bli AGI-robotar som pratar perfekt (eller så nära det går), proto-indoeuropeiska; de kommer att kunna rekonstruera PIE långt bättre än vad de bästa lingvisterna hittills har kunnat (som för övrigt har gjort ett imponerande men otillräckligt jobb). Schleicher's fable på äkta PIE hade varit coolt!

https://en.wikipedia.org/wiki/Schleicher%27s_fable

Här var vi de riktiga AI-pionjärerna: https://people.idsia.ch/~juergen/deep-learning-history.html
Riktiga legender!

Han är riktigt skärpt Jürgen Schmidhuber: https://www.youtube.com/watch?v=_03y-bf6bds

Det saken gällde. Gå tillbaka och läs.

Ja man lyckas ju göra större LLM'er och har baxat i mer data. Större databas.
Och så har man baxat in lite verktyg. T ex räknedosa så de räkna bättre.
Och det är förbättringar. Mer data och lite verktyg. Men det ger ingen förståelse.


Och här visar EliasAlucard sin stora tankeförmåga.
Jag använder som koncept schack för att visa att LLM'er inte förstår något.

Då visar EliasAlucard att han inte heller förstår något. Och förstår definitivt inte att schack var bara något som användes för att visa avsaknad av förståelse.

Ja, man hur ska då EliasAlucard kunna förstå att LLM'er inte förstår?

Jag ser ingen framkomligt väg.


Och som det nu är adderar man det till träningsdatat och så tränas det in under ett halvår eller så.

Ganska stor skillnad mot hur människor kan göra.


Jag gör inte det. Finna andra som gör det. Fråga dom.


Du påstod.
Jag synade.
Du falerade på att redogöra. 0 redogörelse. Istället frågade du vad jag trodde.

Och du verkar inte fatta vilket misslyckande det är.
Alla vet nu att du bara sitter och yrar.


Informationen att din LLM inte ens startar med den ynkliga hårdvaran är uppenbarligen inget som kan fasta i din hjärna. Levererat flera ggr nu av mig.

Nja, det är fel. Orsaken är istället att man använder HBM-minne. Och det förbrukar mycket mer kisel/GB. Det betyder att minnesproducenterna får ut mycket mindre GB än tidigare per år.
Det gör att priserna stiger. (Tills man kan köra fler skivstarter Kommer tyvärr ta ett tag.).
EliasAlucard uttalar sig utan att ha förståelse här också.


Var och en får väl avgöra om EliasAlucard är rätt person att avgöra det.


Ser ut som EliasAlucard har lärt sig några akronymer mm. Men det är inte att ha förståelse.

Man kan ju stilla fråga sig varför inte LLM-bolagen använder sina produkter för att förbättra sitt eget arbete. T ex kunde ju SpaceX använda Grok för att lösa problemen dom har. Verkar ju dumt att dom inte gör det.

Alternativt så är LLM'erna inte till någon nämnvärd hjälp. Och EliasAlucard är ute och cyklar.

Han kan uppenbart inget om detta ämne precis som andra han försöker posta väggar av text om.
Men det är så dünning krüger fungerar.

Om du snart är klar med dina shit-posts kanske du kan ta en sekund och svara på när du tror att vi når AGI? Dvs, trådens ämne. Eller ska vi härleda från dina insatser här att mänskligheten är för korkad för att bygga en AGI? Din karrirär på Flashback går ju i stort sett ut på att dumförklara alla andra. Och därför blir det ingen AGI, människor är för korkade?

På ett lite oväntat sätt har du kanske en poäng ändå. Människor är absolut för korkade för att "programmera" fram en AGI. Därför bygger man nu väldigt kompetent AI som med RSI och automatiserad forskning kan bygga ännu mer kompetent AI med målet att nå AGI. Jag tror att någon part lyckas inom ett år, kanske två år. Vad tror du? 100 år? Aldrig?

Kan du hålla dig till ämnet för en gångs skull tror du?

Tidigare lät det ju att det räckte att bara skala upp allting så skulle vi få AGI? Om det istället är så att det krävs något helt nytt som vi människor är för dumma för att komma på, vad är det som säger att AI ska klara av det?

Om jag tidigare har påstått att endast uppskalning, dvs fler chip, automatiskt leder till AGI och att inget annat än det behövs, då har jag påstått fel. Jag tror inte att jag har påstått det exakt så. Men om det är så ber jag om ursäkt, då var det felaktigt tänkt av mig i så fall.

Det jag faktiskt tror nu är att en kombination av RSI, automatiserad forskning OCH uppskalning av beräkningskapacitet troligen kommer att leda till AGI.

Om man senare skulle mäta AGI-utvecklingen i ren beräkningskapacitet skulle man hitta en stark korrelation mellan ökad beräkningskapacitet och AGI. Men det finns så klart fler ingredienser i soppan som har betydelse för slutresultatet än bara antal AI-chip/TOPS, det trodde jag var en självklarhet.

Du har ju inte lyckats bevisa det nej.

Snygg argumentation. Det är ingen vanlig "räknedosa", utan nu har ChatGPT lyckats lösa matematiska ekvationer som har varit olösta i 176 år:

https://en.wikipedia.org/wiki/Navier%E2%80%93Stokes_equations

De bästa matematikerna sitter just nu as we speak, och fortfarande försöker förstå hur ChatGPT har lyckats lösa dessa ekvationer (de har ännu inte förstått beräkningarna). Och det här är bara början! Vissa menar att vi är inne i den teknologiska singulariteten nu efter att Navier-Stokes ekvationerna knäcktes av ChatGPT häromdagen; svårt att argumentera emot det, men du kan ju försöka!

Att lösa matte-ekvationer på den här nivån och påstå att AI saknar förståelse för matte, det är ju bara ett efterblivet påstående.

Ja, tids nog så kommer du kanske förstå basala, grundläggande koncept.

“The stupid person thinks, he's as smart or smarter than the smart person, and therein lies his stupidity.” ― Chris Langan

Som sagt, schackmotorer som Stockfish och Komodo Dragon är redan ASI, och har varit det i 5-10 år nu om inte längre bak än så (minns inte exakt när det blev omöjligt för de bästa mänskliga spelarna att vinna mot dem, men så har det varit ett bra tag nu). Stockfish använder dessutom neurala nätverk för att selektera de bästa dragen, så det är inte bara renodlad brute force, och räknas därmed också som artificiell intelligens.

Att dagens LLMs inte har optimerats för just schack (eller Shogi, Go, fia med knuff eller vilket annat brädspel som helst), det är dels inte särskilt konstigt och dels helt irrelevant: det har inte varit prioriterat hittills. Det är liksom inte schack som de har lagt krutet på bland de stora AI-labben, just för att det inte är ett fokusområde och för att ASI har redan uppnåtts sedan långt tillbaka inom schack (redan på 1990-talet besegrade IBM's PowerPC baserade Deep Blue, Kasparov, med 3½–2½; idag hade det varit 100-0 med en vanlig laptop om Kasparov mötte Stockfish). Varför skulle schack vara högsta prioritering att förstå i dagsläget för LLMs? Vi har ju redan ASI på den fronten, så vad är poängen att perfektera något som redan är på supermänsklig nivå? Det är av betydligt större vikt med språk, programmering, matte och konst, annars hade det ju inte gått att få ut något av chatbottarna. Varför menar du att AI-labben ska återuppfinna schackhjulet när det problemet redan är löst?

Tids nog så kommer LLMs att bli bättre än människor på schack också ska du se, och det måste de bli bättre än människor på om de ska kvala in som AGI och senare ASI, men just nu är schack ett bra exempel på att LLMs inte är AGI riktigt än; LLM intelligensen är ojämn just nu och AI i dagsläget är AGI eller till och med ASI på vissa områden men inte alla områden, men detta är av mindre betydelse eftersom schack helt enkelt inte har varit prioriterat, inte för att LLMs "inte klarar av att förstå schack" eller att det skulle vara särskilt svårt att träna upp LLMs på att bli ASI schackspelare.

Skulle AI-labben börja träna upp ChatGPT, Claude osv för att bli bra på schack så hade det inte dröjt särskilt länge, mindre än ett halvår, innan de totalt överträffar alla människor på schack. Och detta kommer att ske snart också.

Ja, och din poäng är? Hur lång tid behöver du för att bli världens bästa schackspelare? Kan du bli det på ett halvår? Retorisk fråga om du inte förstod det.

Men det är ju du som påstår att LLMs inte är AGI, då ligger bevisbördan på dig att förklara varför det inte är AGI.

Jag anser att dagens chatbottar är nära AGI, och på vissa områden så är de redan AGI (t.ex. att förstå vanliga språk), eller nära AGI (programmering), och vissa områden är de redan ASI (matte har åtminstone den osläppta ChatGPT modellen som användes för att knäcka Navier-Stokes ekvationerna, uppnått ASI).

Du har inte synat någonting. Oavsett vad du säger så är vi verkligen nära AGI nu; det är inte ett skämt eller falsk marknadsföring för att hypa upp chatbottarna, utan det är så läget ser ut just nu, och chatbottarna kommer inte att bli trögare utan vi kommer att få AGI antagligen nästa år (eventuellt redan i år) eller under kommande två åren. När vi väl får AGI så kommer verklighetsfrånvända förnekare som du själv fortfarande påstå att det inte är AGI och försöka hävda att de bara är "språkmodeller" som spottar ut "generativa" svar utan att förstå någonting osv.

Ja det var ju en skarp analys

Vad spelar det för roll om trycket ligger på HMB? Det påverkar ju ändå priserna på all sorts RAM. Alla RAM-minnen har ökat enormt i pris som resultat. Tar du vanliga DDR4-RAM som för något år sedan kostade runt en tusenlapp för 64 GB, så kostar exakt samma RAM idag mellan 7 till 13 lax! Och ja, du läste rätt: DDR4, inte DDR5! Det är 7-13 gånger dyrare nu för utdaterat DDR4 RAM. Allt RAM är rejält dyrare nu, just för att AI-datacenters slukar RAM-minnen och så kommer det att förbli; priserna på RAM minnen kommer inte att sjunka. Och eftersom det är kisel vi pratar om så innebär det att priserna på processorer och grafikkort också ökar.

Så RAM-ageddon är på riktigt, och det beror som sagt på att AI-labben slukar RAM-minne, vilket påverkar priserna på alla RAM-minnen.

Sluta tramsa, besvara mina argument med riktiga motargument istället.

Just Grok kanske inte är bästa chatbotten just nu för att lösa olika problem. SpaceX behöver väl förbättra den så att den kommer upp i samma nivå som ChatGPT, Claude och Gemini, innan de kan lösa större problem (Grok är på ungefär samma nivå som de kinesiska open weight modellerna). Men ja, dessa chatbottar används för att lösa olika problem. Vilka problem menar du att de inte lyckas lösa? Om du ska komma med så här lösa påståenden så får du faktiskt ge bra exempel, annars så är det ju bara din åsikter och tyckande utan något att stå på. Har du hört talas om AI-läkemedel? LLMs används just nu för att ta fram läkemedel, som t.ex. Rentosertib, och OpenAI designade nyligen deras egen CPU med hjälp av ChatGPT. Där har du bara några exempel på "problem" som man använder AI för att lösa, och mer av den varan är på väg.

Och mig kunde du inte ens svara?
Du säger att du vill simulera hypoteser, diskutera .

Sedan kommer du in med reklam från USA och skriker dig hes?
Fan för en diskussion, svara på mina frågor eller är du för ointelligent för att föra basla resonemang?

Tvärtom står det i mitt inlägg.


En räknedosa var vad jag skrev eftersom det handlade om att räkna. Alltså att utföra ordinära beräkningar. Ett NN är inget vidare på det. Bättre då att lägga ut det på en räkndosa.

Men detta var för komplicerat för EliasAlucard.


Du kan ju försöka träna upp ett NN då på ordinära räkneoperationer.
Blir väldigt dyrt jämfört med en räknedosa.

För en LLM blir detta väldigt knöligt dessutom, för räknejobben uppstår mitt i deras groteska nät. Väldigt vettigt då att göra off load på en räknedosa.

Men detta var för komplicerat för EliasAlucard.


Jag är dock inte säker på att jag kan säga detsamma.


Ja, och det finns en del som borde ta det till sig.


Det är ett kul påstående som jag med varm hand lämnar över till andra. Gissar att samtliga läsare i delforumet får förhöjt blodtryck här.


Det har jag ju berättat. Varken du eller LLM'er förstår något.


Har jag väl i sig inte sagt. Jag har visat att LLM'er inte förstår något.


Då förstår du inte vad "syna" betyder.

Som jag förklarade för dig:

Du påstod.
Jag synade.
Du falerade på att redogöra. 0 redogörelse. Istället frågade du vad jag trodde.

Och du verkar inte fatta vilket misslyckande det är.
Alla vet nu att du bara sitter och yrar.

Bara enkla korta meningar. Men det hjälpte inte.


Analys var det väl inte. Jag bara förklarade verkligheten för dig. För nte gången. Men informationen går inte fram.


Nja, jag bara förklarade hur det ligger till. Primärt för andra läsare. Du tar iaf inte emot information.


Har jag gjort. Men var ser någon att EliasAlucard ens noterat det.


Den är ett stort åbäke som är tränad på massor av data.
Och dom har ju tillgång till sitt interna stora åbäke, som tränas sedan årsskiftet. Kommer inte ihåg hur många vikter det var. Men det var klart större än nuvarande. Lär inte räcka ens med ett helt H100 rack för att den skall starta.

Om nu det är så kompetent, varför kan inte det lösa problemen då?