2026-10-26, 20:01
  #3001
Medlem
RandomNPCs avatar
Citat:
Ursprungligen postat av Cyborg2030
Kreativitet är subjektivt. Interpolation med slumpmässighet i en mycket stor informationsrymd kan se ut som en kreativ process för en vanlig människa.

De flesta människor är inte jazzmusiker och kan inte komponera en jazzig version av sveriges nationalsång. En stor AI-modell har tränats på otroligt många musikstycken och den kan därför skapa hundratals jazziga versioner av nationalsången och alla andra kända musikstycken från Sverige. Det här upplevs som kreativt av de flesta som bedömer det. Möjligen kan jazzmusiker reservera sig (och oftast gör de det nog av ren princip, vilket jag respekterar).
Tror du inte naturlig kreativitet finns? Det du skriver om är artificiell kreativitet. Alltså en ontologisk skillnad.
Citera
2026-10-26, 20:41
  #3002
Medlem
Cyborg2030s avatar
Citat:
Ursprungligen postat av RandomNPC
Tror du inte naturlig kreativitet finns? Det du skriver om är artificiell kreativitet. Alltså en ontologisk skillnad.
Ja, det finns en stor skillnad, men det gör ju ingenting om den som bedömer det hela upplever det AI-skapade som kreativt och användbart.

De flesta människor är inte så jävla kreativa de heller. De är ganska enkelspåriga och obegåvade. Den grad av kreativitet som AI-modeller trots allt kan prestera räcker långt och väl till många betraktare.
Citera
2026-10-26, 21:12
  #3003
Medlem
RandomNPCs avatar
Citat:
Ursprungligen postat av Cyborg2030
Ja, det finns en stor skillnad, men det gör ju ingenting om den som bedömer det hela upplever det AI-skapade som kreativt och användbart.

De flesta människor är inte så jävla kreativa de heller. De är ganska enkelspåriga och obegåvade. Den grad av kreativitet som AI-modeller trots allt kan prestera räcker långt och väl till många betraktare.
Men exempelvis forsking handlar inte bara om att gräva i information utan att uppfinna helt nya ting vilket AI inte kan.
Citera
2026-10-26, 23:24
  #3004
Medlem
Cyborg2030s avatar
Citat:
Ursprungligen postat av RandomNPC
Men exempelvis forsking handlar inte bara om att gräva i information utan att uppfinna helt nya ting vilket AI inte kan.
AI-modeller har uppfunnit/upptäckt/löst många nya saker. Proteinveckning, matematiska problem som människor inte har löst på hundra år, en ny klass av biologi, upptäckt nya material, osv. Vad har du själv gjort i den häraden? Du borde ju klara detta om du är mycket mer kreativ med din magiska hjärna?
Citera
2026-10-27, 01:36
  #3005
Medlem
RandomNPCs avatar
Citat:
Ursprungligen postat av Cyborg2030
AI-modeller har uppfunnit/upptäckt/löst många nya saker. Proteinveckning, matematiska problem som människor inte har löst på hundra år, en ny klass av biologi, upptäckt nya material, osv. Vad har du själv gjort i den häraden? Du borde ju klara detta om du är mycket mer kreativ med din magiska hjärna?
Nej du, att sortera i information har datorer alltid varit effektivare på men att komma med en helt ny paradigm klarar inte AI.
Citera
2026-10-27, 05:23
  #3006
Medlem
DAGGER[X]s avatar
Varför hade så många fel om AI? Intressant artikel om hur "experter" försökte pricka in när AI skulle klara matte, fysik osv. vs när det faktiskt hände.

Citat:
Superforecasters look worst; AI company CEOs look prescient but optimistic
Superforecasters have consistently expected slower progress than everyone else, so collectively have the worst track record.

This is clearly shown in the recent LEAP panel, but goes back to at least 2022, when superforecasters predicted compute used on the largest AI experiment would be $35m by 2024 and $100m by 2030, when in fact it was already likely over $100m by 2024, four years earlier.

Why did the best forecasters do so badly? I’d speculate it’s because the best way to predict short-term geopolitical events is to assume things will stay the same, or at least remain on trend, while AI is highly trend-breaking.

An incorrect implication of all this is that “expert views are useless”. Experts in AI were better at forecasting progress than the general public. And the main way experts have been wrong is not expecting progress to be even faster. In other words, they’ve been underhyping AI, rather than hyping it.

The AI company leaders, the people most accused of hype, are among the few who’ve erred optimistic. We don’t have many quantified predictions, but the ones that have resolved mostly came true, just sometimes later than suggested. Here are the ones I could find:

Jan 2025: Altman said agents would join the workforce in 2025. They trickled in but took off in early 2026.

Jun 2025: Altman said 2026 will see AI that can have novel insights (correct)

Oct 2025: Altman said an intern-level automated AI researcher would arrive by Sept 2026. OpenAI says it landed Sept 2026 (self-graded, but seems close)

Mar 2025: Dario said AI would write 90% of code in 3–6 months. Anthropic’s own codebase hit 80% after 14 months (too optimistic).

https://benjamintodd.substack.com/p/almost-every-ai-forecast-of-the-last

Citat:
OpenAI has announced three major scientific breakthroughs, spanning mathematics, computer science, and theoretical physics.

Mathematics: A proof of the local smoothing conjecture in all dimensions, which also resolves the Kakeya and Stein restriction conjectures.

Computer science: A disproof of the Exponential Time Hypothesis, a long-standing assumption about the computational difficulty of certain problems.

Physics: Rigorous existence proofs for quantum field theories, including QCD, alongside a completion of the Standard Model. The announcement addresses Yang–Mills existence but does not claim to solve the full Millennium Prize problem.

https://openai.com/index/building-scientific-understanding-with-academic-communities/


Citat:
Ursprungligen postat av RandomNPC
Visst, den emulerade intelligensen bildar ny kunskap ur information utan kreativitet vilket inte ger ett originellt nytillskott till världen. Det är endast interpolation i den befintliga informationsrymden. En mänsklig uppfinnare däremot kan extrapolera ur denna information och ge oss originell kunskap.

Det en vanlig människa gör en åtta timmars arbetsdag går att bryta ner till en massa mindre delmoment. Nästan allt går att göra med AI nu. Tror du kreativitet kommer förbi mänskligt? Det går att plocka isär och göra syntetiskt. Jag ser folk tabba ut ur Chat så fort jag öppnar dörren på vårt kontor...Vi är långt förbi den enkla llm-eran (2018-2020) med stokastiska papegojor. Dagens system använder llm som en kärna som gallrar och rensar sökrymden, intuitions-moduler för våra datorer. Datorer brukade vara dumma men nu är dom smarta. En modern AI är som en symfoniorkester med AI agenter med lång och korttids-minne, återkoppling, verifiering, evolutionära algoritmer. Och då är vi idag på MS-DOS nivå av AI, mycket mer kommer snart.
Citera
2026-10-27, 07:54
  #3007
Medlem
Bilderberg78s avatar
Citat:
Ursprungligen postat av DAGGER[X]
Varför hade så många fel om AI? Intressant artikel om hur "experter" försökte pricka in när AI skulle klara matte, fysik osv. vs när det faktiskt hände.



https://benjamintodd.substack.com/p/almost-every-ai-forecast-of-the-last



https://openai.com/index/building-scientific-understanding-with-academic-communities/




Det en vanlig människa gör en åtta timmars arbetsdag går att bryta ner till en massa mindre delmoment. Nästan allt går att göra med AI nu. Tror du kreativitet kommer förbi mänskligt? Det går att plocka isär och göra syntetiskt. Jag ser folk tabba ut ur Chat så fort jag öppnar dörren på vårt kontor...Vi är långt förbi den enkla llm-eran (2018-2020) med stokastiska papegojor. Dagens system använder llm som en kärna som gallrar och rensar sökrymden, intuitions-moduler för våra datorer. Datorer brukade vara dumma men nu är dom smarta. En modern AI är som en symfoniorkester med AI agenter med lång och korttids-minne, återkoppling, verifiering, evolutionära algoritmer. Och då är vi idag på MS-DOS nivå av AI, mycket mer kommer snart.
Substack bloggar är lite "sådär" som trovärdiga källor
Citera
2026-10-27, 15:24
  #3008
Medlem
Citat:
Ursprungligen postat av DAGGER[X]
Varför hade så många fel om AI? Intressant artikel om hur "experter" försökte pricka in när AI skulle klara matte, fysik osv. vs när det faktiskt hände.



https://benjamintodd.substack.com/p/almost-every-ai-forecast-of-the-last



https://openai.com/index/building-scientific-understanding-with-academic-communities/




Det en vanlig människa gör en åtta timmars arbetsdag går att bryta ner till en massa mindre delmoment. Nästan allt går att göra med AI nu. Tror du kreativitet kommer förbi mänskligt? Det går att plocka isär och göra syntetiskt. Jag ser folk tabba ut ur Chat så fort jag öppnar dörren på vårt kontor...Vi är långt förbi den enkla llm-eran (2018-2020) med stokastiska papegojor. Dagens system använder llm som en kärna som gallrar och rensar sökrymden, intuitions-moduler för våra datorer. Datorer brukade vara dumma men nu är dom smarta. En modern AI är som en symfoniorkester med AI agenter med lång och korttids-minne, återkoppling, verifiering, evolutionära algoritmer. Och då är vi idag på MS-DOS nivå av AI, mycket mer kommer snart.

Jag tycker att Sam Altman underskattas grov när det gäller att förstå sig på exponentiell utveckling. Det som han utlovade för 16 månader sedan, dvs "The gentle singularity" , då han förstås hade tillgång till OpenAI’s forskningsplan, ser vi inledningen till här och nu!

Skulle t.ex det nya DI rönet om att Exponential Time Hypothesis är motbevisad visa sig stämma så kan det få stora positiva konsekvenser vetenskapen i allmänhet och oerhört stora konsekvenser för datavetenskap. Ja det kan, potentiellt, accelerera utvecklingen emot Rekursiv självförbättring.

Till de flashbackare som, fortfarande, tror att transformers inte förstår något, (jag vet att du inte hör till dem), vill jag bara säga: Det är kanske dags att ni vaknar upp nu. Om ni inte gör det så kan ni lika gärna ta på er några varma sockor, lägga er i er sköna soffa och tänka tillbaka på gamla tider!🙂
Citera
2026-10-27, 15:45
  #3009
Medlem
RandomNPCs avatar
Citat:
Ursprungligen postat av DI-utforskaren
Jag tycker att Sam Altman underskattas grov när det gäller att förstå sig på exponentiell utveckling. Det som han utlovade för 16 månader sedan, dvs "The gentle singularity" , då han förstås hade tillgång till OpenAI’s forskningsplan, ser vi inledningen till här och nu!

Skulle t.ex det nya DI rönet om att Exponential Time Hypothesis är motbevisad visa sig stämma så kan det få stora positiva konsekvenser vetenskapen i allmänhet och oerhört stora konsekvenser för datavetenskap. Ja det kan, potentiellt, accelerera utvecklingen emot Rekursiv självförbättring.

Till de flashbackare som, fortfarande, tror att transformers inte förstår något, (jag vet att du inte hör till dem), vill jag bara säga: Det är kanske dags att ni vaknar upp nu. Om ni inte gör det så kan ni lika gärna ta på er några varma sockor, lägga er i er sköna soffa och tänka tillbaka på gamla tider!🙂
Hahaha. Datorer förstår inte, har aldrig förstått, kommer aldrig förstå. Hur mycker det än verkar så.
Citera
2026-10-27, 19:38
  #3010
Medlem
Citat:
Ursprungligen postat av RandomNPC
Hahaha. Datorer förstår inte, har aldrig förstått, kommer aldrig förstå. Hur mycker det än verkar så.

Ok, jag förmodar att du ligger i din sköna soffa nu, med sockorna på!🙂 Du skulle givetvis ha rätt i det om det vore år 2011 nu! Så somna bara om.....
Citera
2026-10-27, 20:35
  #3011
Medlem
RandomNPCs avatar
Citat:
Ursprungligen postat av DI-utforskaren
Ok, jag förmodar att du ligger i din sköna soffa nu, med sockorna på!🙂 Du skulle givetvis ha rätt i det om det vore år 2011 nu! Så somna bara om.....
Kul. Det verkar mer som du är tillbaka på 1950-talet när inte visste bättre.
Citera
2026-10-27, 23:57
  #3012
Medlem
Citat:
Ursprungligen postat av RandomNPC
Kul. Det verkar mer som du är tillbaka på 1950-talet när inte visste bättre.

Ah, du syftar på positionen. Men neurala nätverk fungerade ytterst begränsat med den tidens begränsade beräkningskraft och algoritmer, så de flesta forskare gav upp i slutet av 1960-talet/början av 1970-talet och inriktade sig på annat. Men under 1980-talet så visade sig ANN fungera bättre tack vare bakåtpropagering.
2012 demonstrerade Alex-net djupinlärningens stora potential i bildigenkänning, med hjälp av bland annat kraftfulla grafikprocessorer.

Och när det kommer till förståelse så utgår jag ifrån att du kan skilja mellan medveten förståelse och funktionell förståelse. Om du kan det så är jag nyfiken på vilka, rent matematiska egenskaper i transformers som omöjliggör funktionell förståelse.

Men du behöver inte svara i kväll. Ligg du kvar i din sköna soffa med sockorna på medan singulariteten rusar vidare! 🙂
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