Citat:
Ursprungligen postat av
-dev
Internet är något helt annat, går inte att jämföra
AI är en teknisk lösning för att lösa ett specifikt problem som annars kräver mycket kunskap. Skall man förutse "framtiden" man man antingen lära sig alla regler som gäller för det man vill förutse, se till att dessa regler kan samspela och räkna ut framtiden. Mycket svår uppgift men har andra fördelar som exakthet, drar inte lika mycket ström och så vidare.
AI använder en enkel teknik, den samlar så mycket data och tokeniserar datat på olika sätt för att kunna jämföra historiska mönster och se vilket mönster som passar bäst. Förstår du tekniken kan du förstå hel hel del vad som är möjligt och det är effektfullt i vissa områden. Kan ersätta enklare uppgifter men så mycket mer är det faktiskt inte.
Har varit med på några dragningar om AI och det är förvånande hur låg kvalitet det är på inblandade. Exempelvis forskning som använder stora mängder data. Man kan ju tro att de försöker träna upp modeller med forskningsdata. Det gör det INTE
Istället använder de LLM (large language models) och försöker hitta samma text, att forskare letar efter liknande text som de själva håller på med och jämför beräkningar om modellen de använder kan filtrera ut det specifika de söker efter.
Det är löjligt
Vad svamlar du om? Jag har sysslat med Artificial Neural Nets sedan 2010 och varit intresserad av automatisering och liknande säkert 2 decenier längre än det.
LLMs är bara den senaste i raden av större grupper av model-typer. Det finns helt andra typer av neuro nät med, och det är väl egentligen detta som är om AI i sig utvecklas eller inte. Visst att varje "grupp" har några extra populära modeller som alla förbättras och finputsas och det också leder till framsteg (det är tex detta som de olika iterationerna av ChatGPT, Claud, Grok etc hamnar inom, finputsningar och förbättringar av Transformer modeller), sen ibland så upptäcker man ju nya metoder och användningsätt som gör det bättre, som chain of thought, eller Overfitting problemen.
Just nu så utvecklas ju AI som aldrig förr. Det släpps flera raporter om helt nya typer av modeller, samtidigt som alla popular Transformer modeller samtidigt gör itterativa förbättringar och den största användarbasen någonsin tävlar om att använda det så effektivt och påhittigt som möjligt och kommer på metoder som RAG och multiagenter.
Nej, du kan inte förstå allt AI gör eller varför det fungerar. Du har rätt i att det är en enkel algoritm, men det är så kraftfullt att det leder till saker vi inte själva förstår. Modellen som skulle reportera om Diabetes risker i näthinnebilder VET vilket kön näthinnan kommer ifrån och vi har ingen aning om varför. Modeller som tränas på historiska serier med drag i olika spel bildar koncept kring spelplanen fastän ingen sådan data finns med där. Dessa koncept uppstår eftersom det hjälper till med att "se vilket mönster som passar bäst". Utan att ha fått denna datan på något sätt så skapas alltså denna informationen hos neuronätet eftersom det hjälper den göra rätt när den förstår spelplanen.
Väldigt många av våra arbeten går ut på att förstå reglerna för sitt jobb och sedan följa dem, vilket är vad olika typer av neuronät klarar perfekt redan idag, och då behöver vi alltså inte ens blanda in kategorin Transformers och LLMs med sina halucineringar i detta.
