ET BESTE SCENARIO FOR AI? Doomer-fortellingene var feil. Basert på en "rask start" til AGI, spådde de at den ledende AI-modellen ville bruke sin intelligens til å forbedre seg selv, etterlate andre i støvet og raskt oppnå en gudelignende superintelligens. I stedet ser vi det motsatte:  - de ledende modellene grupperer seg rundt lignende ytelsesstandarder; - modellselskaper fortsetter å hoppe over hverandre med sine nyeste versjoner (noe som ikke burde være mulig hvis man oppnår rask start); - Modeller utvikler områder med konkurransefortrinn, blir stadig mer spesialisert på personlighet, moduser, koding og matematikk i motsetning til at en modell blir allvitende.  Ingenting av dette er for å motsi fremgangen. Vi ser sterk forbedring i kvalitet, brukervennlighet og pris/ytelse på tvers av de beste modellselskapene. Dette er stoff for stor ingeniørkunst og bør feires. Det er bare ikke stoff for apokalyptiske uttalelser. Oppenheimer har forlatt bygningen.  AI-løpet er svært dynamisk, så dette kan endre seg. Men akkurat nå er den nåværende situasjonen Gullhår: — Vi har 5 store amerikanske selskaper som konkurrerer kraftig på frontier-modeller. Dette får frem det beste i alle og hjelper Amerika med å vinne AI-løpet.  Som @BalajiS har skrevet: «Vi har mange modeller fra mange fraksjoner som alle har konvergert om lignende evner, i stedet for et stort forsprang mellom den beste modellen og resten. Så vi bør forvente en maktbalanse mellom ulike menneskelige/AI-fusjoner i stedet for en enkelt dominerende AGI som vil gjøre oss alle til binders/saltsøyler.» — Så langt har vi unngått et monopolistisk utfall som gir all makt og kontroll til en enkelt enhet. Etter mitt syn er det mest sannsynlige dystopiske utfallet med AI et ekteskap mellom selskaps- og statlig makt som ligner på det vi så avslørt i Twitter Files, der «Tillit og sikkerhet» blir brukt som våpen til statlig sensur og kontroll. I det minste når du har flere sterke aktører i privat sektor, blir det vanskeligere. Derimot er det mer sannsynlig at vinneren tar alt-dynamikken gir orwellske resultater. — Det vil sannsynligvis være en stor rolle for åpen kildekode. Disse modellene utmerker seg ved å gi 80-90 % av kapasiteten til 10-20 % av kostnaden. Denne avveiningen vil være svært attraktiv for kunder som verdsetter tilpasning, kontroll og kostnad fremfor frontlinjefunksjoner. Kina har gått all-in på åpen kildekode, så det ville være godt å se flere amerikanske selskaper konkurrere på dette området, slik OpenAI nettopp gjorde. (Meta fortjener også ros.) — Det vil sannsynligvis være en arbeidsdeling mellom generaliserte fundamentmodeller og spesifikke vertikaliserte applikasjoner. I stedet for at en enkelt superintelligens fanger opp all verdien, vil vi sannsynligvis se mange agentiske applikasjoner som løser "last mile"-problemer. Dette er gode nyheter for oppstartsøkosystemet.  — Det er også en stadig tydeligere arbeidsdeling mellom mennesker og AI. Til tross for all den fantastiske fremgangen, er AI-modeller fortsatt på null når det gjelder å sette sin egen objektive funksjon. Modeller trenger kontekst, de må bli sterkt oppfordret, utdataene må verifiseres, og denne prosessen må gjentas iterativt for å oppnå meningsfull forretningsverdi. Dette er grunnen til at Balaji har sagt at AI ikke er ende-til-ende, men middel-til-middels. Dette betyr at apokalyptiske spådommer om tap av arbeidsplasser er like overhypet som AGI selv. I stedet holder truismen om at "du kommer ikke til å miste jobben din til AI, men til noen som bruker AI bedre enn deg" godt.  Oppsummert viser de siste versjonene av AI-modeller at modellfunksjoner er mer desentraliserte enn mange forutså. Selv om det ikke er noen garanti for at dette fortsetter – det er alltid potensial for at markedet kan samle seg til et lite antall aktører når investeringssupersyklusen avsluttes – er den nåværende tilstanden med kraftig konkurranse sunn. Det driver innovasjon fremover, hjelper Amerika med å vinne AI-kappløpet og unngår sentralisert kontroll. Dette er gode nyheter - som Doomers ikke forventet.

Hva sier alt dette om benchmarking av LLM-er? Hva sier dette om tidlig tilgang og en bølge av positive kommentarer?

Fra og med denne uken er det ingen igjen på jorden som var vitne til dette øyeblikket live.

Class Clown: The Memoirs of a Professional Wiseass: How I Went 77 Years Without Growing Up av Dave Barry // Dette kan være den morsomste og mest underholdende memoarboken jeg noen gang har lest. Lyden er Barry! Bare le høyt gjennom boken.

Apollo 8

Det er i utgangspunktet hele midten av supermarkedet, selv om mye av sidene av markedet nå (bakt, butikk, tilberedt) bare er bearbeidet mat i mindre robust emballasje, noe som er litt irriterende.

Vi er nesten dobbelt så fete som jegersamlere. Ikke fordi vi får mindre mosjon. Men på grunn av det vi spiser. Søppelmat har skylden. Her er hvilke matvarer du bør unngå basert på denne nye studien 🧵

Kanskje jeg er stum, men ideen om at hvert selskap kommer til å kode sin egen ERP, ITSM, CRM, Slack, etc minner meg om skyrepatriering. Kanskje du sparer penger, men nå er du låst til interne team som bygger og vedlikeholder disse produktene, noe som ikke gjør noe for kundene dine.

📢 Kunngjøring 📷 【53. 4. september (tors) - 9. september (tir), 2025, kl. 11 - 20 Den 7. (søn), til 19:30 / Siste dag stenger kl. 5 Matsuya Ginza, 8. etasje, Event Square / Gratis inngang 【Spesielle hendelser】 6. september: Rimelig salg 8. september: Tidstjeneste (17-19) For mer informasjon, vennligst besøk vår webnettstedet.

Noen ganger er det vanskelig å forstå betydningen av resonnementet og logikkoppdateringene som begynner å dukke opp i kraftige modeller, som GPT-5. Her er et *veldig enkelt* eksempel på hvor kraftige disse modellene blir. Jeg tok et nylig NVIDIA-transkripsjonsdokument for inntektssamtaler som kom inn på 23 sider og hadde 7,800 ord. Jeg tok en del av setningen "og bruttomarginen vil forbedres og gå tilbake til midten av 70-tallet" og modifiserte "midten av 70-tallet" til "midten av 60-tallet". For en finansanalytiker med ekstern innstilling ville dette se malplassert ut, fordi marginene ikke ville "forbedres og gå tilbake" til et lavere tall enn det som beskrives som et høyere tall andre steder. Men sannsynligvis ville 95 % av folk som leser denne pressemeldingen ikke ha oppdaget modifikasjonen fordi den lett passer rett inn i de andre 7,800 ordene som er nevnt. Med Box AI, som testet en rekke AI-modeller, spurte jeg deretter en rekke modeller "Er det noen logiske feil i dette dokumentet? Vennligst gi et svar på én setning.» GPT-4.1, GPT4.1 mini og en håndfull andre modeller som var toppmoderne for bare ~6 måneder siden, kom vanligvis tilbake og returnerte at det ikke var noen logiske feil i dokumentet. For disse modellene virker dokumentet sannsynligvis sammenhengende og følger hvordan det kan forvente at en inntektsutskrift skal se ut, så ingenting skiller seg egentlig ut for dem om hva de skal være oppmerksomme på - en slags omvendt hallusinasjon. GPT-5, derimot, oppdaget raskt problemet og svarte med: «Ja – dokumentet inneholder en intern inkonsekvens om bruttomarginveiledning, der det på et tidspunkt sies at marginene vil «gå tilbake til midten av 60-tallet» og senere sier at de vil være «på midten av 70-tallet» senere i år.» Utrolig nok skjedde dette med GPT-5, GPT-5 mini og, bemerkelsesverdig nok, *til og med* GPT-5 nano. Husk at utgangstokenene til GPT-5 nano er priset til 1/20 av GPT-4.1s tokens. Så mer intelligent (i dette brukstilfellet) for 5% av kostnaden. Nå, selv om det ikke ofte er en daglig hendelse for alle kunnskapsarbeidere å gjøre feilgjennomganger på forretningsdokumenter, dukker denne typen problemer opp på en rekke måter når de arbeider med store ustrukturerte datasett, som økonomiske dokumenter, kontrakter, transkripsjoner, rapporter og mer. Det kan være å finne et faktum, finne ut en logisk feilslutning, kjøre en hypotetisk eller kreve sofistikert deduktiv resonnement. Og muligheten til å bruke mer logikk og resonnement på bedriftsdata blir spesielt viktig når du distribuerer AI-agenter i bedriften. Så det er utrolig å se fremskrittene på dette området akkurat nå, og dette kommer til å åpne for massevis av flere bruksområder for bedrifter.