Nvidia tappar över 6 biljoner kronor på börsen

Det säger mer om hur efter resten av världen är när det kommer till förnyelsebar energi än vad det säger om Kina.

Just skriva kod verkar vara något som LLM's är ganska bra på. Att de kan skriva ett helt system från grunden är dock en sanning med modifikation. Den kommer självsäkert hävda att systemet fungerar perfekt och är helt buggfritt om man frågar den, men det kommer kräva mycket manuella åtgärder innan det fungerar.
De fungerar bättre som en assistent (copilot) som kan komplettera kod när det finns färdig kod som kontext, eller för att utföra enformiga åtgärder som att göra samma ändring på en mängd olika ställen.

Att använda generativ AI mer generellt i sökmotorer, chatbotar o.s.v. har inte visat sig fungera speciellt bra. De ljuger självsäkert och hittar på rent livsfarliga saker som att uppmana folk att äta lim och stenar, hoppa från broar o.s.v. Det beror på att de egentligen inte "vet" något, de rabblar bara upp ord som ofta förekommer i följd i träningsdatat, ungefär som när man upprepade gånger trycker på mittenförslaget på mobilens tangentbord. Vill man ha fakta fungerar en vanlig sökning bättre.

Man kan fråga sig om detta verkligen är tillräckligt för att motivera den biljonindustri generativ AI är idag.

Jag håller med, som alla verktyg måste man veta vad den kan göra för att kunna använda den, den går inte att "lita blint" på

Jag frågade vilka programmeringsspråk den, den lokala modellen, behärskade:

"deepseek-r1:32b
Today at 09:33
Thought for a few seconds
I can work with many programming languages! Here are some of the ones I can help with:

General-purpose programming languages :
Python, JavaScript, Java, C++, C#, Ruby, Swift, Go, PHP, Perl, Rust, Haskell.
Scripting and automation languages :
Bash, PowerShell, Lua.
Markup and data languages :
HTML, CSS, XML, JSON, YAML, Markdown.
Data analysis and scientific computing :
R, MATLAB, Julia, SQL.
Game development :
Unity (C#), Unreal Engine (C++).
Frameworks and tools :
TensorFlow, PyTorch, React, Node.js, Django, Flask, .NET.
If you're working on a specific project or need help with a particular language, feel free to ask! I'm here to assist."

Låter som en användbar hjälpreda, men någon måste styra den och granska den.

Nej, vad jag hävdar är att de producerar massor av falska rapporter, falska peer reviews och falska citeringar. Googla "China scientific fraud". De flesta träffar ligger bakom betalväggar, men när bland annat Nature rapporterar om detta kan man ju konstatera att det inte är ett påstående jag bara dragit ur röven.

Precis som med deras företag och "påhittiga" bokföring.

Är detta något som kineserna har hittat på själva dvs varit innovativa eller har de kopierat detta också från väst?

Ja men hur mäter man deepseek mot gpt4 eller något annat? Hur värderar vi vilket svar, vilken kod, vilken bild som är bättre?

Svaret på en given prompt varierar ju kraftigt redan inom samma motor med samma indata

Jo men den bygger vidare på v3. Det som skiljer är ju mestadels självanalys av sina tokens eller Test-Time-Compute. Men de har imponerande snabb utveckling men som Sam Altman tweetat, det går ganska mycket snabbare att kopiera.

Finns en massa benchmarks för AI man kan köra, som 3DMark för grafik, Deepseek klarar dessa ungefär lika bra som OpenAI. Finns gott om Youtube-videos i ämnet.

Sen är det lite fascinerande att man kan få olika svar om man frågar flera gånger, därför man aldrig kan lita på AI helt, jag försökte göra ett schema med ett visst antal parametrar i ChatGPT men det blev mycket bättre om man gjorde det själv.

Tack! Det jag inte förstår är hur andra människor inte kan se hur användbart deep learning är. Känns som historien upprepar sig då det var likadant på 80-talet när folk ännu inte insåg vad datorer skulle vara bra för, eller på 90-talet när internet mest kändes som en gimmick. För mig, som har arbetat med datorer hela mitt liv, ser jag AI-utvecklingen som något större än båda dessa framsteg tillsammans.

Och, allt detta är egentligen bara en biprodukt av att Nvidia en gång började utveckla ett chip för att snabba upp 3D-grafik.

Att beräkna färgen på pixlar är i grunden ren matematik. Det ledde till utvecklingen av shaderprogram, som i sin tur generaliserades till Cuda. Med Cuda blev det möjligt att träna bildanalysmodeller, och 2012 lyckades Ilja och hans team ta fram AlexNet, vilket blev ett genombrott.

Därifrån har utvecklingen rullat vidare. Med den enorma beräkningskraft som nu finns i AI-fabriker kan vi simulera hur robotar rör sig i virtuella miljöer. Tekniken kan också användas för att generera ljud, text, video och film – och i vissa fall förutse framtiden med imponerande precision.

Att vi nu, under 2024–2025, dessutom har börjat se test-time compute är ytterligare ett steg mot att simulera en enkel hjärna.

Spännande tider!

Även i offlineläge?

Om du stänger av internet är du helt safe i offlineläge ....

Då får man se till att ha tjänsten avstängd när man är online, eller ha en dedikerad offline-dator för AI

Glädjande nyheter för världens elförbrukning. Men USA kontra Kina, vettefan vart man vill lägga sin data.

Den västerländska (i viss mån mänskliga) narcissismen i sitt esse.
Jag säger västerländska för den där rädslan om att just mina data är så viktiga och speciella att alla vill stjäla dom, den menar jag är unik för västvärlden.

Vi tror att människor är överlägsna på allt, och försöker bygga humanoida robotar, simulera hjärnor osv.

Specialiserade mekaniska robotar är överlägsna människan på just det som är till för, specialiserade datasystem är överlägsna människor på det dom gör och radar/lidar är överlägsna människor på det dom gör (vilket är anledningen till att Musks ide om att "om människor kan köra med bara bilder så kan FSD.." är idiotisk.)

Även Sam Altman visar samma problem. Han pratade i någon intervju om att AI nu kan ringa och boka en restaurang, och eftersom det är en AI så kan den göra det 300ggr utan problem. Sen tog han upp att för restaurangerna så är det inget problem, för dom har såklart AI som svarar.

Men idén om att det där ska göras med mänskliga röster/AI är inte visionärt, det är idiotiskt.
I andra änden av det där så har du Musk som försöker eliminera samma sak med Neuralink, så han både vill båda rida på språkmodellen och eliminera den)

Språkmodellen är bra, för oss människor, för den är vad vi har, men den är ineffektiv, oprecis och långsam.
Att tillämpa den som någon slags end all and be all är idiotiskt.

Vårt språk har ändå utvecklats under lång tid och det är ju också bra om vi kan förstå hur datorprogrammet "tänker". Kanske Large Concept Model är nästa variant?

Eftersom tråden nu bara är aktiv för spridande av konspirationsteorier (nu raderat) låser vi här.

- MOD