Her kan du f.eks. se hva VSCode oppsummerte arbeidet sitt som:
Som du ser er det høy kvalitet 
xD Havnet i en uendelig selvskrytloop.
1 Like
Tror faktisk den er på vei inn i veggen 
nervøst sammenbrudd neste
1 Like
Testingen her var at Rolf sjekket loggen to uker senere og syntes det virket som noe var «off» 
1 Like
Alt er med andre ord “Rolf” sin feil!!
1 Like
Jeg håper at ingen tror at AI er helt selvgående og feilfri og man gir den en oppgave og det første den gjør kan pushes ut til production
Var det de sa på tiktok da! 
1 Like
Husk at LLM er en kreativ algoritme og en hypotesegenererende prosess, som ikke angir estimat for usikkerhet, fyller selv inn gaps og fremstår som skråsikker.
Veldig mye arbeid av verdi er en validerende og hypotesetestende prosess, med verdier for usikkerhet og definerte rammer.
Derfor må jo brukeren av AI definere guardrails og boundaries, og passe på å gi kontekst, enten det er i form av relevante styringsdokumenter og/eller presis definerte prompt.
Selv har jeg innsett hvor nyttig AI er og bruker det masse i jobben nå, men det er en iterativ prosess og jeg skriver masse kontekst og legger til haugevis av styringsdokumenter for å sette rammene for hvor jeg vil. Tar litt tid, men fort veldig mye mindre tid enn på gamlemåten, og idiotfeil lukes ut på no-time.
Jeg tilhører generasjon X, så ikke blant de unge og lovende, men her på jobben er jeg veldig overrasket over hvor mange unge mennesker som ikke bruker AI-verktøy vi har tilgjengelig og konkluderer med at det er tull og tøys. De litt eldre som ikke bruker serverende det er skummelt og skjønner ikke poenget og bruker det mest som søkeverktøy.
Det som er like fascinerende er at noen i ledelsen virkelig har fått øynene opp, men når jeg har diskutert med de så skjønner de ikke poenget med guardrails og tror AI skal løse alt, så det er tydeligvis lett å havne i grøfta på begge sider av veien.
2 Likes
Veldig så du er opphengt i validering da. Man må bruke det til det det kan brukes til, og ikke bruke det til det det ikke kan brukes til. En motorsag kan heller ikke validere hypoteser, men kan være nyttig likevel. Kan ikke bruke ChatGPT til å undersøke om det er en sammenheng mellom jordbær og kreft, selv om man kan spørre den om det.
Veldig mange verdiskapende prosesser er i gitte rammer og ikke en kreativ prosess, tenk utvikling, produksjon og logistikk.
Har vel postet dette før tror jeg. Men verktøy basert på kunstig intelligens kan f. eks. finne et gunstig skjæremønster for et sett med former fra en stålplate, med minst mulig kapp, på en måte som et menneske aldri vil klare. Vi vet ikke om det er den teoretisk beste løsningen, men det er den beste løsningen tilgjengelig. Enkleste eksempelet jeg kommer på, som kan illustrere potensialet i produksjonsplanlegging.
" Specific uses of AI
Today, one of the biggest challenges facing manufacturers is the enormous amount of waste material that is generated when producing parts. The use of artificial intelligence in CAD/CAM software is proven to be decisive in reducing scrap . With automatic learning, we can optimize the placement and cutting of the pieces, reducing the generation of waste to a maximum. And this results in lower costs for the plant."
Artificial intelligence in the sheet metal industry or how to optimize processes
Det er ikke kunstig intelligens, men geometrisk optimalisering. Eller rettere sagt, mye innen AI handler om ulike former for optimaliseringsproblemer (finne min/max gitt visse randkrav).
Dette er matte under panseret. All AI er matte (lineér algebra) og statistikk under panseret, ikke noe annet. Og nettopp slike optimaliseringer, enten geometriske eller annet, har vi hatt lenge. Det hadde ikke blitt jagerfly, romfart, osv. uten. Men grensesnittet for å ta i bruk slike optimaliseringer har forandret seg med “AI”. Jeg har selv jobbet med produksjon og tegninger, og automatisering av slike prosesser. Og jeg kan se for meg at de gamledagse “hard-kodede” løsningene fortsatt er mer presise (og mer rotet i ingeniørkunst) enn det en AI kan “drømme” seg frem til. Bare fordi AI kommer opp med en løsning, betyr ikke at den er realistisk og kan lett la seg gjøre.
Fun fact: Matematikken bak LLMs er over 100 år gammel, og man har lenge kunne lage lignende “modeller” og artige “leker” med den (Markov chains).
1 Like
Vet ikke om jeg skjønte hva du ville fram til, at det “egentlig” ikke er AI? At det ikke er nytt? Det nye her er vel først og fremst regnekraften, ikke matten.
1 Like
Jepp, men nå har ingen orket å lage noe slikt som ikke blir slått av ble AI basert, så da blir det AI.