Nei, det er jo ikke det, du skriver så mye rart at jeg ikke er i stand til å skjønne om du spøker eller ikke.
Jeg mener at økt børskurs ikke nødvendigvis gjenspeiler økt effektivitet
Og så har jeg forklart hvor det ser vanskelig ut at forventningen om fremtidig effektivitet kanskje ikke innfris, og hvordan dette vil få konsekvenser i næringskjeden.
Jeg sier ikke at AI ikke er svært nyttig, men selv om internett viste seg å være fremtiden når ting begynte på 90-tallet så ble ting overpriset, aka dot.com boblen.
Jeg tror AI-boblen kan bli styggere. Og at per definisjon kan ikke alle komme ut døra på likt. De fleste blir med ned.
5 Likes
Er flere som er enig med deg der.
7 Likes
Skulle tro at IT-folk har gode tider i denne AI-crazen, men faktisk er det der jobb-tilbudene nå er dårligst, tabellen under er fra US og helt fersk:
Jeg synes det ser ut som at det er jobber hvor man må bruke hodet og hender som står seg godt akkurat nå
Mens jobber hvor man stort sett bare bruker hodet, eller kanskje AI, er på vei nedover:
Det eneste 2 unntakene fra “bare hodet” lista, blant taperne er retail og turisme, og det er trolig fordi mannen i gata har mindre spending power.
Jeg tar dette som tegn på at investeringer i AI har nådd toppen, og er på vei ned.
4 Likes
I USA så er lånet knyttet til huset og ikke til eieren, så hvis arbeidsledigheten begynner å stige så blir mange av de som ikke vil selge fordi de har en gunstig rente på boliglånet plutselig nødt til å selge
Så da vil det bli masse feedback problemer når flere med gode rentebetingelser plutselig må selge
4 Likes
Hvorfor det?
Det du kaller “IT-folk” her er software-utviklere i oversikten din, som altså sammenlikner ledige stillinger med nivået før covid. I mellomtiden har denne yrkesgruppen hatt en periode med voldsom ansettelsestempo under nullrentebonanzaen,som ingen andre yrkesgrupper kan matche og som nå har roet seg betraktelig.
En AI-investering øker ikke behovet for flere software-utviklere. LLM er som skapt for å automatisere og effektivisere mye av arbeidet som tidligere ble utført at software-utviklere. Nå er det minst like viktig å vite hva man skal bruke koden til, ikke hvordan man lager den. Verktøy som f.eks. Lovable.dev, Bolt.new og mye annet bryter ned skillet mellom utviklere og brukere av software. Mindre behov for rene utviklere, mer behov for yrkesutøvere som greier å integrere AI og koding for å utføre sine egne arbeidsoperasjoner mer effektivt. Før måtte man kunne excel, kanskje matlab o.l. + et skreddersydd program fra en software-leverandør for å kunne være på hugget innen f.eks. finans og ingeniørfag og mye annet, nå blir det lettere og viktigere for disse softwarebrukerne å utvikle sine egne verktøy. Dette gjelder f.eks. Civil Engineering og Legal som er i den blå “hode og hender”-delen. Hvis du er ute etter tegn på at AI-investeringene har nådd toppen, hvorfor ikke se på AI-investeringer i stedet? Hvor mange software-utviklere trenger man for å bygge et datasenter? Skal antall ledige stillinger for software-utviklere sammenliknet med 2020 liksom være en ledende indikator på dette? At “hode og hender”-kategorien turisme har gått ned trenger man vel ikke så mye fantasi for å forestille seg årsaken til? Hint, Trump og hans “Turd Reich”, et yndet feriemål?. https://moneywise.com/news/america-is-the-only-country-reported-to-be-facing-a-tourism-decline
4 Likes
Tar en vill gjetning på at du ikke har mye kjennskap til utvikling av software rent teknisk.
Det som lages av vibe-coding som Lovable m.m har store utfordringer med alt som har med sikkerhet, dokumentasjon og skalerbarhet.
Men du får laget fete MVPer ganske raskt 
1 Like
Jeg er forsåvidt enig med deg, men for low-end oppgaver, så funker det.
Det er som en sykkel du kommer fortere frem
Poenget mitt i denne sammenhengen var at skillet mellom brukere og utviklere er mindre strengt enn før. Brukere utvikler i større grad sine egne verktøy, skreddersydd sine egne arbeidsoperasjoner, i mange profesjoner. Hovedpoenget var at antall ledige stillinger som software-utvikler ikke en noen god indikator på nivået for AI-investeringer. Glem Lovable, det var bare noe jeg antok mange hadde hørt om.
Grei nok den, og da må både software-utviklere og andre yrkesgrupper lære seg å sykle, og sette sammen en sykkel som fungerer best mulig for hver enkeltes reisemål. Sykkelen er ikke et ferdig produkt som man kjøper i butikken men noe fler og fler skreddersyr selv til sitt eget bruk.
Mtp analogi for AI-koding så snakker vi da om en sykkel uten bremser, begrenset mulighet til å styre, ukjente justeringsmuligheter av sete/styre/m.m og ukjent tilgang til reservedeler.
Funker fint til å sykle 100 m rett frem uten hindringer, men ikke noe jeg ville lagt ut på langtur med 
3 Likes
Nå vet jeg ikke helt hvor denne analogien bærer hen, jeg prøvde i alle fall å beskrive min egen arbeidssituasjon på jobben min. Ingeniører som skal f eks prosjektere et vannkraftanlegg lager i større grad sine egne prosjekteringsverktøy enn før, det man gjerne kaller computational design. Ai gjør dem flinkere og raskere til det, i stedet for å kjøpe ekstern mer generisk software. Software-utviklere vil ikke bli utradert som bransje, men man kan ikke bruke antall ledige stillinger som software-uvikler som indikator på AI-investeringer, uansett hvor god sykkelanalogien var.
Hvorvidt selskaper i denne bransjen er edruelig priset på børsen er et helt annet spørsmål.
2 Likes
Jeg har jo brukt ai verktøy og det går jo fortere, men hvis man ikke går over koden med lupe etterpå, så vet man jo ikke om måten det er laget på faktisk er riktig? 
1 Like
Ja, dette kan fort bli et mareritt for feilsøking i stedet for å gjøre det riktig fra bunnen av. Men her er det et poeng i bli kjent med verktøyet også og vite potensial og begrensninger. Det blr kanskje litt springende det her, men en ting er å bruke et AI-verktøy som en sekretær, som gjør det kjedelige skrivearbeidet for deg, men mer potent (i hvert fall i min hverdag) er å sette opp optimaliseringsrutiner der man kan finne det beste løsningen på et problem som innebærer avveininger mellom ulike betingelser og prioriteringer, man kan nå teste milliarder av ulike scenarier i stedet for kanskje en håndfull alternativer, evolutionary computation kan man også kalle det.
Det koker ned til om man tror ledige stillinger er en indikator på lavere “AI-investeringer” i årene som kommer. En “AI-investering” er så mangt. Når man ser på big techs planer i årene framover så er det mye som tyder på at det blir et visst trøkk i årene framover også. Hvem som høster frukter av dette og hvem som taper på det gjenstår å se.
3 Likes
Tror man må forstå, på et fundamenalt nivå, hva som er årsaken til at AI må gås etter i sømmene:
Og det er fordi AI fundamentalt sett er eksplorativt og ikke predikerende, algoritmene er hypotese-genererende, og ikke hypotese-testende.
Husker jeg hadde kjemometri på NTH, og underviste noen år senere, når jeg var i arbeidslivet, på Oslo Ingeniørhøhskole i det faget. Og merket at selv om elevene synes faget både var gøy og spennende, og klarte det teknisk å utføre oppgaver, så satt det langt inne å forstå ideen. Feks skjønner man hva en PCA, prinsipal komponent analyse egentlig er. Og tror dette gjelder for dagens AI også, man skjønner ikke fundamentalt hva algoritmene faktisk gjør, og ikke kan gjøre.
Hadde tilsvarende erfaring fra arbeidslivet, der bedriften jeg jobbe i investerte ny teknologi der man tok seg inn i modelleringens verden og bare et hakk lenger, brukte PLS partial least square regression på måle-data for å styre en prosess. Det så veldig bra ut lenge, og man ledet seg selv, men det endte med at millioner investert i utsyr og ikke minst årsverk i modell-bygging ikke endte opp i noe annet enn lovnader alle trodde på, men kokte bort i kål.
Poenget mot AI er at algoritmene der er langt mindre validerbare, og planen er bare å løse det med enda mer regnekraft, og enda mer eksplorative algoritmer.
Bidet under illustrerer hva man holder på med
På et matematisk nivå så spurte jeg ChatGPT:
Og svaret fra ChatGPT var som følger:
Det er ikke slik at de som forstår AI ordentlig ikke er klar over at AI i stor grad er hypotese-genrerende, og ikke hypotese-testende, og har valdieringsstrategier for å “fikse problemet”, greia er at svært mange av de som tar beslutninger, egentlig ikke skjønner det.
Blant de jeg jobbet med så var de 2 med doktorgrad, og de fremste i faget innen denne type forstod dette, men han ene var så “oppe i det” at han bare kjørte på fordi faget var så gøy, mens han andre sa i fra, men han andre skjønte nok dette, men innså at selv om han forsiktig tok opp ting så ble folk bare glassaktige i blikket, og til syvende og sist var jo han også glad for å bli betalt for å holde på dette. Alle andre rundt som holdt på med dette var bare “bitt av basillen”.
Mitt poeng er at PLS er en million ganger mer validerbart en genetiske algoritmer, og self organising maps.
Poenget er at skal man implementere AI på høyt nivå, i prediksjon og validering må man virkelig vite hva man holder på med, og jeg er sikker på at feks folka på SpaceX klarer dette.
Men for vanlig bedrifter, og folk så er AI bra i kreative prosesser, og hente ut data på et overordnet plan.
Min feeling er at svært mange bedrifter bruker AI på ting som ikke til syvende og sist gir noe på bunnlinja, at det overinvesteres, og kastets på alt.
Jeg er helt enig med dette:
Og det virker som @Helt1 forstår AI veldig godt.
4 Likes
Det hørtes ikke så dumt ut. Det går jo da ganske greit an å se om svarene man får gir mening.
1 Like
Du henger deg veldig opp i hva AI ikke kan gjøre. Ikke første gangen du skriver dette innlegget. Investeringene har vel bare økt siden den gang? For mitt vedkommende er det i hvert fall til stor hjelp i den kreative fasen. Et menneske må validere resultatet til syvende og sist. Et menneske må kontrollere beregningene, men AI kan være et kraftfullt verktøy for å optimalisere dem.
hvor tar du dette fra?
1 Like
Ja, noen ganger roter man seg inn i et blindspor veldig tidlig og man surrer rundt på jordet. Da må man skjønne at man må starte på nytt og ikke tro at man har funnet gull fordi “AI sier det” eller noe sånt. Gjelder å treffe hoppkanten noenlunde i en setup, og så kan man fly lenger.
1 Like