Det handler vel om litt som holmes sier hvor mye banken lar deg låne og ikke minst hvor mye man kan betjene, men det er klart hvis man går sammen med en annen familie eller banken øker nedbetalingen til 50 år så kan det sikkert stige en del mer. Ellers kan mange kanskje bli tvunget ut av sentrum slik at man får en høyere vekst “på bydga”? Jeg tror prisene er i nærheten av en topp, ett symptom på det er at dukkestuene i feks Oslo på 25kvm koster 3.5mill, det er ikke fordi de er “verdt” det men rett og slett det som er igjen som mange har fremdeles råd til. Ikke fordi noen absolutt har lyst så bo trangt imo
3 Likes
For å påpeke det åpenbare; Equinor bryter ned 2 år low, ned -35% fra topp. Futures kontrakter priser inn flat± gasspriser neste 5 år på dagens nivåer som er tilbake til normalen på 2010-2020 priser.
2 Likes
Fra 2014 og til før oppgangen, så lå prisene på 14-30$ og futurene ligger på 27-30$, så ligger i øvre sjiktet.
Prisene har falt mye siden starten av desember. Har tydeligvis ikke sjekket noe særlig siden da.
Noe jeg finner interessant er at Tyskland sist jeg sjekket fortsatt hadde 25% lavere produksjon i den energiintensive industrien enn før gassprisene gikk himmelhøyt.
Kan noen forklare meg hvorfor selskaper som Snap, Pinterest(stuper på rapport i dag), Affirm(stuper rapport i dag), eller hvorfor ikke B3 Consulting(Tech Sverige) bidder?
Dette er 4 helt ulike selskaper som burde kunne materialisere på AI kun basert på businessmodel, multippelekspansjon og growth.
Tech, digitale betalingsløsninger, bilde&fotodelingstjenester, eller 750 konsultenter innen “tech & management”.
“B3 Consulting Group is an expansive consultancy company with senior consultants within IT and Management. We help companies and organisations to create tomorrow’s opportunities using digital transformation and operations development.”
“We help businesses and organisations to streamline their IT operations by developing their technology, processes, strategies and organisation, and to improve their business operations thanks to smarter IT solutions.”
Hvis ikke et selskap som har 750 konsulenter innen tech & management eser ut i ordrebøkene nå for transformasjon, hvem andre skal kunne optimalisere AI? Sitter vi kun igjen med marginale forbedringer i alle selskaper under ett?
4 Likes
Det kan jeg være delvis enig i- men hvis LLM/maskinlæring skal drive innovasjonen i seg selv må det være en voldsom bust i bedrifter som dør ut og nye som kommer til. Hittil ser jeg alle fueler på AI multipler men få som gjør noe større eller som svekkes i sin egen industri. Forøvrig stor avstand mellom selskapene jeg nevnte
Ny teknologi vil alltid først øke kompleksitet og kost, før man modnes og høster gevinstene.
Du nevner ikke gen AI, men for kreative bransjer så faller bunnen helt ut for en del aktører.
Streiken i Hollywood er en mild bris i ft. det som kommer.
1 Like
Jeg kan se for meg det kan bli store endringer i behov for basic programmerere ved inntok av AI.
Blir litt som endringen som er gjort i typiske industrijobber tidligere. Før var mye manuelt. Nå er det erstattet med automatisering, roboter osv. Men dette må fremdeles ha service og tilsyn. Men krever langt mindre personell.
Jeg tror det blir litt det samme med AI. Før måtte man ha en dedikert prorgrammerer for å gjøre spesifikke ting. Nå kan du forklare verktøyet hva du vil ha gjort, og det fikser det for deg.
Konverter filer, systematisering, lag en kortfattet rapport basert på større grunnlag informasjon, sett opp workflows osv, maskinen/AI’en gjør det, men med tilsyn fra en operatør.
Kan ta et eksempel for min egen del. Jeg har meget begrenset kunnskap når det gjelder programmering i Python. Prøver å lære meg, men nettopp begynt.
Istedenfor å lære meg koden, testet jeg med AI-verktøy og fortalte den hva jeg ønsket.
Last inn excel fil.
Utfør prosentregning kolonne til kolonne.
Konverter dette til en egen database.
Sorter så på ranking 0-100, hvor 100 er best.
Send så resultet til ny excel fil på maskin.
Jeg satt så igjen med en excel fil av alle selskaper på oslo børs med siste ukes bevegelser sortert med ranking 0-100.
Med litt prøv og feil fikk jeg funksjonene jeg ønsket i løpet av en dag. Hadde aldri fått dette til med de enkle basic tingene jeg har lært selv. Dette gjorde jeg med gratisversjon av Chat-GPT…
5 Likes
Jeg tror at AI best benyttes (erstatter) i kreative yrker fordi metodikken, slik jeg tror jeg har fortstått det, i stor grad er hypotese-genererende.
Derimot tror jeg at det kan bli en rekke utfordringer og overraskelser for industriell produksjon der prosesser må være kvalifisert og validert via hypotese-testing.
2 Likes
Typisk eksempel på bruk av AI med spacemaker AI, norsk start up i 2016, solgt for over 2 mrd til autodesk i 2020. Tidligere utarbeidet arkitekter og ingeniører 3-4 alternativer med magefølelsen som de detaljerte , prissatte og evaluerte , mens med denne metodikken kan man generere flere milliarder ulike scenarier hvor AI jobber seg frem til en optimalisert løsning mhp f eks dagslys , energi arealutnyttelse materialbruk osv osv. Med samme metodikk kan man generere optimaliserte løsninger for vegtraseer, bærekonstruksjoner i bygg osv osv. Forslagene blir selvsagt etterkontrollert vurdert og godkjent av levende mennesker. De som tror at “AI er maksimert” kan få seg en overraskelse.
5 Likes
Everything is awesome
Nvidia opp +50% på 26 tradingdager.
9000 milliarder ekstra. Nvidia er nå større enn Oljefondet som eier 1,5% av alle børsnoterte selskaper i verden. Hvem ville du valgt?
5 Likes
Følgende blir en litt lengere utledning, men det har et poeng, som forklarer konklusjonen over.
Skal man modellere noe, 1 variabel, kan man bruk liner regresjon (LR) y=ax
Skal man modellere i flere dimensjoner kan bruke multivariate lineær regresjon (MLR), så en matrise Y=aX.
Men det er et lite men i MLR, for å finne koeffisienter så må matrisa X ha full rang ellers kan den ikke inverteres og løse at koeffisienter. Og i den virkelige liv finnes det fullt av avhengigheter, så da kan man gjøre en matrise-reduksjon til full rang (kun uavhengige variable), feks ved en PCA, prinsipal-komponent analyse.
Eksempel, jordbær kan måles i søthet, og rødhet, x1 og x2 i matrisa X, men det er 2 parametere som forteller bortimot det samme, så en prrinsipalkomponentanalyse reduserer 2 vektorer til en ny, med ny retning PC1, og restvariasjon er støy.
Mao man kan gjøre en PCR (prinsipalkomponent regresjon) etter å ha redusert et datasett X til full rang og løse ut reelle koeffissenter.
Neste steg i kompleksitet er en PLS der man ikke bare “fikser på” X-sida men også Y-siden.
Men etterhvert som man får modelleringsteknikker hvor man kan ta inn utallelige variabler, og hele tiden få best mulig fit, kan man ettehvert modellere hva som helst.
PCA og PLS er derfor i en storgrad hypotese-genererende, og mindre og mindre hypotese-testende.
Neste steg “tilpasning og eksplorativ initiativ” er feks genetiske algoritmer, nevrale nettverk, self organising maps osv. Og jo mer “søkende etter mønster/ eksplorative” algoritmer man bruker, desto viktigere er valideringssiden av dette.
Basis-teknikker, er kryssvalidering, leave one out, leave gruos out osv.
Poenget er jo mer man tar inn desto verre er det å validere datasettet. Kanskje man har replikater, prøver med for like egenskaper osv. Og man finner sammenhenger som ikke er der.
Det over kan jeg litt om, siden jeg har bakgrunn i kjemometri.
Jeg kan lite om AI, men det er opplagt at de bygger på de samme prinsippene og må brukes med samme varsomhet.
Og slik jeg leser det er det 4 typer:
1. Supervised learning
Supervised machine learning can take what it has learned in the past and apply that to new data using labelled examples to predict future patterns and events. It learns by explicit example.
2. Unsupervised learning
Supervised learning tasks find patterns where we have a dataset of “right answers” to learn from. Unsupervised learning tasks find patterns where we don’t.
3. Semi-supervised learning (SSL)
Semi-supervised learning falls somewhere in the middle of supervised and unsupervised learning. It is used because many problems that AI is used to solving require a balance of both approaches.In many cases the reference data needed for solving the problem is available, but it is either incomplete or somehow inaccurate.
4. Reinforcement learning
Reinforcement learning is a type of dynamic programming that trains algorithms using a system of reward and punishment.
Min beskjedne forståelse av AI er derfor at det egner seg godt til kreative og eksplorative oppgaver, men blir veldig komplekst å validere.
Ikke først og fremst fordi det ikke er mulig, men fordi validering ikke bare betyr en god begrunnelse og rasjonale, men at godkjennelse ofte betyr en regulatorisk prosess og kjipe spørsmål fra myndigheter med forskjellige kvalitetskrav- og systemer.
Og kanskje det viktigste; faktisk vise i den virkelige verden at det fungerer (helt uavhengig av gode rasjonaler og testkjøringer) , som uansett er et løp som koster penger.
2 Likes
Tenkte jeg måtte skrive innlegget over, slik at mine innsigelser blir lettere å forstå.
Jeg mener at Spacemaker AI er et godt eksempel på bruk av AI, der hypotese-genererende og eksplorative kvaliteter kommer til nytte:
"Programvaren hjelper brukeren teste flere alternativer raskere enn de kan med manuelle metoder, og finner den optimale løsningen basert på premissene brukeren selv setter.
Det over er etter min mening ekplorativt, og ikke validering av en prosess der ofte sluttproduktet er helt definert, og skal være likt hver gang, og til alle tider innenfor strengt definerte spesifikasjoner.
" Spacemaker er beviset på kraften som ligger i bedre innsikt og automatisering, som igjen gir designere mulighet til å teste urbane designideer på få minutter, sier Andrew Anagnost, administrerende direktør og president i Autodesk."
Teste mange ideer er også eksplorativt etter mitt syn.
“Spacemaker har utviklet en skybasert AI-teknologi som gjør det mulig for arkitekter, byplanleggere og eiendomsutviklere å optimalisere potensialet til en utviklingstomt, spesielt i tidlig fase av planleggingen.”
Det er ikke en fasit på dette, det er avhengig av input i den eksplorative fasen fra så forskjellige grupper med helt forskjellige input, og slutt-resultatet kan være mange forskjellige optimum avhengig av input.
Produksjonsprosseser er annerledes, der er det ofte 1 optimalt sluttprodukt, og et sett av input som gir det beste produktet med den høyeste kvaliteten.
Det er en grunn til (for de som kjenner til utvikling av legemidler) at fase 3 kalles valideringsfasen.
Gjennom hele utviklingsfasen:
Discovery er helt klart eksplorativt, mens det er en gradvis overgang, men fortsatt en del eksplorativt gjennom pre-klinisk i dyr, klinisk fase 1 (safety) og fase 2 (effekt), før alt da valideres i fase 3.
Jeg mener derfor at Spacemaker AI er et godt eksempel på hypotese-genrerende bruk av AI.
jeg mener ikke at det er ikke er mulig å bruke AI i den hypotese-testende fasen, men det er reelle hindere; fort gjort å snuble i valideringen, regulatoriske hindere, og viktigst ting må ofte vises in real life i veldig mange bransjer.
Det jeg tenker kan være mange bedrifter vil brenne seg på er AI-konsulenter som lover gull og grønne skoger hvis en bedrift innfører dyre løsninger, som de ender opp med å snuble i.
2 Likes
AI i dag er som en sykkel som gjør at en ekspert kommer fortere fram til målet, den erstatter ikke eksperten, men kanskje kan redusere antallet.
Eller så muliggjør det litt lengre pauser eller kortere arbeidsdager.
2 Likes
1 Like
Bjørnene blir nærmest spist levende på Wall Street 
3 Likes
Oh boy, her fikk jeg flash back til diverse fag fra NTH! Husker ikke så mye av dem dessverre
Men tror en må skille litt mellom ulike typer modellering, fysikk basert eller datadrevet. Fysikk basert er typisk forenklede sett med lineære differensialligninger, som du er inne på. Datadrevet kan vel være mye bredere sånn sett. Datadrevet systemmodellering, datadrevet grafikk eller tekst basert, med ulike grader av styrt læring og typisk ekstremt store mengder med input data.
1 Like
Når blir dette varm konflikt skal tro. Sprøtt hvordan kaoset sprer seg.
Når det kommer til Rødehavet så har jeg hele tiden vært pessimistisk, for det er jo ingen mulighet for Vesten å faktisk sikre båtene 100%. Selv om vinteren bruker hinsides med penger på dyre missiler.
Rimelig måte for Iran\Russland å tømme vesten for enda mer våpen/penger. Og hvordan skal man bombe noen til å gi seg? De blir nok bare mer innbitt.
Så jeg frykter det vol bare fortsette. Kanskje det til og med eskalerer slik at når Israel engang faktisk trapper ned. Så lever konflikten på egenhånd. Foreløpig har jeg inntrykk av at de sier de holder på til Israel slutter å bombe? Så man ser vel et lys frem i tiden.
Dagens boliglånsrenter over dammen
| 30-Year Fixed | 7.40% |
|---|---|
| 15-Year Fixed | 6.61% |
2 Likes
