![DAGGER[X]s avatar](https://static.flashback.org/img/avatar/3/12696.jpg)
Mass-uppsägning på Meta, dom nämner direkt att det ska kompensera för "effektiviseringar" som har med AI att göra och det finns ljudinspelning från möte där Zuck pratar om hur alla anställdas datoraktivitet ska övervakas för att träna deras AI ersättare.
Citat:
https://www.businessinsider.com/read-meta-layoff-email-employees-2026-5- -https://x.com/MorePerfectUS/status/2056842597117636890 Ukraina ligger i bräschen för AI vapen. Jag misstänker att Kina är längre fram men dom har inget aktivt krig där dom kan prova och som tvingar dom att röra sig snabbt.
Meta is telling thousands of employees their jobs are being eliminated. An email to impacted employees said the layoffs were to offset other investments Meta is making. 8,000 roles are expected to be axed. The email lays out how the layoffs will work.
Citat:
https://archive.is/0MlZP#selection-4835.0-4835.242
“The world needs security, and only autonomous weapons can ensure it,” Mr. Fedorov said in an interview in his office at the Ministry of Defense. “Autonomous weapons are the new nuclear weapons. Countries that possess them will be protected.”
Citat:
Du låter precis som alla andra AI skeptiker genom tiderna, schackspelare, konstnärer, översättare. Alla har haft samma invändning, just min lilla grej som jag är jättebra på, den är sådan att bara en människohjärna någonsin kan bemästra den. Skeptikerna har alltid flyttat målstolparna för vad som är äkta AI. Just din specialitet kommer också falla när dom får tillräckligt med träningsdata. Och dom där mystiska texterna/URL källorna som jag postar förstår jag måste vara förvirrande för dig, bäst att du inte läser dom.
Citat:
Rimliga invändningar, en enstaka LLM instans, särskilt gratisversionerna som vi kan chatta med, är inte mycket att hänga i granen. Men det är när dom kedjas samman i komplicerade arkitekturer med tillgång till olika verktyg, olika modeller, kod-databaser, snart säkert kameror och robotkroppar och minnesbanker, där händer det saker. När dom på allvar börjar självmodifiera sig kommer dom kunna hitta svaghet efter svaghet och patcha den, om du har sett hur snabbt dom kodar i realtid eller skriver samma dokument så kan du tänka dig vad som händer när detta tar fart på allvar i ett gigantiskt datacenter. T.ex. Poetiq
Det skulle jag vilja påstå att det gör. Definition av en AGI är att den ska kunna tänka själva, d.v.s. i praktiken att om du sätter in den i en situation som den inte är tränad på så ska den ändå kunna tänka ut en lösning på ett problem.
LLM klarar endast sånt som den är tränad på, det är i praktiken ett sätt att pyssla ihop frekvensanalys med en stor mängd data, varken mer eller mindre.
Om du tar en LLM som inte är tränad på t.ex. hur man löser ett pussel så kommer den inte att klara det, även om ett barn klarar av det. Hela värdet ligger i träningsdatan medan en människa (förutom de allra dummaste kanske) klarar av även sånt som de inte specifikt tränats för.
Inte alltid, men i det här fallet gör det nog det.
Om man kan få till AGI så kan den sedan iterera och till slut i praktiken bli superintelligent (ASI) eftersom det inte finns längre finns några begränsningar vad gäller hur mycket tid, energi eller saker som livslängd, hälsa och annat som påverkar människor.
Med "riktig" artificiell intelligens kan man börja ställa frågor (och förhoppnings få svar) på många frågor där människor har gått bet hittills.
Om det har riktig intelligens skulle det inte vara beroende av träningsdata på samma sätt. Precis som att de som t.ex. först kom på teorierna om kvantfysik inte hade några böcker att läsa och lära sig kvantfysik i utan de fick lov att komma på det själva. Detta är ett typiskt problem som LLM-lösningar inte kan lösa då det bara i praktiken kan ge svar på sådant som vi redan vet.
LLM klarar endast sånt som den är tränad på, det är i praktiken ett sätt att pyssla ihop frekvensanalys med en stor mängd data, varken mer eller mindre.
Om du tar en LLM som inte är tränad på t.ex. hur man löser ett pussel så kommer den inte att klara det, även om ett barn klarar av det. Hela värdet ligger i träningsdatan medan en människa (förutom de allra dummaste kanske) klarar av även sånt som de inte specifikt tränats för.
Inte alltid, men i det här fallet gör det nog det.
Om man kan få till AGI så kan den sedan iterera och till slut i praktiken bli superintelligent (ASI) eftersom det inte finns längre finns några begränsningar vad gäller hur mycket tid, energi eller saker som livslängd, hälsa och annat som påverkar människor.
Med "riktig" artificiell intelligens kan man börja ställa frågor (och förhoppnings få svar) på många frågor där människor har gått bet hittills.
Om det har riktig intelligens skulle det inte vara beroende av träningsdata på samma sätt. Precis som att de som t.ex. först kom på teorierna om kvantfysik inte hade några böcker att läsa och lära sig kvantfysik i utan de fick lov att komma på det själva. Detta är ett typiskt problem som LLM-lösningar inte kan lösa då det bara i praktiken kan ge svar på sådant som vi redan vet.
Citat:
Recursive Self-Improvement Delivers New State-of-the-Art Coding Performance -- How Poetiq's Meta-System topped a coding benchmark without fine-tuning or privileged model access.
Citat:
Our SOTA results are achieved without any fine-tuning and without special access to the model's activations. The Poetiq Meta-System creates an intelligent harness, through recursive self-improvement, that requires only standard API access.
Unlike post-training and fine-tuning, in which every improvement is tied to a specific model, we can apply our learned harness to any LLM.
Unlike post-training and fine-tuning, in which every improvement is tied to a specific model, we can apply our learned harness to any LLM.
Citat:
https://poetiq.ai/posts/recursive_self_improvement_coding/
Learn Once, Use Everywhere: Our Solution Works Across All Models Automatically Unlike post-training and fine-tuning, in which every improvement is tied to a specific model, we can apply our learned harness to any LLM. As noted above, our harness was optimized for Gemini 3.1 Pro, but also significantly improved GPT 5.5 when applied to it. Another interesting example is Gemini 3 Flash — the harness improved its accuracy by 10 percentage points, going from 72.3% to 82.3%. This surpassed Gemini 3.1 Pro, Anthropic's Claude Opus 4.7 and OpenAI's GPT 5.2 High, all much bigger and more expensive models than Gemini 3 Flash.
