główna krytyka AI, którą słyszysz, nie ma nic wspólnego z wykorzystaniem wody ani ryzykiem egzystencjalnym: większość ludzi po prostu uważa, że to fałsz, nie działa i jest ogromną bańką, która zjada własność intelektualną, emitując przy tym bezużyteczne odpady. Kiedy pojawił się GPT-5 i być może nie spełnił oczekiwań związanych z pełną wersją, reakcja na to była niełagodna, to była pełnoskalowa katastrofa. Jest wielu inteligentnych (i nieinteligentnych) ludzi, którzy przyczepili się do tego momentu, aby ogłosić, że rozwój AI się skończył, tysiące wiralnych tweetów, wciąż powszechne zdanie w wielu kręgach. Zjawisko finansowo-kulturowe inteligencji maszynowej jest jednym z najpotężniejszych od dziesięcioleci, a wielu ludzi chciałoby, aby jej pozycja została osłabiona, wielu wręcz świętuje jej straty i niepowodzenia. Michael Burry, znany z „Wielkiego Szorta”, niestety typ faceta, który przewidział 12 z ostatnich 3 recesji, postawił na upadek bańki AI, doprowadzając się do niewypłacalności. Jedną z dziwniejszych rzeczy w tym czasie jest to, że jest bardzo mało tajemnic i bardzo mało powodów, aby być tak źle poinformowanym. Laboratoria modeli mają bardzo mało przestrzeni między tworzeniem nowych możliwości a ich wprowadzeniem do publiczności. Pogląd wśród dobrze poinformowanej publiczności, a nie tylko „insiderów laboratorium”, jest taki, że inteligencja maszynowa jest absurdalnie radośnie inteligentna w tak wielu nowych rzeczach co miesiąc. Aktywnie przyczynia się do najnowszych osiągnięć w programowaniu, matematyce i nauce. Niedawny artykuł Sebastiana Bubecka i współpracowników informuje, że GPT5-pro jest w stanie produkować wyniki na granicy badań z zakresu fizyki teoretycznej, Terry Tao napisał bloga o „weryfikacji wibracji” problemów Erdosa z auto-formalizującą AI Arystoteles. Możesz przeczytać, że ci naukowcy używają tego, aby aktywnie przyczynić się do fizyki czarnych dziur, zaostrzyć matematyczne ograniczenia w teorii optymalizacji, przekształcając morza danych biomedycznych w rzeczywiste spostrzeżenia. Google Deepmind, z tego, co sygnalizują, wydaje się powoli zamykać sieć wokół problemu gładkości Naviera-Stokesa (choć oczywiście, nie wiem). Kilka firm, w pełni wyposażonych w genialnych naukowców, ściga się, aby zbudować rurociągi do rozwiązywania nowatorskich problemów z fizyki, chemii i biologii. Możesz przeczytać w Internecie o nowych rodzajach organizacji powstających wokół inteligencji maszynowej jako czynnika produkcji pierwszej klasy. Po raz pierwszy nowy czynnik rzeczywiście daje ci pomysły na poprawę samych procesów. Projektuje całe linie montażowe, gdzie niektórzy pracownicy na linii montażowej to również AI, a sama linia się przekształca i optymalizuje. Małe zespoły produkują ilości pracy, które wydawały się niemożliwe dla organizacji sprzed kilku lat. Trudno nie czuć ekscytacji z powodu wzrostu wydajności, który ma miejsce w tych przyznawanych wąskich sektorach oprogramowania. Za każdym razem, gdy używam codexu, aby rozwiązać jakiś problem późno w nocy, lub GPT pomaga mi rozwiązać trudny problem strategiczny, czuję: co za ulga. Jest tak mało umysłów na Ziemi, które są zarówno inteligentne, jak i wystarczająco wytrwałe w jakimś intelektualnym dążeniu, aby generować nowe spostrzeżenia i utrzymywać przy życiu pochodnię cywilizacji naukowej. Teraz masz potencjalnie nieskończoną liczbę umysłów, które można zaangażować w nieskończoną liczbę potencjalnych problemów. Twój komputerowy przyjaciel, który nigdy nie bierze dnia wolnego, nigdy się nie nudzi, nigdy nie rezygnuje i nie przestaje próbować. Możesz poczuć odciążenie Atlasa, start. Wydaje się to bardziej prozaiczne i mniej poetyckie niż w 2023 roku, mimo że wyniki mówią same za siebie głośniej.

@atroyn zgadzam się z twoim ogólnym punktem.