BTW, huomasitko, että OpenAI:n automatisoitu tekoälytutkimusharjoittelija toimii sadoilla tuhansilla GPU:illa? OpenAI:lla piti olla "reilusti yli miljoona" GPU:ta vuoden 2025 loppuun mennessä, joten tämä on vähintään ~20 % OpenAI:n nykyisestä käytettävissä olevasta kokonaislaskennasta.

Sam Altman: "Todennäköisin tie" on, että OpenAI tulee julkisesti noteeratuksi, "kun otetaan huomioon pääomatarpeemme ja yrityksen koko".

Julian Schrittwieser (antropinen): - Keskustelu tekoälykuplasta X:ssä on "hyvin kaukana" siitä, mitä tapahtuu rajalaboratorioissa. "Eturintaman laboratorioissa emme näe edistymisen hidastumista." - Tekoälyllä on "valtava taloudellinen vaikutus". OpenAI:n, Anthropicin ja Googlen tuloennusteet ovat itse asiassa "melko konservatiivisia". - Ekstrapoloimalla esimerkiksi METR-tiedoista mallit pystyvät ensi vuonna työskentelemään itsenäisesti monenlaisissa tehtävissä. Tehtävän pituus on tärkeä, koska se avaa ihmisen kyvyn valvoa malliryhmää, joista jokainen työskentelee itsenäisesti tuntikausia kerrallaan (verrattuna siihen, että hänen pitäisi puhua agentin kanssa 10 minuutin välein antaakseen sille palautetta). - "Erittäin todennäköistä", että nykyinen lähestymistapa tekoälymallien kouluttamiseen (esikoulutus, RL) tuottaa järjestelmän, joka pystyy suoriutumaan suunnilleen ihmisen tasolla periaatteessa kaikissa tuottavuuden kannalta tärkeissä tehtävissä. - Liikkeestä 37: "Mielestäni on melko selvää, että nämä mallit voivat tehdä uusia asioita." AlphaCode ja AlphaTensor "osoittivat, että voit löytää uusia ohjelmia ja algoritmeja". Tekoäly "löytää jo ehdottomasti uusia asioita", ja "olemme vain siirtymässä ylöspäin asteikolla sen suhteen, kuinka vaikuttavia ja mielenkiintoisia ovat ne asiat, jotka se pystyy löytämään itse". - "Erittäin todennäköistä", että joskus ensi vuonna saamme löytöjä, jotka ihmiset ovat yksimielisesti yhtä mieltä erittäin vaikuttavista. - Tekoäly pystyy yksinään tekemään Nobel-palkinnon arvoisen läpimurron vuonna 2027 tai 2028. - Tekoälyn kyvystä nopeuttaa tekoälyn kehitystä: Hyvin yleinen ongelma monilla tieteenaloilla on, että edistyminen alan edetessä on yhä vaikeampaa (eli 100 vuotta sitten yksi tiedemies saattoi löytää ensimmäisen antibiootin vahingossa, kun taas nyt uuden lääkkeen löytäminen vaatii miljardeja dollareita). Sama voi tapahtua tekoälytutkimuksessa - vaikka tekoäly tekee uuden tekoälyn tutkimuksesta tuottavampaa, räjähdysmäistä ei välttämättä tapahdu, koska uusia edistysaskeleita on yhä vaikeampi löytää.