Jonathan Ross, grundare och VD för AI-chipföretaget Groq, har en konträr syn: AI kommer inte att förstöra jobb, det kommer att skapa brist på arbetskraft. Han beskriver tre saker som kommer att hända på grund av AI: För det första, massivt deflationärt tryck. "Den här koppen kaffe kommer att kosta mindre. Ditt boende kommer att kosta mindre. Allt kommer att kosta mindre." Han förklarar att detta kommer att ske genom att robotar odlar kaffe mer effektivt och bättre hantering av leveranskedjan, vilket innebär att människor kommer att behöva mindre pengar. För det andra kommer folk att välja bort sig från ekonomin. "De kommer att jobba färre timmar. De kommer att arbeta färre dagar i veckan och färre år. De kommer att gå i pension tidigare eftersom de då kan försörja sin livsstil genom att arbeta mindre." För det tredje kommer helt nya jobb och industrier att uppstå. Jonathan pekar på historien som bevis: "Tänk på för 100 år sedan. 98 % av arbetskraften i USA arbetade inom jordbruket. När vi kunde minska det till 2 % hittade vi saker för de andra 98 % av befolkningen att göra." Han fortsätter: "De jobb som kommer att finnas om 100 år kan vi inte ens föreställa oss." Mjukvaruutvecklare fanns inte för ett sekel sedan. Om ett annat sekel kommer de inte heller att finnas, "för alla kommer att vibe coding." Samma sak gäller influencers, en karriär som för 100 år sedan var otänkbar men som nu ger människor miljoner. Hans slutsats: deflationärt tryck, arbetskraftsundantag och nya branscher vi ännu inte kan föreställa oss kommer att samverka för att skapa ett enda resultat... "Vi kommer inte ha tillräckligt med folk."

NVIDIA:s VD, Jensen Huang, varnar för att USA:s ledning inom AI är långt ifrån säker. Han bryter ner USA-Kinas AI-konkurrens i vad han kallar en "femlagerstårta." Och medan USA dominerar vissa lager, ser Jensen kritiska sårbarheter i andra... 1) Energi: Kina har dubbelt så mycket som USA trots en mindre ekonomi. Vilket "inte är logiskt" för Jensen. 2) Chips: USA ligger "generationer före", men Jensen varnar för självgodhet. "Den som tror att Kina inte kan tillverka missar den stora idén." 3) Infrastruktur: Att starta ett datacenter i USA tar ungefär tre år. I Kina? "De kan bygga ett sjukhus på en helg." 4) Modeller: USA:s frontier-modeller är "utan tvekan världsklass", men "Kina ligger långt före, långt före på öppen källkod." 5) Tillämpningar: Den allmänna opinionen skiljer sig kraftigt åt. Fråga båda populationerna om AI gör mer nytta än skada, och "i deras fall skulle 80 % säga att AI gör mer gott än skada. I vårt fall skulle det vara tvärtom." Jensens varning är tydlig. Att leda inom chip och frontmodeller räcker inte när man ligger efter på energi, infrastrukturhastighet, öppen källkod och allmänhetens förtroende. Att vinna AI-racet kräver styrka i hela stacken, och just nu har USA arbete att göra.

År 1956 nådde mänskligheten en vändpunkt som ingen talar om. 10 forskare samlades i studentlägenheter för att jaga en idé som världen kallade "science fiction." Detta var AI:s Big Bang-ögonblick: Sensommaren 1955... John McCarthy (professor i matematik vid Dartmouth College) satte ihop ett all-star-lag: • Marvin Minsky – intellektuell matematiker vid Harvard • Nathaniel Rochester – IBMs praktiska ingenjör • Claude Shannon – informationsteorigeni • Plus 6 andra forskare Tillsammans utarbetade de ett forskningsförslag för en två månader lång sommarworkshop vid Dartmouth College. Deras djärva mål? Bevisa att maskiner kan simulera alla aspekter av mänsklig intelligens — inlärning, resonemang, språk, problemlösning. McCarthy myntade detta radikalt nya forskningsområde: "Artificiell intelligens." Det var AI:s födelseögonblick. Men att hitta någon som kunde finansiera denna forskning skulle visa sig vara brutalt ↓ McCarthy begärde 13 500 dollar (ungefär 159 000 dollar idag) från potentiella finansiärer. Svaret? Avslag efter avslag. Organisationer kunde inte förstå konsekvenserna. Idén om maskiner som "tänker" var för radikal, för filosofisk, för osäker. Fältet existerade inte ens än – hur skulle någon kunna motivera att investera i det? Slutligen, efter månader av envishet, gick Rockefeller med på att finansiera projektet. Men det fanns en hake: De skulle bara investera 7 500 dollar (88 000 dollar idag). Knappt tillräckligt för att täcka sidorna. Juni 1956, forskningen började ↓ 11 forskare samlades i studentlägenheter och hyrde värdshus i 6–8 veckor. "Vid den tiden trodde jag att om vi bara kunde samla alla för att ägna tid åt det, kunde vi göra verkliga framsteg," reflekterade McCarthy. Teknologin de hade var extremt primitiv, vilket gjorde det nästan omöjligt att testa teoretiska idéer. Men utmaningen gick ännu djupare än hårdvaran ↓ Ingen kunde enas om vad "intelligens" egentligen betydde. Var det problemlösning? Resonemang? Språk? Lärdom? Gruppen kämpade med grundläggande frågor som inte hade några svar. • Minsky erkände senare att de "insåg att intelligens inte var ett prydligt pussel utan en vidsträckt vildmark." • En deltagare beskrev det som att "programmera maskiner för att lära sig var som att uppfostra ett barn med en trasig verktygslåda." När sommaren tog slut 1956 var även deras arbete slut. De lämnade med: Ingen prototyp Ingen konsensus Inget genombrott Men något mycket viktigare hände ↓ De lade grunden för ett helt vetenskapligt forskningsfält. Varje AI-system idag – från ChatGPT till självkörande bilar – har sitt ursprung i de där sex veckorna i New England. Sommaren 1956 gav ingen fungerande "tänkande maskin." Men det gav AI ett namn, en vision och en gemenskap av avvikande tänkare som var villiga att riskera allt för en omöjlig dröm. Den sommaren var AI:s stora smäll. Och chockvågorna växer fortfarande idag. — Tack för att du läste! Gillade du det här inlägget? Följ @RealBigBrainAI för mer innehåll som detta.