Een interessant signaal van Glassdoor, met terughoudendheid behandelen

Glassdoor (min of meer geassimileerd door Indeed) heeft recent, bij monde van Chris Martin, een opmerkelijke blog posting geplaatst over het geleidelijk verzurende AI sentiment onder mensen die Glassdoor gebruiken om werkgeversreviews te plaatsen. Daarmee is het natuurlijk geen graadmeter, maar dat vergeet iedereen direct als er mooie plaatjes worden gepresenteerd. En Martin presenteert mooie plaatjes. Te beginnen met onderstaande grafiek:

Workers have a lot to say about AI
Workers have a lot to say about AI – Glassdoor

(meer…)

Too big to jail?

Ed Zitron:

And I also want to be clear about something: The Hugging Face attack was dangerous, reckless and somebody should go to prison for it. If a regular person used massive amounts of compute capacity to hack something, they’d be arrested. While I’m not a lawyer, the numerous cybersecurity experts I’ve discussed this with are stunned by the complete lack of any legal action against OpenAI, which appears to have committed a crime that gets you anywhere from a year to a decade in the slammer. The fact that LLMs from both Anthropic and Meta have been involved in similar incidents is a sign that we need to arrest more people

Kan een LLM evolueren in een AGI/ASI?

Schijtende beerAan een LLM (Large Language Model) wordt door belanghebbenden eigenschappen toegekend waarmee het in een AGI (Artificial General Intelligence) of ASI (Artifical SuperIntelligence) zou kunnen evolueren. Klinkt concreet maar is boterzacht, want er is geen eenduidige definitie van een AGI/ASI… Maar los van de definitie; wie enigszins bekend is met de interne werking van LLM kan niet anders constateren dan dat er geen sprake is van enige intelligentie maar uitsluitend van brute force1. Omdat ik er niet vanuit ga dat alle lezertjes van RecruitmentMatters met de werking van een LLM bekend zijn, hier een korte (!) uitleg (don’t shoot the messenger).

Het begint allemaal met een prompt van een gebruiker via de chatbot van een LLM. Om een antwoord te kunnen geven gaat een LLM door de volgende stappen: (meer…)

Als jij een prompt intikt, dan lees ik mee

Voorbeeldje van wat in de logs van RecruitmentMatters verschijnt:

je bent een productonderzoeker die online klachten en frustraties van nederlanders analyseert. opdracht: zoek op internet naar 5 veelvoorkomende klachten of frustraties die nederlanders nu uiten op forums, reviews, social media of klachtenplatforms. regels: – zoek op platforms zoals reddit, tweakers, klacht.nl, trustpilot nl, twitter/x nl – focus op klachten waar meerdere mensen over klagen (niet één individu) – het probleem moet oplosbaar zijn met een digitaal product (app, tool, platform, extensie) – zoek naar klachten over: slechte software, ontbrekende diensten, kapotte processen, tijdverspilling – een solopreneur moet de oplossing in 2-4 weken kunnen bouwen – geen klachten over systemen die je niet kunt veranderen (overheid, ns) – houd antwoorden kort (max 2 zinnen per veld) geef je antwoord als json array: [{“niche”:”frustratiegebied”,”icon”:”emoji”,”problem”:”de specifieke klacht (1-2 zinnen)”,”why_now”:”waarom dit nu speelt (1 zin)”,”evidence”:”platform + type klachten (1 zin)”,”product_idea”:”wat je bouwt om dit op te lossen (1 zin)”,”growth”:”stijgend”,”source”:”klachtenplatform”}] geef alleen de json array, geen andere tekst.

Ik weet niet wie je bent, maar stop ermee. Je app gaat niet werken! Je gebruikt de verkeerde tool.

(meer…)

Dunning–Kruger effect = Gartner hype cycle. Plus Executive AI fluency

De hype cycle werd in 1995 geïntroduceerd door analist Jackie Fenn van onderzoeksbureau Gartner. Zij bedacht de cyclus om het patroon van overspannen verwachtingen, desillusie en uiteindelijke volwassenheid in de tijd bij nieuwe technologieën in kaart te brengen. De Gartner hype cycle beschrijft de vijf opeenvolgende fasen die een nieuwe technologie doorloopt qua verwachtingen, adoptie en zakelijke rijpheid:

Technologie hype cycle - Gartner
Technologie hype cycle – Gartner

(meer…)

Wanneer moet je een LLM gebruiken en wanneer niet?

Een LLM bevat veel kennis. LLM’s kunnen die kennis op allerlei manieren combineren.
Hoe de grote LLM’s dat doen blijft een klein beetje geheim.

Wat een LLM precies belangrijk vindt blijft verborgen.

Een LLM kan kennis op zoveel manieren combineren, dat het onmogelijk wordt alles wat een LLM zegt te controleren. Vaak blijken dingen te kloppen, soms niet.

Cool

Als je een LLM gebruikt dan veroorzaak je twee problemen.

Ten eerste (de theorie)

Een oplossing die je niet kunt controleren is in beginsel duurder dan geen oplossing.

(meer…)