AnswersPublished22 sources
Sam Altman justerer AI-tidslinjen: Det er innføringen – ikke teknologien – som tar tid
Sam Altman sier at han ventet langt raskere forstyrrelser i programvarebransjen og økonomien etter lanseringen av GPT 4 i 2023. Han peker nå på utrulling, organisasjonsendringer, infrastruktur og samfunnets tilpasning som større flaskehalser enn selve modelltreningen.
Publisert avRedigert med GPT-5.6 LunaBilder generert med GPT Image 1.5
Research answer
Key takeaways
- Sam Altman sier at han ventet langt raskere forstyrrelser i programvarebransjen og økonomien etter lanseringen av GPT 4 i 2023.
- Han peker nå på utrulling, organisasjonsendringer, infrastruktur og samfunnets tilpasning som større flaskehalser enn selve modelltreningen.
- Motstand mot datasentre – blant annet at 71 prosent av amerikanere er imot et AI datasenter i nærområdet – og NVIDIAs rapporterte Poolside satsing på 7 milliarder dollar viser hvor omfattende og omstridt innføringen b...
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did OpenAI CEO Sam Altman recently acknowledge about having underestimated how quickly society, businesses, and the economy would be di. Article summary: Altman’s apparent revision is not that AI will be economically minor, but that capable models do not automatically produce immediate economy-wide change. The available evidence supports a shift from a “GPT‑4 will quickly. Topic tags: general, general web, user generated, news, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermark
Sam Altman har ikke nødvendigvis endret syn på hvor viktig kunstig intelligens kan bli. Det han ser ut til å ha revurdert, er hvor raskt teknologien vil få praktiske og økonomiske konsekvenser.
Etter lanseringen av GPT-4 i 2023 ventet han at programvareselskaper og deler av økonomien skulle bli forstyrret langt raskere enn det som faktisk skjedde. Nå legger han større vekt på den langsommere jobben med å gjøre modellkapasitet om til pålitelige tjenester, nye arbeidsprosesser, organisatoriske endringer, fysisk infrastruktur og bred aksept i samfunnet. 36
Forskjellen er viktig: En imponerende AI-modell erstatter ikke automatisk eksisterende produkter, omorganiserer bedrifter eller endrer økonomien over natten.
Den nye diagnosen: Utrulling er vanskeligere enn trening
Den fremvoksende vurderingen er at den kortsiktige flaskehalsen ikke bare handler om å utvikle enda kraftigere grunnmodeller. Selskaper må også lage nyttige applikasjoner, koble dem til eksisterende arbeidsflyter, endre hvordan organisasjoner fungerer og få både kunder og ansatte til å stole på systemene.
Det kan forklare hvorfor økonomien etter GPT-4 ikke har opplevd det umiddelbare bruddet som enkelte prognoser antydet. Modellene kan fortsette å bli bedre i høyt tempo, mens innføringen skjer gjennom tregere kommersielle og institusjonelle prosesser.
Altman har samtidig beskrevet en utvikling som trekker i begge retninger. Han har skrevet at modellintelligens øker med ressursene som brukes til å trene og kjøre systemene, mens kostnaden ved å bruke et bestemt intelligensnivå faller kraftig over tid. Det kan på sikt gi langt bredere bruk av AI. 40 Men lavere priser fjerner ikke hindringer som innkjøpsprosesser, regulering, tillit, dataforvaltning og behovet for å endre hvordan mennesker arbeider.
Derfor har Altman snakket om å bremse tempoet
I juli sa Altman at bransjen kanskje må «pace» utviklingen av AI – altså tilpasse tempoet – slik at samfunnet får tid til å «herde seg rundt» nye nivåer av kapasitet. Han understreket samtidig at en slik tilnærming ikke må føre til regulatorisk kapring eller samordning mellom de ledende AI-laboratoriene. 37
Dette er ikke det samme som å foreslå en permanent stans. Poenget er heller at teknologisk fremgang og samfunnets tilpasning kan gå i ulik takt. Mer enn 1 000 ansatte i ledende AI-selskaper har også signert et åpent brev med krav om sterkere regulering og tid til å utvikle sikkerhetstiltak og tilsyn. 38
I praksis kan det bety en mer omstridt spredning av teknologien: Kapable systemer kan bli tilgjengelige før myndigheter, bedrifter, skoler og lokalsamfunn er enige om hvordan de bør brukes.
To «menneskefiendtlige» ytterpunkter
Altman har gjentatte ganger argumentert for at AI-makt ikke må bli for konsentrert, og at mennesker og samfunnets institusjoner må ha kontroll over fremtiden. 44 I denne sammenhengen er særlig to utfall uakseptable:
- AI blir så mektig at mennesker ikke lenger kan kontrollere den på en meningsfull måte.
- AI-kapasitet og beslutningsmakt samles hos for få selskaper eller myndigheter.
Den første risikoen handler om å miste kontrollen. Den andre handler om at kontrollen riktignok består – men hos en liten gruppe med uforholdsmessig stor økonomisk og politisk innflytelse.
Disse risikoene kan trekke sikkerhetspolitikken i ulike retninger. Strenge sikkerhetstiltak kan redusere misbruk, mens sentralisert tilgang og lukkede systemer samtidig kan øke maktkonsentrasjonen.
Var dette et angrep på Anthropic?
Å lese uttalelsene som en direkte kritikk av Anthropic bør behandles som en tolkning, ikke som et dokumentert faktum. Materialet som er tilgjengelig, viser ikke at Altman nevnte Anthropic ved navn eller kalte selskapets sentraliserte og sikkerhetsorienterte strategi «menneskefiendtlig».
Det finnes likevel en reell politisk spenning. En strengt kontrollert strategi for de kraftigste modellene kan gjøre overvåking og håndheving av sikkerhetsregler enklere. Samtidig kan den føre til at mer makt blir liggende hos noen få laboratorier. Åpne vektmodeller kan gi større tilgang og flere muligheter for tilpasning, men skaper nye utfordringer knyttet til misbruk og ansvar.
Det er derfor grunnlag for å diskutere avveiningen – ikke for å hevde at Anthropic er målet for kritikken, eller at selskapets filosofi i seg selv er skadelig.
Datasentre viser den fysiske flaskehalsen
AI krever mer enn programvare. Teknologien trenger datasentre, strøm, overføringskapasitet, vann, arealer, tillatelser og aksept fra lokalsamfunn.
Denne utbyggingen møter allerede motstand. Ifølge omtalen av en Gallup-måling var 71 prosent av amerikanske voksne imot at et AI-datasenter skulle bygges i deres eget område. Mer enn et dusin prosjekter skal også ha blitt stanset eller forsinket på grunn av lokal motstand. 18 Andre rapporter har trukket frem bekymringer for strømforbruk, vann, miljøpåvirkning og lokale skatteavtaler.
20
Altman har sagt at han forstår hvorfor folk ikke ønsker et datasenter i nærheten, og foreslått at avsidesliggende ørkenområder kan være bedre egnet. 23 Forslaget understreker hovedpoenget: Å skalere AI er også et spørsmål om arealbruk og infrastruktur – ikke bare om å skaffe flere GPU-er.
Den samme spenningen kommer til uttrykk i OpenAIs støtte til store infrastrukturprosjekter. Ved et datasenterprosjekt i Michigan beskrev Altman et rapportert prosjekt til 16 milliarder dollar som en stor satsing på AIs fremtid. Lokale innvendinger har samtidig handlet om ressurser som vann og strøm. 21
30
Bransjens forventninger er fortsatt enorme. Men for å gjøre forventningene om til faktisk kapasitet må lokalsamfunn akseptere de fysiske kostnadene.
NVIDIAs Poolside-avtale viser forberedelse – ikke tilbaketrekning
NVIDIAs rapporterte avtale med Poolside viser hvorfor en langsommere tidslinje ikke bør forveksles med mindre tro på AI.
Selskapet skal ha gått med på å betale 6 milliarder dollar for å lisensiere Poolside-teknologi og investere ytterligere 1 milliard dollar i oppstartsselskapet. Over 100 Poolside-ansatte ventes å bli med i NVIDIAs arbeid med Nemotron-familien av åpne vektmodeller. 1
5
Avtalen tyder på at NVIDIA beveger seg utover maskinvare og inn i systemer for modellutvikling og programvare basert på åpne vekter. Slike modeller kan være enklere å tilpasse og kan ha lavere driftskostnader enn enkelte lukkede alternativer. 5
Strategien passer med en lengre og mer konkurransepreget innføringsfase. Hvis bedrifter trenger fleksible modeller som kan tilpasses egen infrastruktur, kan åpne vektmodeller bli en viktig del av bedriftsmarkedets AI-bruk.
Men transaksjonen er samtidig en offensiv investering i AI-kapasitet. Den er ikke et tegn på at NVIDIA forventer at etterspørselen skal kollapse. 1
5
Den bredere lærdommen: AI kan bli gradvis, dyr og omstridt
Samlet peker utviklingen mot en mer nyansert tidslinje for AI:
- Modellkapasiteten kan utvikle seg raskere enn næringslivets bruk av teknologien.
36
- Applikasjoner og organisatoriske endringer avgjør om kapasiteten blir til reell økonomisk effekt.
- Utbygging av infrastruktur møter begrensninger knyttet til strøm, vann, tillatelser og lokalsamfunn.
18
20
23
- Sikkerhet og styring kan kreve tid for at institusjonene skal rekke å tilpasse seg.
37
38
- Bransjen investerer fortsatt aggressivt i nye modeller og åpne vektalternativer.
1
5
Den sterkeste konklusjonen er derfor ikke at AI vil få liten økonomisk betydning, eller at bransjen er blitt enig om å bremse utviklingen permanent. Bevisbildet peker heller mot en langsommere, ujevn og kapitalkrevende spredning.
AI kan fortsatt forandre økonomien. Men veien dit går gjennom applikasjoner, infrastruktur, regulering, organisatorisk tilpasning og offentlig legitimitet – ikke gjennom en umiddelbar omveltning etter GPT-4.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Sam Altman justerer AI-tidslinjen: Det er innføringen – ikke teknologien – som tar tid"?
Sam Altman sier at han ventet langt raskere forstyrrelser i programvarebransjen og økonomien etter lanseringen av GPT 4 i 2023.
What are the key points to validate first?
Sam Altman sier at han ventet langt raskere forstyrrelser i programvarebransjen og økonomien etter lanseringen av GPT 4 i 2023. Han peker nå på utrulling, organisasjonsendringer, infrastruktur og samfunnets tilpasning som større flaskehalser enn selve modelltreningen.
What should I do next in practice?
Motstand mot datasentre – blant annet at 71 prosent av amerikanere er imot et AI datasenter i nærområdet – og NVIDIAs rapporterte Poolside satsing på 7 milliarder dollar viser hvor omfattende og omstridt innføringen b...
Sources
blog.samaltman.comThree Observations - Sam Altman