Jeg føler at den mest banale og underprisede observasjonen om LLM-er er at en algoritme kan ha overmenneskelig ytelse på mange forskjellige måter. Det er et høydimensjonalt rom, der én vektor er "burst-kapasitet, 24/7 tilgjengelighet, 20. persentil menneskelig ytelse 95 % av tiden."

Det er mange applikasjoner som du aldri bør ta i bruk noe for på den vektoren, og det er mange applikasjoner som det er transformativt for. Siden den vektoren er ukjent for historien før ~et år siden, har vi ikke engang stoppet opp for å tenke på hva vi ville gjort med den.

Mange mennesker som aldri har trengt å utforme en prosess for å generere repeterende beslutninger, undervurderer hvor mange prosesser i økonomien som genererer repeterende beslutninger.

Og det er mange ting som et selskap/etc ikke gjorde fordi en mulighetsstudie eller annen planleggingsøvelse sa: "Uff, vi ville trenge 24/7 bemanning eller en følge-solen-modell for å gjøre denne tingen, det ville være en if-uttalelse hvis den ble formet annerledes. Dessverre innebærer det ...»

Nå må hver mulighetsstudie tenke på "Spørsmål: Er dette en aktivitet der pay-dollars-consume-tokens i utgangspunktet er tilstrekkelig uten videre ettertanke, eller er det en aktivitet der et ingeniørprosjekt pluss tokens får oss dit?"

Det er en usofistikert innvending mot dette som sier at du ikke kan bygge et system med SLA-mål av komponenter som hallusinerer. Jeg har dårlige nyheter til deg om mennesker som jobber i systemer. Jeg har gode nyheter, OTOH: det er ikke-null-systemer som fungerer.

"OMG en feilrate. Pakk det inn, gutter.», sa feltet Operations Research i en forferdelig dystopi vi ikke lever i.