Den polska startupen Pathway påstår att deras AI-modell Dragon Hatchling spontant byggt en hjärnliknande struktur under träning. Modellen ska ha utvecklat något som liknar neocortex utan att vara programmerad att göra det och kan enligt uppgift hantera generalisering över tid. En av forskarna bakom Transformer-arkitekturen finns bland investerarna vilket ger påståendena viss trovärdighet.

Påståendena är imponerande men historien är full av AI-genombrott som visade sig fungera perfekt på benchmarks men falla isär i verkligheten. Om det stämmer kan det innebära AI som faktiskt lär sig över tid istället för att bara matcha mönster. Frågan är inte om tekniken fungerar i labbet utan om den fungerar när den faktiskt behöver göra något användbart.

I dagens nyhetsbrev:

• Pathway utvecklar AI-modell som utveckla spontant likt hjärnan

• Anthropic ger Claude beständigt minne

• JPMorgan minskar personal med AI och sparar 10 procent

• Taylor Swifts AI-kampanj gör ett spektakulärt självmål

AI bygger hjärnliknande struktur på egen hand

Den polska startupen Pathway hävdar att deras AI-modell Dragon Hatchling spontant utvecklat en hjärnliknande neural struktur under träning, utan att vara explicit programmerad att göra det. Modellen ska kunna lösa "generalisering över tid", vilket innebär att den kan lära sig av ny information och göra förutsägelser på sätt som tidigare AI-system misslyckats med. Startupen backas av en av forskarna bakom den ursprungliga Transformer-arkitekturen, vilket ger påståendena viss trovärdighet.

Quick points:

• Modellen hanterar generalisering över tid, vilket betyder att den kan lära sig av ny information och tillämpa det senare, något traditionella AI-system kämpar med.

• Under träningen formade systemet spontant en komplex struktur som liknar hjärnans neocortex, utan att vara programmerad att göra det.

• En av medförfattarna, Lukasz Kaiser, till den ursprungliga Transformer-artikeln finns bland investerarna, vilket ger påståendena viss tyngd.

Pathways påståenden är imponerande, men branschen har sett liknande "genombrott" förr som visade sig vara mer inkrementella förbättringar än revolutioner. Om det stämmer kan det innebära AI-system som faktiskt lär sig över tid istället för att bara känna igen mönster i träningsdata. Men frågan är om Dragon Hatchling verkligen löser problemet, eller om Pathway hittat ett smalt användningsfall som fungerar bra på deras benchmarks men faller isär i verkligheten.

Claude får äntligen beständigt minne

Anthropic tar sig an ett av AI-agenternas största problem: att de glömmer bort saker. Nya funktioner i Claude Sonnet 4.5 ger utvecklare verktyg för att ge Claude beständigt minne och automatiskt rensa bort irrelevant information från konversationer. I tester förbättrade agenterna sin prestanda med 39 procent på komplexa uppgifter. Det är ett steg mot AI-assistenter som kan hantera projekt självständigt istället för att börja om från noll varje gång

Quick points:

• Kontextredigeringsfunktionen rensar automatiskt bort inaktuell information från agentens arbetsminne, vilket förhindrar att den blir överbelastad under långa uppgifter.

• Minnesverktyget låter Claude spara viktig information i ett externt filsystem, vilket skapar en beständig kunskapsbas mellan sessioner.

• Kombinationen ledde till 39 procent bättre prestanda på komplexa flerstegsuppgifter i Anthropics tester.

Att ge AI-agenter minne är nödvändigt om de ska göra något mer komplext än att besvara engångsfrågor. Men det innebär också att du nu har en AI som kommer ihåg allt du gjort tillsammans, bygger upp profiler över tid och lagrar det i system du inte nödvändigtvis kontrollerar. Anthropic säger att du äger minnet, men frågan är hur länge det påståendet håller när affärsmodellerna utvecklas.

Quick click

Katter. Internet. Ni vet vad som gäller.

Quick prompt

Vad: Några fler “bra-att-ha”prompter att lägga till ert prompt-bibliotek.

Sammanfatta transkriberingen och gör följande:

1) Beslut som fattades
2) Nästa steg (med ansvariga)
3) Öppna risker/frågor

Håll det under 200 ord.

[ klistra in/ladda upp transkriberingen från mötet]

Du är min projektledare.

Bryt ner denna uppgift i konkreta steg: [infoga uppgift].

För varje steg, ange:
- Tidsåtgång
- Verktyg som behövs
- Vanliga misstag att undvika

Avsluta med en checklista i markdown-format.

Här är några mejl jag behöver svara på: [klistra in alla mail].

Gruppera dem i kategorier baserat på ämne och syfte.

Skriv en återanvändbar mall per kategori (artig ton, max 100 ord).

Inkludera en kort förklaring när varje mall bör användas.

Varför: Som alltid är temat med AI vardagen att minimera tid du spenderar på tråkiga och rutinmässiga uppgifter så du har mer tid för mer utmanande uppgifter som kräver mänsklig kreativitet och perspektiv.

JPMorgan strukturerar om för AI

JPMorgan Chase satsar på att bli ett 'helt AI-anslutet företag' och ger 250 000 anställda tillgång till sin AI-plattform LLM Suite. Systemet skapar presentationsmaterial på 30 sekunder, uppgifter som tidigare tog timmar för hela team. Banken planerar att minska personalstyrkan inom administration med minst 10 procent när anställda går från att skapa till att kontrollera AI-genererat innehåll.

Quick points:

• Hälften av de 250 000 anställda som har tillgång till plattformen använder den nästan dagligen.

• Plattformen uppdateras var åttonde vecka när banken matar in mer data från sina databaser och system, vilket ger den nya förmågor.

• Chefen för konsumentbanken säger att 10 procent är en försiktig uppskattning och att den faktiska minskningen troligen blir större.

JPMorgan visar hur AI-integration ser ut när den görs på riktigt: inte chattbotar utan automation av hela arbetsflöden. Men att automatisera bort 10 procent av personalstyrkan är bara början. När AI kan skapa på 30 sekunder vad som tog ett team en dag försvinner inte bara jobben utan hela karriärstegen. Juniora analytiker lär sig genom att göra dessa presentationer. När AI gör dem istället, vem tränar framtidens seniora analytiker? JPMorgan optimerar för idag men riskerar att automatisera bort sin egen framtida talangpool.

Taylor Swifts AI-kampanj träffar fel ton

Taylor Swifts senaste reklamkampanj i form av en skattjakt har stött på problem. Kampanjen använde QR-koder på orangea dörrar i tolv städer för att leda fans till exklusiva videor som visade sig vara AI-genererade. Reaktionerna har varit starka från kreatörer och fans som kallar agerandet hyckleri från en artist känd för att försvara upphovsrätt. Swift har själv tidigare varit offer för skadliga AI-deepfakes vilket gör situationen extra problematisk.

Quick points:

• Den globala kampanjen ledde fans i städer som Berlin, Paris och London till AI-skapade YouTube Shorts istället för innehåll från mänskliga kreatörer.

• Kritiken fokuserar på ironin i att en miljardär använder AI istället för att anlita kreatörer trots att hon själv kämpat för upphovsrätt i åratal.

• Spekulationer finns om att kampanjen kan vara ett samarbete med Google för att marknadsföra deras AI-videogenerator Veo men videorna har tagits ner efter negativ respons.

Swift har byggt karriären på autenticitet och att försvara kreatörers rättigheter. Hon har stämt för att återta sin musik och talat ut mot AI-missbruk när hon själv blivit offer. Att då släppa en kampanj med AI-videor är inte bara ett PR-misstag utan fundamentalt motsägelsefullt. Det spelar ingen roll om beslutet var hennes eller Googles. Budskapet till fans är tydligt nog ändå. Principerna om att stödja kreatörer gäller bara när det inte kostar något. Tech-samarbeten fungerar bra tills de tvingar dig att kompromissa med vad ditt varumärke står för. Då blir kostnaden högre än vinsten.

A quick tool

https://informed.ink/

AI-driven nyhetsapp som aggregerar nyheter från flera källor till sammanhängande tidslinjer och omvandlar artiklar till AI-genererade ljudsammanfattningar i podcastformat. Funktionerna inkluderar perspektivkontroll med förklaringar i olika svårighetsgrader, politisk spektrumanalys och flerspråkiga sammanfattningar samt anpassningsbara röstinställningar för hastighet och tonläge

Behöver du hjälp att navigera ett ständigt skiftande AI-landskap?
Micke Quick är konsult med särskilt fokus på AI och arbetsflöden inom reklam- och marknadsföring. Han hjälper dig med insikter, utbildning, och strategi för implementering av AI.

Läs mer på mickequick.se 

Quick links

Kalifornien skrev under lagen SB 53, en banbrytande lag som kräver att stora AI-labb redovisar sina säkerhetsprotokoll för att förhindra katastrofala risker.

Forskare från Stanford och Carnegie Mellon publicerade en studie som visar att 11 ledande AI-modeller är mycket inställsamma, vilket kan minska en användares vilja att lösa mellanmänskliga konflikter.

MIT utvecklade en ny multimodal AI-plattform kallad CRESt, som planerar och genomför sina egna labbtester för att påskynda vetenskapliga upptäckter inom materialvetenskap.

OpenAI och Jony Ive uppges kämpa (archive.is) med tekniska utmaningar för sin planerade skärmlösa AI-enhet, med problem relaterade till dess personlighet, integritet och beräkningsinfrastruktur.

OpenAI uppskattar via Sam Altman att ChatGPT:s 2,5 miljarder dagliga anrop förbrukar tillräckligt med energi per år för att försörja nästan 30 000 amerikanska hem.

BBC rapporterar att AI-reseplanerare skickar turister till platser som inte existerar, vilket skapar farliga situationer för intet ont anande resenärer på avlägsna platser som peruanska Anderna.