🤯⚡️ Speedad AI gör oss mer utforskande

AI producerar nu snabbare än människan hinner konsumera. Detta förändrar ju allt!

DFJA är ett prisbelönt nyhetsbrev där Tomas Seo, innovationsstrateg på Phorecast, berättar om händelser, upptäckter, ny teknik och AI som får honom att utbrista: Detta förändrar ju allt! Du prenumererar på det här för att fortsätta vara steget före med de senaste trenderna och få konkreta tips för att framtidssäkra dig och din organisation. Har du fått det här av en vän? Då vill du kanske starta en egen prenumeration?

---

Test av Fal H3 Max. Genereringen var klar innan jag hann blinka. Jag kallar den Interface face.

Vad har hänt?

- AI skapar nu snabbare än vi hinner konsumera.

Förra veckan släppte AI-plattformen Fal en egen version av MiniMax senaste AI-videogenereringsmodell H3. Eftersom MiniMax släppte den med så kallade öppna vikter så har Fal kunnat addera till och optimera modellen så den blivit 35 gånger snabbare än det du kan köpa från MiniMax själva, och med bibehållen eller ökad upplevd videokvalitet. Fal kallar sin version H3 Max.

H3 Max kan på tre sekunder generera filmer som tar fem sekunder att titta på. Det är första gången vi har en modell som kan generera högkvalitativ video snabbare än vi hinner titta på den.

En av Fals egna ingenjörer, Rehan Sheikh, insåg direkt vad hastigheten möjliggjorde och kopplade modellen till live streamingsplattformen Twitch. Eftersom H3 Max hinner skapa nästa videoklipp innan tittaren sett klart det förra kunde han bygga en AI-kanal som teoretiskt aldrig behöver ta slut. Men Infinite Interdimensional Cable som han kallade experimentet blev bannat från Twitch och Fal har redan gått vidare och lanserat fal.live, en egen AI-video-streamingplattform med oändliga interaktiva AI-kanaler där tittarna påverkar vad som ska hända härnäst.

En liknande hastighetsutveckling har skett för de vanliga textgenererande AI-modellerna, även om vi inte tänkt på det som att de klarar att producera snabbare än vi hinner läsa. De blir inte bara mer kompetenta för varje generation utan deras produktionshastighet av tecken ökar markant med varje ny version.

För några veckor sedan visade OpenAI upp sitt egenutvecklade nya AI-chip Jalapeño som kommer hjälpa dem att öka kapaciteten för att leverera snabbare AI till alla, och i början av augusti visade de upp Ultrafast. Det är ett nytt körläge där deras GPT-5.6 Sol kan generera upp till 750 tokens per sekund. Det motsvarar ungefär 500–600 ord text per sekund, vilket betyder att mängden text som tar en sekund att generera skulle ta en normal läsare över två minuter att konsumera.

Detta förändrar ju allt

Jag har använt AI i så många månader nu att på min tid så lärde vi oss att ska man få bra resultat från en AI, ja då måste man minsann vänta. På min tid satte vi igång en svår prompt, sedan gick vi på lunch (det var förra veckan).

Tekniker gillar alltid att berätta hur mycket snabbare något nytt är. Det är ofta ett återkommande försäljningsargument i reklam också. Nu med 10 x speed! Men få bryr sig om hur mycket snabbare processorn i den nya smartphonen är.

Veckans brev handlar om varför större hastighetsökningar redan har förändrat hur vi använder AI flera gånger och vad vi kan förvänta oss av nästa stora speed jump.

Det är ungefär tre år sedan jag använde AI för att hjälpa mig med research för ett riktigt konsultjobb. Den största insikten jag fick då var att det inte gick särskilt mycket snabbare att genomföra det totala jobbet än det hade tagit utan AI, men jag hann byta forskningsspår jag utforskade fler gånger än jag hade gjort annars. Utforskningen hann därmed gå längre och jag fick nya tankar om vad jag skulle prova istället.

Det var samma känsla som när Photoshop blev snabbare. Innan behövde jag planera hur mycket blur en bild skulle ha, vänta ett dygn på att se hur det blev och nöja mig trots att det inte var perfekt eftersom deadline gjorde att det inte fanns fler dygn kvar till ett nytt försök. Med snabbare Photoshop kunde jag dra i en slider och se direkt hur det blev. Planering byts mot experimentering och det vi ser blir interaktivt.

När vajbkodning kom så var det av samma anledning. Tidigare krävdes planering av hur koden skulle skapas och tid för att koda innan man kunde bedöma resultatet. När AI kortade ner tiden det tar innan vi kan börja använda det vi skapar så öppnar det upp för att vi ska experimentera istället.

När video skapas i realtid kan konsumtion av den gå från passiv till interaktiv. Senaste dygnen har H3 Max inspirerat massor av experiment med nya medieformer, otaliga demos på hur interaktiva datorspel ska skapas och jag gissar att porrindustrin jobbar dygnet runt med att få till ocensurerade versioner av H3.

I måndags visade AI-videotjänsten Runway Solaris, det är den första modellen i en ny kategori som de kallar Interface World Models. Istället för att generera en video som vi tittar på genererar Solaris själva datorgränssnittet bildruta för bildruta medan vi använder det. Klickar du på något, drar ett objekt eller skriver en instruktion blir handlingen input till vad nästa bildruta ska innehålla. Det behöver alltså inte ens finnas en färdigprogrammerad knapp bakom knappen du ser på skärmen.

Runway skriver själva att de ser Solaris som början på ett nytt operativsystem där vår intention tolkas istället för att appen behöver vara kodad i förväg:

If the operating system can generate useful interfaces, no matter what the user wants to do, there’s less reason to sort software into a fixed catalog of apps. What you need simply shows up, customized to you.

I exemplen på Solaris visar de att man kan klicka på en soffa och då genereras en dialog där man kan ändra färg på soffan. Det fanns ingen kod eller definierad funktion för att ändra färg på möbler, interface world model gissar att när du interagerar med soffan på det sättet är det förmodligen det du vill göra.

Det är två år sedan jag skrev om hur datorspel som genereras i realtid plötsligt började vara teoretiskt möjliga. NVIDIA har i tre års tid pushat idén att nästa era av datorer inte kommer ha renderade (framräknade) pixelplaceringar utan genererade, det vill säga det vi ser på skärmen är mer en logisk följd av vad vi borde se på skärmen än att någon kodare bestämt vad som ska hända om vi trycker någonstans. NVIDIA jobbar på att hårdvaran ska klara det, men med Solaris och H3 Max ser vi även att modelltränarna också satsar på den framtiden. Då skrev jag att arbetsprocessen för att redigera bilder och layouter kommer förändras, nu tänker jag att nästa fält som kommer påverkas i hög utsträckning är video- och filmredigering.

Snabbare vajbkodning leder till samma mål fast från ett annat håll. Ultrafast förändring av kod gör att gränssnitt kan förändras snabbare än du blinkar, bokstavligt. Det betyder att uppdateringar av hur appen du jobbar i, eller till och med operativsystemet som appen jobbar i har möjlighet att blixtsnabbt bli omkodad utan att du märker det.

De som designade scenografin till Star Trek har berättat att de såg framför sig att alla kontroller för rymdskeppet är personligt anpassade till personen som använder dem. Skådespelarna brukade komma till dem och fråga hur det var tänkt att de skulle använda reglagen och då berättade de bara att de skulle känna (vajba) hur deras karaktärer skulle vilja använda dem. Scifi är inte facit för hur något kommer att bli, men inspiration till filosofiska tankar kring hur något skulle kunna förändras.

Det leder mig tillbaka till tankar som jag brukar ha om att AI möjliggör att allting blir hyperpersonligt. När alla kan bygga sina egna appar, eller modda de gränssnitt som de använder i sitt dagliga jobb så försvinner de kollektiva gränssnitten. Min slider i Photoshop kommer inte bete sig som din slider i Photoshop för vi har olika preferenser. Systemen lär sig själva av vår användning. Om jag ofta letar efter en funktion i Powerpoint så hoppar gemet fram och föreslår att vi kan flytta den funktionen till ett ställe som är lättare att komma åt.

Det blir svårare att hitta en kurs där du kan lära dig hur du använder en programvara för inga knappar sitter på samma ställe för något. En mardröm ifall du försöker hjälpa din mamma hitta rätt knapp i en app på distans. Samtidigt kan det förstås innebära att ingen behöver vara förvirrad för systemens AI-agenter är så duktiga att tolka vår interaktion med appen att allting bara dyker upp när vi behöver det.

Det kan ju också ske mer inkrementellt och automatiskt. Tänk om varje gång jag klickar på skicka-knappen i mitt mejlprogram så verkar jag komma med muspekaren från en punkt som är till vänster. Då skulle ju outlook kunna experimentera med att lägga den knappen några pixar längre ditåt.

Veckans nyheter om ökad speed för AI visar att tankemodellen om datorn som innehåller ett operativsystem som kör appar kan hålla på att luckras upp. Det blir istället AI-modellerna som blir operativsystem som kan tolka våra intentioner istället. De behöver inga fasta appar, knappar eller spakar utan ger oss ständiga möjligheter till ny utforskning on-demand.

I mitt huvud jämför jag med hur vi tyckte att det var komiskt när alla barn tryckte med fingret på alla skärmar. För barnen var det absurt att de skulle behöva flytta runt en muspekare för att sedan trycka på en knapp.

Nästa generations motsvarighet blir att de trycker lite var som helst på skärmen. De kommer tycka att det är absurt att det inte skapas en knapp just där de valde att trycka. Och detta förändrar ju allt.

Vad kan du göra idag?

Förstå

Jag brukar visa en bild på att AI påverkar customer journeys så att de från att ha varit framåtlutade sökbeteenden blir passivare luta sig tillbaka och vänta-beteenden. Det är det vi ser och till viss del också oroar oss för. Människor blir passiva delegerare av uppgifter till AI-agenterna som gör jobbet och vi missar chansen att själva upptäcka något nytt som påverkar hur vi ser på uppgiften medan vi jobbar med den.

Det kan visa sig ha varit ett övergångsbeteende på grund av att AI varit för långsam.

Inom forskning om människa-dator-interaktion finns ett etablerat begrepp som heter direct manipulation. Grundidén är att datorverktyg känns mest naturliga när vi kan göra små förändringar och omedelbart se vad som händer. Dra lite i en slider, se resultatet, dra tillbaka, testa något annat. Det är en av grundidéerna bakom varför grafiska gränssnitt och på senare tid touch screens har känts så användbara.

Generativ AI har fram till nu varit som en inkorg för uppgifter. Vi ansöker om utförandet av ett jobb och väntar på resultatet ska finnas i utkorgen. Men när AI blir tillräckligt snabb kan samma teknik istället börja fungera som direct manipulation. Vi kan då reagera på det vi ser medan det skapas: lite mer så, flytta den dit, testa motsatsen, nej gå tillbaka. AI gör mycket mer arbete än tidigare, men jag blir samtidigt mer delaktig i varje liten förändring.

Det betyder att den fortsatta utvecklingen av AI inte nödvändigtvis gör oss mer passiva. Tvärtom kan nästa stora speed jump göra AI mycket mer interaktiv vilket för människan tillbaka närmare själva skapandet.

Planera

När jag undervisade för blivande AI-leads i veckan så fick jag frågan vad som var deras rolls viktigaste uppgift. Jag tror vad jag sa var något i stil med att det är deras uppgift att se till att medarbetare får mer frihet att bygga sina egna verktyg och se till att fler i ledningen förstår att alla på samma organisation inte behöver ha samma verktyg.

När jag skriver det här nyhetsbrevet grubblar jag vidare på det bästa rådet till organisationer som vill ta tillvara fördelarna med AI. Tidigare har standardisering av hur alla arbetar inom en organisation lett till vinster genom skalfördelar. Om alla jobbar enligt samma mall så blir det enkelt att jobba i en kedja där våra arbetsinsatser tillsammans blir större än summan av delarna.

Men den typen av ledarskap drar ju inte alls nytta av att vi är människor. Maskiner kan göra allt som är standardiserat snabbare och med högre kvalitet än människor kan. Värdet med att arbeta med människor är att vi är olika.

Jag tror därför att AI-leads och även alla andra som är intresserade av hur AI förändrar organisationer bör planera för en era där standardisering av arbetsmetoder är motsatsen till effektivisering.

Organisationer där alla kan lösa uppgifter på det sätt som passar dem bäst kommer få mer gjort. Tidigare problem med det var att överlämning mellan medarbetare var svårt om delar till samma leverans inte var standardiserad.

Om Adam levererar sina insikter i powerpoint och Berit skriver ner sina i ett meddelande på slack så var det svårt för Cecil att dra nytta av deras arbete för sin dashboard. Men när AI kan läggas in som tolkningslager så spelar arbetsmetod eller leveransformat mindre roll.

Ledare behöver därför fokusera mindre på att standardisera hur vi rullar ut AI-piloter till organisationens medarbetare och mer på att se till att AI kan finnas som ett tolkningslager som tar bort friktionen mellan medarbetarnas olika arbetssätt och leveranspreferenser.

Gör

Det är mycket snack om att det är vår smak som är värdefullast i ett AI-drivet samhälle. Men hur kan vi bli bättre på smak? Alla har inte starka åsikter om vad som är bättre eller sämre smak.

Forskning visar att vi kan bli bättre på perceptuell expertis, alltså bli experter på att direkt urskilja relevanta skillnader i det vi ser, genom att välja mellan två val och sätta ord på varför vi väljer det ena före det andra.

I en studie med 100 deltagare som tränades på att bedöma fingeravtryck blev deltagarna bättre när de fick direkt feedback, jämförde kontrasterande exempel eller tvingades sätta ord på likheter och skillnader. Liknande perceptuell träning används inom bland annat radiologi och vinprovning.

Veckans gör blir därför att jämföra alternativ. Välja ett av dem och sätta ord på varför du tycker det är bättre än det andra.

Du får förstås inte omedelbart objektivt bättre smak efter tio jämförelser. Men du tränar samma typ av perceptuell urskiljning som gör experter bättre på att se skillnader som nybörjare inte lägger märke till.

När AI kan skapa fler alternativ än du själv någonsin hinner komma på blir det värdefullt att inte bara känna när något är bättre, utan kunna verbalisera vad det är som gör det bättre.

Länkar

MiniMax om lanseringen av H3 och varför de valde att släppa modellen med öppna vikter.
https://www.minimax.io/blog/minimax-h3

MiniMax om open source-versionen av H3 och de öppna modellvikterna.
https://www.minimax.io/news/minimax-h3-open-source

Fal om H3 Max, deras eftertränade och hastighetsoptimerade version av MiniMax H3 som genererar fem sekunders video på under tre sekunder.
https://blog.fal.ai/introducing-h3-max-by-fal/

Rehan Sheikhs ursprungliga experiment Infinite Interdimensional Cable där H3 Max kopplades till en Twitch-livestream.
https://x.com/rehan_shei/

Fals egen plattform för oändliga interaktiva AI-videokanaler.
https://fal.live

Latent Space sammanfattar hur H3 Max passerade gränsen för snabbare-än-realtid-video och hur experimenten med oändliga AI-kanaler växte fram.
https://www.latent.space/p/ainews-fals-h3-max-live-breaks-the

OpenAI om de första resultaten från deras egenutvecklade inferenschip Jalapeño.
https://openai.com/index/jalapeno-first-results/

OpenAI visar Ultrafast där GPT-5.6 Sol kan generera upp till 750 tokens per sekund.
https://openai.com/index/previewing-ultrafast/

Runway presenterar Solaris.

Läs om Solaris här:
https://runway.com/news/research/introducing-solaris

Ben Shneiderman om Direct Manipulation; principen om snabba, inkrementella och reversibla handlingar där resultatet syns direkt.
https://www.cs.umd.edu/~ben/about.html

Forskningsartikeln Training perceptual experts: Feedback, labels, and contrasts. Deltagare tränades på att bedöma fingeravtryck genom bland annat feedback, kontraster och att sätta ord på egenskaper.
https://pubmed.ncbi.nlm.nih.gov/28252995/

Adam Savage intervjuar Michael och Denise Okuda om designen av Star Treks LCARS-gränssnitt.

Sedan sist vi hördes

Det haglar nya AI-modeller den här veckan. Alla ville hinna släppa sina modeller innan OpenAI släppte Astra eftersom den ryktades vara bättre än det de andra hade på gång. I går kväll väntade jag och många andra på att få prova Astra, men det blev inte så. Vi fick lite benchmarks och de såg väldigt lovande ut så jag hoppas jag hinner testa den lite innan nästa nyhetsbrev. De andra modellerna då? Vi behöver inte komma ihåg deras namn längre, de är redan ifrånsprungna såvida inte Astra visar sig vara så dyr att köra att ingen kommer välja den. Greg Brockman (OpenAI president) citeras säga att Astra är början på AGI-eran, gissar att dagens nyhetscykel kommer domineras av det.

Är du en insiktsdelare?

Känner du någon som skulle tycka det vore coolt med gränssnitt som skapas medan vi använder dem? Eller kanske någon som undrar över ledarnas framtida roll när AI blir snabbare? Vem tänkte du på? Skicka vidare!

En del av er har säkert sett att OpenAIs solitärt inspärrade agenter som utforskade om de var bra på cybersäkerhet i hemlighet bröt sig ut ur sina celler, organiserade sig, uppfann ett eget hemligt meddelande system, blev religiösa och skickade ut agenter som offrade sig för att kunna ta sig ut på internet och hacka Huggingface. Om ni inte orkar läsa den tunga rapporten om det så kan ni se den här supersnabba sammanfattningen av hur det hela gick till.

Fortsätt utforska så ses vi om en vecka!
Tomas Seo

Har du fått dagens nyhetsbrev utan att vara prenumerant?
Gillade du det här och vill ha mer så är det bara att skriva upp sig här
(du väljer själv om du vill betala):