Moonshot AI har præsenteret Kimi K3, en revolutionerende 2,8 billion-parametrers åben kildekode-model, der kan prale af en 1M-token kontekstvindue og native visionsfunktioner. Denne seneste udvikling markerer en betydelig milepæl i jagten på åben frontiersintelligens, hvor Kimi K3's benchmarkpræstation kan sammenlignes med fremtrædende modeller som Claude Fable 5 og GPT-5,6 Sol, men til omtrent halv pris.
Udgivelsen af Kimi K3 er bemærkelsesværdig ikke kun på grund af dens imponerende specifikationer, men også på grund af dens potentiale til at demokratisere adgangen til avancerede AI-funktioner. Som den første åbne model, der når 2,8 billion parametre, repræsenterer Kimi K3 et større skridt fremad i skalafronten, hvor Moonshot AI har sat den øvre grænse for åbne modellers størrelse i ni af de sidste tolv måneder.
Da AI-landskabet fortsætter med at udvikle sig, vil det være vigtigt at følge, hvordan Kimi K3 modtages af udviklere og forskere, og hvordan den sammenlignes med andre modeller i virkelige anvendelser. Med sin omfattende omarbejdede arkitektur og multimodale funktioner er Kimi K3 parat til at gøre en betydelig indvirkning på kunstig intelligens-området.
Selvgenkaldelse med forbedret hentning, en forskningsspor bag teknologier som Claude-kode, står over for et betydeligt problem. Problemet, kendt som RAG-problemet, drejer sig om udfordringerne i forbindelse med selvgenkaldelsessystemer med forbedret hentning. Disse systemer, designet til at forbedre store sprogmodeller ved at konditionere generering på eksterne beviser, er kraftfulde, men svære at implementere korrekt.
RAG-problemet er vigtigt, fordi det påvirker nøjagtigheden og pålideligheden af AI-systemer. Hvis det ikke løses, kan det føre til modstridende påstande, faktuelle inkonsistenser og domæneinfleksibilitet. Forskere har identificeret behandling af modstrid som et åbent forskningsspørgsmål, der kræver systematisk ingeniørarbejde. Manglende løsning af disse udfordringer kan resultere i hallucinationer og upålidelige AI-assistenter.
Da forskere fortsætter med at udforske løsninger på RAG-problemet, er det vigtigt at følge med i udviklingen af evalueringmetoder og systematisk ingeniørarbejde. Implementering af evalueringssystemer, der tjekker for modstridende påstande og markerer konflikter uden anerkendelse, kan hjælpe med at mildne disse problemer. AI-fællesskabet bør overvåge fremskridt i hentningskvalitet, grundlæggelse og behandling af modstrid for at forbedre den samlede præstation af RAG-systemer.
En betydelig udvikling er sket inden for området for åben kilde-browseragenter, med en ny mulighed for at køre multi-trinsopgaver på en lokal model. Denne innovation muliggør automatisering, der interagerer med loggede sessions uden at afhænge af cloud APIs, hvilket adskiller den fra cloud-baserede agenter.
Dette er vigtigt, fordi det forbedrer brugerens privatliv og selvstændighed, da følsomme data som cookies ikke sendes til eksterne servere. Den lokale model-tilgang mildner også afhængigheden af cloud-tjenester og giver en mere selvstændig oplevelse.
Da denne teknologi fortsætter med at udvikle sig, vil det være interessant at se, hvordan den sammenlignes med eksisterende løsninger som OpenAI Operator og Claude Computer-brug. Med flere åben kilde-browseragenter, herunder WebBrain, Browd og Nanobrowser, allerede skaber bølger, ser fremtiden for AI-drevet webautomatisering lovende ud.
Claude-brugere rapporterer problemer med Fable, en nøglemodel, der forsvinder fra deres brug og nu kræver kredit. Denne udvikling følger tidligere bekendtgørelser fra Anthropic, virksomheden bag Claude, om, at Fables tilgængelighed ville være begrænset på grund af kapacitetsbegrænsninger. Som vi tidligere har rapporteret, havde Anthropic forlænget Fables tilgængelighed til July 19, men det ser ud til, at nogle brugere allerede står over for brugs-creditafregning, på trods af at de har tilbageværende kvoter.
Den pludselige krav om kredit til at bruge Fable har efterladt nogle brugere frustrerede, især dem, der afhængigt af modellen til deres arbejde. Problemet synes at være relateret til et udfald, der siden er blevet løst, ifølge Claude's statusside. Men det faktum, at brugere bedes om at betale for kredit, på trods af at de har tilgængelig brug, har rejst spørgsmål om virksomhedens faktureringspraksis.
Da situationen udvikler sig, vil brugerne følge med for at se, hvordan Anthropic håndterer disse bekymringer og om virksomheden vil give mere klarhed om deres faktureringspolitik. Med deadline for Fables forlængede tilgængelighed nærmer sig, vil brugere, der afhænger af modellen, være ivrige efter at vide, hvad de kan forvente herefter og hvordan de kan planlægge deres brug herefter.
En ny tilgang til AI-agentudvikling er på vej, hvor fokus er på at holde agent-spor lokale på brugerens maskine. Denne lokal-først-tilgang er en betydelig ændring fra traditionelle cloud-baserede AI-agenter, som ofte kræver, at data sendes til en central server for bearbejdning. Som vi tidligere har rapporteret, er evnen til at køre AI-agenter lokalt blevet udforsket i flere projekter, herunder den open-source-browser-agent, der kan køre multi-trins-opgaver på en lokal model.
Den lokal-først-tilgang er vigtig, fordi den prioriterer brugerens privatliv og sikkerhed. Ved at holde data på brugerens maskine, er der mindre risiko for, at følsomme oplysninger bliver eksponeret eller kompromitteret. Derudover kan lokal-først-AI-agenter fungere offline, hvilket gør dem mere pålidelige og effektive. TaskTraceAI-projektet på GitHub er et bemærkelsesværdigt eksempel på denne tilgang, der tilbyder en tidlig beta-agent-runtime til lokal skrivebords- og browserautomatisering.
Da udviklingen af lokal-først-AI-agenter fortsætter, vil det være vigtigt at følge, hvordan denne tilgang udvikler sig og bliver mere mainstream. Med udgivelsen af vejledninger og værktøjer, såsom "Bygning af lokale-først-AI-agenter"-vejledningen og "Sådan byggede jeg en fuldt lokal AI-agent med open-source-værktøjer"-tutorialen, bliver det mere tilgængeligt for udviklere at oprette autonome AI-systemer, der fungerer offline og respekterer brugerens privatliv.
Meta er i diskussioner om at leje beregningskraft fra sine kunstig intelligens-datacentre til Anthropic, en aftale, der kunne være værd op til 80 milliarder kroner over to år. Denne potentielle partnerskab ville give Meta mulighed for at diversificere sine indtægtskilder ud over reklame, en betydelig ændring for virksomheden.
Forhandlingerne, der startede efter Anthropic foreslog aftalen i juni, er stadig i de præliminære faser, hvor begge virksomheder overvejer betingelserne. Hvis aftalen bliver en realitet, ville den give Anthropic den beregningskraft, der er nødvendig, samtidig med at den ville generere betydelige indtægter for Meta.
Da forhandlingerne udvikler sig, vil det være vigtigt at følge, hvordan denne potentielle aftale påvirker det bredere teknologi-landskab, især inden for områderne kunstig intelligens og beregningskraft. Udfaldet af disse forhandlinger kunne have betydelige konsekvenser for begge virksomheder og branchen som helhed, hvilket gør det til en udvikling, der er værd at følge nøje.
Den homomorft krypterede CIFAR-10 slutledning er blevet opnået på 200ms, hvilket markerer en betydelig gennembrud i beskyttelse af privatliv i maskinlæring. Denne udvikling muliggør beregninger, der kan udføres direkte på krypteret data, og sikrer, at følsomme oplysninger forbliver beskyttet.
Som vi tidligere har rapporteret, har verificerbare AI slutledning og brugen af slutledningschips været på vej op. Denne seneste fremgang er særlig værd at bemærke, given dens potentiale til at forbedre sikkerheden og effektiviteten af dybe neurale netværks slutledning. Den foreslåede ramme har opnået en klassifikationsnøjagtighed på 94,4% på CIFAR-10 datasettet, hvilket demonstrerer dets effektivitet.
Det, der skal følges herefter, er, hvordan denne teknologi vil blive integreret i virkelige anvendelser, især i områder, hvor dataprivatliv er en stor bekymring. Med støtte fra organisationer som National Science Foundation, er yderligere forskning og udvikling sandsynligvis til at drive innovation i dette felt, hvilket fører til mere effektive og sikre homomorfe krypteringsløsninger.
RAG-systemer, der er designede til at levere præcise svar, fejler ofte på grund af hentingsproblemer snarere end problemer med modellen selv. Som vi tidligere har undersøgt i relaterede nyheder, såsom "Hentingsforbedret selvgenkald: Det RAG-problem, som ingen taler om", kan hentingsfejl føre til forkerte eller irrelevante svar. Seneste vejledninger og studier har identificeret almindelige årsager til hentingsfejl i RAG-systemer, herunder dårlig opdeling, manglende omrangering, forældede indeks og manglende metadatafiltre.
Det er vigtigt, fordi det understreger betydningen af at løse hentingsproblemer for at forbedre den samlede ydelse af RAG-systemer. Ved at forstå og løse disse fejl kan udviklere betydeligt forbedre nøjagtigheden og pålideligheden af deres systemer. Dette er afgørende for virkelige anvendelser, hvor forkerte svar kan have alvorlige konsekvenser.
Det, man skal holde øje på herefter, er, hvordan udviklere og forskere vil anvende disse indsighter til at skabe mere robuste RAG-systemer. Med en bedre forståelse af hentingsfejl og deres løsninger kan vi forvente at se forbedringer i design og implementering af RAG-rørledninger, hvilket fører til mere præcise og pålidelige svar. Da feltet fortsætter med at udvikle sig, vil det være vigtigt at overvåge fremskridt i hentningsteknikker og deres indvirkning på RAG-systemets ydelse.
Overførsel af en 128-ekspert-blandning af eksperter (MoE)-model, specifikt Gemma-4 26B-A4B, til AWS Inferentia2 har mødt betydelige udfordringer. Modellens komplekse arkitektur, herunder en dual-path feed-forward-netværk og en sparsom ekspert-løkke, har gjort overførselsprocessen svær. Et bemærkelsesværdigt problem opstod, hvor hver rang vægtede de forkerte eksperter, på trods af at CPU-referencen var perfekt og alle enhedstests var bestået.
Denne udvikling er vigtig, fordi Gemma-4 26B-A4B-modellen tilbyder en overbevisende balance mellem ydelse og omkostninger. Med kun 4 milliarder aktive parametre opnår den næsten 31B-kvalitet, samtidig med at den dramatisk reducerer inferensomkostninger per token. En succesfuld udvikling på AWS Inferentia2 kunne yderligere optimere omkostninger for vedvarende trafik, hvilket gør den til en attraktiv mulighed for produktionsmiljøer.
Da fællesskabet fortsætter med at arbejde på at løse overførselsproblemerne, vil de næste skridt være afgørende. Udviklerne vil følge med i opdateringer om korrektionen af ekspert-vægtningsproblemet og den succesfulde udvikling af Gemma-4 26B-A4B-modellen på AWS Inferentia2. Dette vil sandsynligvis involvere genkompilering og mulige justeringer af modellens arkitektur for at sikre en ubrudt integration med Inferentia2-chipene.
Denne seneste udvikling følger vores tidligere rapporter om MissKittyArt og GenerativeAI. Rum-temaet fortsætter med at udvikle sig med integrationen af GenerativeAI, som tydeligt kan ses af hashtagsne #Tapet, #MissKittyArt, #VJ og #GenerativeAI. Nævningen af #8K++ og #artInstallations antyder en voksende interesse for højopløsningsdigitalkunst og immersive oplevelser.
Betydningen af denne trend ligger i dets potentiale til at demokratisere adgangen til højkvalitetskunst og udvide grænserne for kreativ udtryk. Med platforme som SnapGenAI, der tilbyder gratis og ubegrænset adgang til AI videogenereringsværktøjer, kan kunstnere og entusiaster nu udforske nye former for digitalkunst uden betydelige økonomiske begrænsninger.
Da rummet fortsætter med at udvikle sig, vil det være interessant at se, hvordan kunstnere og platforme som MissKittyArt og WallpaperCat samarbejder om at skabe innovative og immersive oplevelser. Intersectionen af GenerativeAI, digitalkunst og sociale medieplatforme som Tiktok vil sandsynligvis spille en afgørende rolle i at forme fremtiden for denne nye kunstform.
MissKittyArt har afsløret en ny protestkunstserie, der kombinerer 8K opløsning, video jockeying og generativ AI. Denne udvikling er vigtig, fordi den demokratiserer adgangen til AI-drevet kunstskabelse, så flere kunstnere kan eksperimentere og innovere. Konvergencen af forskellige kunstbevægelser, såsom BlueSkyArt, ModernArt og AbstractArt, er særligt værd at bemærke.
Introduktionen af VJ, eller video jockeying, til blandingen fjerner endnu mere grænserne mellem menneskelig kreativitet og maskingenereret indhold. Denne fusion af 8K opløsning, AI-drevne kunstinstallationer og bestillinger gendefinerer kunstverdenen. Da intersectionen af kunst og teknologi fortsætter med at udvikle sig, spiller generativ AI en betydelig rolle i at skabe immersive og højopløste kunstoplevelser.
Det, man skal holde øje på herefter, er, hvordan denne udvikling vil påvirke kunstverdenen og AI's rolle i kreative processer. Med opkomsten af nye platforme og værktøjer vil kunstnere som MissKittyArt fortsætte med at udvide grænserne for digital kunst, så den bliver mere tilgængelig og innovativ. Fremtiden for kunst vil sandsynligvis blive formet af konvergencen af teknologi og menneskelig kreativitet, og MissKittyArt's seneste serie er et bemærkelsesværdigt eksempel på denne tendens.
Apple har øget prisen på sin Apple TV 4K, så den er steget fra 129 dollars til 199 dollars, en betydelig stigning på 70 dollars. Dette træk kan have indvirkning på købernes beslutninger, da enheden nu konkurrerer i en højere prisklasse.
Prishøjen er væsentlig, fordi den ændrer Apple TV 4K's værdiproposition, og det kan gøre alternative streamingenheder mere attraktive for forbrugerne. Som vi har rapporteret om relaterede nyheder, har Apple været involveret i forskellige udviklinger, herunder sager og kampe om handelshemmeligheder, men prishøjen er et særskilt spørgsmål, der påvirker købsbeslutningerne for dem, der er på udkig efter en streamingenhed.
Det, man skal holde øje på herefter, er, hvordan forbrugerne reagerer på den nye prissætning, og om Apple vil fortsætte med at retfærdiggøre omkostningerne med opdateringer eller nye funktioner. Med flere alternativer til rådighed på markedet, kan Apple's prissætningsstrategi have indvirkning på virksomhedens markedsandel i streamingenhedssektoren.
Apple og Google er blevet beordret af San Franciscos anklager til at tage skridt mod 'nudify'-apps, som kan producere AI-genererede dybfalske nøgenbilleder. Denne udvikling er betydningsfuld, da den understreger den voksende bekymring over misbrug af AI-teknologi. San Franciscos byanklager, David Chiu, har krævet, at de to teknologigiganter fjerner i alt 13 apps fra deres butikker, som faciliterer produktionen af ikke-samtykkende nøgenbilleder.
Dette skridt er vigtigt, da det understreger behovet for, at teknologivirksomheder tager ansvar for indholdet, der er tilgængeligt på deres platforme. Trods regler på plads til at fange sådant materiale, har disse apps formået at undgå opdægelse, hvilket rejser spørgsmål om effektiviteten af nuværende indholdsmodereringspraksis.
Da situationen udvikler sig, vil det være vigtigt at følge, hvordan Apple og Google reagerer på ordren, og om de vil tage hurtigt skridt til at fjerne de krænkende apps. Derudover kan denne sag sætte præcedens for fremtidige skridt mod lignende apps og kunne føre til en bredere diskussion om reguleringen af AI-genereret indhold.
Forskere har introduceret HG-RAG, en ramme for Hierarchy-vejledt udtræksforbedret generering, designet til at forbedre kvaliteten af output fra store sprogmodeller (LLMs) ved at traversere hierarkiske videngraf. Denne tilgang adresse begrænsningerne i traditionelle RAG-systemer, som typisk henter kontekst fra flade dokumentlager, og som kæmper med forespørgsler, der kræver hierarkisk eller relationel tænkning.
Udviklingen af HG-RAG er vigtig, fordi den har potentialet til at betydeligt forbedre multi-hop-forståelse og reducere hallucinationer i LLMs, hvilket fører til mere præcise og pålidelige output. Som vi tidligere har rapporteret, har RAG-systemer vist sig at være succesfulde til at forbedre LLM-output, men deres begrænsninger har været diskuteret, herunder de problemer, der blev fremhævet i vores tidligere artikel om RAG-problemet.
Da forskningen i HG-RAG fortsætter, vil det være vigtigt at følge, hvordan denne ramme bliver anvendt i virkelige scenarier, især i områder, der kræver kompleks tænkning og struktureret viden, såsom kraftsystemdokumenter. Succesen med HG-RAG kunne banke vejen for mere avancerede LLMs, der kan navigere effektivt i hierarkiske videngraf, hvilket fører til gennembrud i forskellige fagområder.
Kinas Moonshot AI har præsenteret en enorm ny kunstig intelligensmodel, Kimi K3, som virksomheden hævder kan være på niveau med topamerikanske virksomheder OpenAI og Anthropic. Dette er betydningsfuldt, da det tyder på, at Kina lukker gapet til US i AI-kapløbet.
Kimi K3-modellen indeholder 2,8 billioner parametre, hvilket placerer den som en direkte udfordrer til de førende systemer, der tilbydes af OpenAI og Anthropic. Selvom visse rapporter indikerer, at Kimi K3 stadig er lidt efter Anthropic's Claude og OpenAI's ChatGPT, hvad angår samlet præstation, markerer lanceringen en bemærkelsesværdig milepæl i Kinas AI-ambitioner.
Da AI-landskabet fortsætter med at udvikle sig, vil det være afgørende at følge med i, hvordan Kimi K3 klarer sig i virkelige anvendelser, og om den kan være på niveau med evnerne hos sine amerikanske modparter. Denne bevægelse fra Moonshot AI understreger den intensiverede konkurrence på det globale AI-marked, hvor Kina i stigende grad markerer sin tilstedeværelse som en større spiller.
En nyeste eksperiment med en pytest-samling til en lille AI-agent har givet værdifulde indsigt i fejlfinding. Agenten, der er designet til at planlægge, vælge værktøjer og udføre flere trin, før den reagerer, viste sig at have en underlig fejl - en test, der konsekvent viste som grøn, eller bestået, var faktisk kilden til problemet. Dette modintuitive resultat fremhæver kompleksiteten ved fejlfinding af AI-agenter, der kan opføre sig anderledes end traditionelle modeller, der giver et enkelt svar.
Denne opdagelse er vigtig, fordi den understreger behovet for robuste test- og fejlfindingsprotokoller for AI-agenter. Da virksomheder i stigende grad tilpasser AI-agenter til at håndtere repetitive og simple forespørgsler, bliver evnen til at identificere og korrigere fejl afgørende. Anvendelsen af AI-agenter kombineret med manuelle agenter kan effektivt håndtere en række opgaver, men kun hvis AI-komponenten er pålidelig og troværdig.
Da udviklingen af AI-agenter fortsætter med at udvikle sig, vil det være vigtigt at følge med i fremskridt i fejlfindingsværktøjer og -teknikker. Tilgængeligheden af open-source AI-agenter, såsom Hermes Agent, og ressourcer som AI-agenter fuld guide, vil sandsynligvis spille en betydelig rolle i at forme fremtiden for AI-agentudvikling.
Netflix har afsløret, at omkring 300 af sine programmer har udnyttet generative AI i deres produktionsproces i år. Dette betydelige optag af AI-teknologi understreger den voksende betydning af generative AI i indholdsskabelse. Flertallet af denne AI-anvendelse er sket i post-produktion, hvilket indikerer en betydelig skift i, hvordan medievirksomheder tilgår redigering og forbedring af visuelle og lydelementer.
Denne udvikling er vigtig, fordi den fremhæver den øgede afhængighed af AI i underholdningsindustrien. Da streamingtjenester fortsætter med at udvide deres biblioteker, kan anvendelsen af generative AI strømline produktionen, forbedre kreativiteten og potentelt reducere omkostningerne. Det faktum, at en større aktør som Netflix omfatter AI i denne skala, sætter en præcedens for andre virksomheder i sektoren.
Da anvendelsen af generative AI i medieproduktion bliver mere udbredt, vil det være interessant at se, hvordan denne teknologi udvikler sig og hvordan reguleringer responderer på dens implikationer. Med Netflix i spidsen kan branchen forvente yderligere innovation og investering i AI-drevne indholdsskabelseværktøjer.
En kinesisk AI-model har overtaget førstepladsen på hitlisten over front-end kodningstasks, og det sender chokbølger gennem tech-industrien. Denne open-source store sprogmodel, der er udviklet i Beijing, sprang 16 andre modeller over og overtog førstepladsen. Som vi har rapporteret om July 18, har Kinas Moonshot AI gjort betydelige fremskridt i AI-udviklingen, herunder præsentationen af dens kraftfulde Kimi K3-model.
Dette seneste udvikling er vigtigt, fordi det understreger Kinas voksende tilstedeværelse i den globale AI-landskab, og potentielt true Amerika's føring i feltet. Kinesiske AI-modeller, såsom Kimi K3 og Z.ai's GLM-5.2, har vist imponerende evner, og udfører opgaver næsten lige så godt som top US-modeller til en lavere pris.
Det, vi skal holde øje på herefter, er, hvordan US-teknologiindustrien reagerer på denne nye udfordring. Da kinesiske AI-modeller fortsætter med at forbedre sig og vinde frem, kan vi forvente øget konkurrence og innovation på området. Med Moonshot AI's Kimi-model frit tilgængelig, vil det være interessant at se, hvordan den bliver adopteret og anvendt af udviklere verden over, og hvordan den yderligere indsnævrer afstanden til spids US-modellerne.
United Press International · via Yahoo Tech+8 kilder2026-07-15news
Store sprogmodeller, som f.eks. ChatGPT, er blevet fundet til at favorisere vestlige moralvaleører, ofte på bekostning af andre kulturers værdier. Dette viser ny forskning, der er offentliggjort i Proceedings of the National Academy of Sciences, som fremhæver begrænsningerne i disse modellers evne til at forstå ikke-vestlige moralprioriteter. Som vi har rapporteret om July 17, er der blevet rejst lignende bekymringer om bias i store sprogmodeller, herunder deres tendens til at stereotypisere ikke-vestlige moralvaleører og favorisere vestlige perspektiver.
Dette er vigtigt, fordi store sprogmodeller i stigende grad bruges i tværkulturelt forskning og anvendelser, hvor deres bias kan have betydelige konsekvenser. Det faktum, at disse modeller misdømmer, hvad mennesker uden for Vesten måske værdsætter som en moralprioritet, kan føre til misrepræsentation og misforståelse af ikke-vestlige kulturer. Dette understreger behovet for mere diverse og inklusiv træningsdata samt mere nuancerede tilgange til at auditere og afhjælpe bias i store sprogmodeller.
Da brugen af store sprogmodeller fortsætter med at udvide sig globalt, vil det være vigtigt at følge med i, hvordan forskere og udviklere adresserer disse bias og begrænsninger. Dette kan indebære udviklingen af mere kultursensitive modeller samt større gennemsigtighed og ansvarlighed i design og implementering af disse teknologier.
ELIZA-programmet, et banbrydende dataprogram for naturlig sprogbehandling, er igen blevet genstand for diskussioner om opfattelsen af AI's evner. Som vi har rapporteret på July 15, var ELIZA et af de første chatbots, der blev udviklet fra 1964 til 1967 på MIT af Joseph Weizenbaum. Programmets evne til at omskrive brugerindtastninger gjorde det intelligent i mange menneskers øjne, på trods af dets simple underliggende mekanisme. Dette fænomen er kendt som ELIZA-effekten, hvor mennesker ubevidst tillægger computerne menneskelignende adfærd.
ELIZA-effekten er vigtig, fordi den fremhæver tendensen til at overvurdere AI's evner på basis af overfladiske interaktioner. Dette kan føre til urealistiske forventninger og misforståelser om de sande muligheder for AI-systemer. ELIZA-programmets arv fungerer som en påmindelse om at tilgang AI-udviklinger med en kritisk holdning, hvor man erkender forskellen på simuleret menneskelignende adfærd og rigtig intelligens.
Da feltet for AI fortsætter med at udvikle sig, er det afgørende at følge, hvordan ELIZA-effekten påvirker den offentlige opfattelse og forståelse af nye teknologier. Ved at anerkende begrænsningerne for tidlige AI-programmer som ELIZA, kan vi fremme en mere nuanceret diskussion om AI-systemers evner og potentiale.
