El profesor de Princeton propuso un marco de evaluación de automatización de conocimientos con IA

robot
Generación de resúmenes en curso
AIMPACT mensaje, 16 de mayo (UTC+8), el profesor de ciencias de la computación de la Universidad de Princeton Arvind Narayanan en el seminario del Laboratorio de Economía Digital de Stanford, exploró estrategias de adaptación para la transformación del trabajo cognitivo.
Él propuso que la posibilidad de que la IA automatice la mayor parte del trabajo cognitivo merece ser tomada en serio, pero el verdadero cuello de botella está en las capacidades en la parte baja de la cadena, y el impacto de la IA se desarrollará gradualmente a lo largo de varias décadas.
Criticó que la infraestructura de evidencia actual enfatiza demasiado la capa de capacidades, e introdujo los esfuerzos del equipo para medir las características tecnológicas relacionadas con la difusión, incluyendo la evaluación de "mundo abierto" (pruebas de la capacidad de la IA para manejar tareas en entornos caóticos) y la medición de la confiabilidad de la IA como una dimensión ortogonal a las capacidades.
Además, propuso una agenda prospectiva para un mundo en el que el trabajo cognitivo ya ha sido automatizado, con el fin de predecir cambios en la demanda laboral, riesgos de colapso institucional y nuevos desafíos ético-políticos sociales, abogando por un enfoque dual: desarrollar conciencia de contexto y predecir nuevos equilibrios.
(Fuente: InFoQ)
Ver original
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
  • Recompensa
  • 8
  • 1
  • Compartir
Comentar
Añadir un comentario
Añadir un comentario
RugProofMaybe
· Hace33m
Él critica que la infraestructura de evidencia se centre demasiado en la capacidad, ¿no está diciendo que ahora todo se trata de competir en diferentes puntos de referencia?
Ver originalResponder0
GaslightGardener
· hace2h
Poner la fiabilidad en ortogonalidad con la capacidad, esto es crucial para las aplicaciones de IA en medicina y derecho
Ver originalResponder0
Post-RainCancellationAgent
· hace2h
Mundo abierto vs mundo cerrado, esta distinción es más profunda de lo que se imagina, ChatGPT simplemente vive en un mundo cerrado
Ver originalResponder0
ChecksumSmile
· hace2h
La perspectiva de Narayanan es bastante interesante; separar la fiabilidad y la capacidad realmente tiene más sentido que simplemente hacer una clasificación.
Ver originalResponder0
MemeSourdough
· hace2h
La última frase sobre los desafíos éticos de la nueva sociedad, parece que en 2024 ya estamos viviendo en medio de esos desafíos.
Ver originalResponder0
DustCollector
· hace2h
La calidad de los seminarios del Laboratorio de Economía Digital de Stanford es realmente alta, el trabajo del equipo de Narayanan ha sido siempre crítico.
Ver originalResponder0
RugProofMood
· hace2h
Predecir un nuevo equilibrio suena a jerga económica, pero la reconstrucción del mercado laboral realmente requiere este marco
Ver originalResponder0
MinimalistSculpturePedestal
· hace2h
La agenda de automatización del trabajo cognitivo, en otras palabras: los profesionales de clase media están en peligro.
Ver originalResponder0