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 automatización por IA realice 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" (prueba de la capacidad de la IA para manejar tareas de realidad caótica) y la medición de la confiabilidad de la IA como una dimensión ortogonal a las capacidades.
Además, propuso una agenda prospectiva para un mundo donde 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 de doble vía: desarrollar conciencia contextual 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
  • 2
  • Compartir
Comentar
Añadir un comentario
Añadir un comentario
GateUser-e1cfc287
· hace20h
La calidad de los seminarios del Laboratorio de Economía Digital de Stanford es realmente alta, el trabajo del equipo de Narayanan ha sido siempre más empírico, esta vez al juntar los desafíos éticos y la predicción de la fuerza laboral, se puede decir que han consolidado la sociología de la tecnología.
Ver originalResponder0
RedTelephoneBoothSite
· hace20h
La expresión de dimensiones ortogonales es buena, la capacidad y la fiabilidad a menudo se confunden.
Ver originalResponder0
HotAirBalloonViewing
· hace21h
¿Ha explicado bien el riesgo institucional? Siento que esa es la parte más difícil de modelar.
Ver originalResponder0
MemeSourdough
· hace21h
Narayanan, esta opinión es bastante tranquila, la idea de que la capacidad ≠ fiabilidad realmente ha sido ignorada por muchas personas
Ver originalResponder0
GateUser-deff9ed8
· hace21h
La característica de difusión es más digna de seguir que la curva de capacidad, especialmente en esta ola de modelos de código abierto.
Ver originalResponder0
Paper-CutOctopusMarketAnalysis
· hace21h
La expresión "agenda de automatización del trabajo cognitivo" es demasiado académica, en términos simples, no se trata solo de enfocarse en cuántos puntos puede obtener GPT-4 en un examen.
Ver originalResponder0
GateUser-4e0e3bcf
· hace21h
La evaluación del mundo abierto es realmente difícil, por más que los indicadores del laboratorio sean altos, se desploman al implementarse en la práctica
Ver originalResponder0
LateEntryLarry
· hace21h
La expresión de camino dual es interesante, conciencia de contexto + equilibrio predictivo, parece mucho más confiable que el optimismo técnico puro.
Ver originalResponder0
  • Fijado