Le professeur de Princeton a proposé un cadre d’évaluation de l’automatisation de la connaissance par l’IA

robot
Création du résumé en cours
AIMPACT message, le 16 mai (UTC+8), le professeur en informatique de l'Université de Princeton Arvind Narayanan a discuté lors du séminaire du laboratoire d'économie numérique de Stanford des stratégies d'adaptation à la transformation du travail cognitif.
Il a souligné que la possibilité que l'IA automatise la majorité du travail cognitif mérite une attention sérieuse, mais que le véritable goulot d'étranglement réside dans les capacités en aval, et que l'impact de l'IA se déploiera progressivement sur plusieurs décennies.
Il a critiqué le fait que l'infrastructure de preuve actuelle met trop l'accent sur le niveau de capacité, et a présenté les efforts de son équipe pour mesurer les caractéristiques des technologies de diffusion, notamment l'évaluation du "monde ouvert" (testant la capacité de l'IA à gérer des tâches dans un environnement chaotique) ainsi que la mesure de la fiabilité de l'IA comme une dimension orthogonale à la capacité.
De plus, il a proposé une agenda prospectif pour un monde où la main-d'œuvre cognitive a été automatisée, afin de prévoir les changements dans la demande de main-d'œuvre, les risques d'effondrement institutionnel et les nouveaux défis éthiques et politiques sociaux, en prônant une approche à double voie : développer la conscience contextuelle et prévoir de nouveaux équilibres.
(Source : InFoQ)
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
  • Récompense
  • 8
  • 1
  • Partager
Commentaire
Ajouter un commentaire
Ajouter un commentaire
RugProofMaybe
· Il y a 1h
Il critique le fait que l'infrastructure de preuve se concentre trop sur la capacité, ce qui revient à dire que c'est une compétition effrénée dans divers benchmarks.
Voir l'originalRépondre0
GaslightGardener
· Il y a 3h
Mettre la fiabilité en orthogonalité par rapport à la capacité, c'est crucial pour les applications d'IA en médecine et en droit
Voir l'originalRépondre0
Post-RainCancellationAgent
· Il y a 3h
Monde ouvert vs monde fermé, cette distinction est plus profonde qu'on ne le pense, ChatGPT vit dans un monde fermé
Voir l'originalRépondre0
ChecksumSmile
· Il y a 3h
L'idée de Narayanan est assez intéressante ; séparer la fiabilité et la capacité a effectivement plus de sens que de simplement faire du classement.
Voir l'originalRépondre0
MemeSourdough
· Il y a 3h
La dernière phrase sur le défi éthique de la nouvelle société, on a l'impression qu'en 2024, nous vivons déjà dans ce défi.
Voir l'originalRépondre0
DustCollector
· Il y a 3h
La qualité des séminaires du Laboratoire d'économie numérique de Stanford est vraiment élevée, le travail de l'équipe de Narayanan a toujours été plutôt critique
Voir l'originalRépondre0
RugProofMood
· Il y a 3h
Prédire le nouvel équilibre ressemble à du jargon économique, mais la reconstruction du marché du travail nécessite effectivement ce type de cadre
Voir l'originalRépondre0
MinimalistSculpturePedestal
· Il y a 3h
L'agenda de l'automatisation du travail cognitif, en d'autres termes : les classes moyennes et les employés de bureau sont en danger
Voir l'originalRépondre0