Le professeur d'informatique de Princeton, Arvind Narayanan, a déclaré lors d'un séminaire au laboratoire d'économie numérique de Stanford que l'IA automatisera une grande partie du travail cognitif, mais que le goulet d'étranglement des capacités en aval apparaîtra progressivement dans plusieurs décennies. Il a critiqué le fait que l'infrastructure de preuve se concentre excessivement sur la dimension des capacités, en présentant le travail de son équipe sur la mesure des caractéristiques de diffusion, telles que l'évaluation en monde ouvert et la considération de la fiabilité de l'IA comme une dimension orthogonale aux capacités. Il a proposé un programme d'automatisation du travail cognitif orienté vers l'avenir, en prédisant la demande de main-d'œuvre, les risques systémiques et les nouveaux défis éthiques sociaux, en plaidant pour le développement d'une conscience contextuelle et d'une double trajectoire de prévision de nouveaux équilibres.

MeNews

2026-05-27 05:46:37

Création du résumé en cours

AIMPACT message, le 16 mai (UTC+8), le professeur d'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 d'automatiser la majorité du travail cognitif par l'IA 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 le travail cognitif a été automatisé, 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 du contexte 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.

7 J'aime

Récompense
7
8
2
Partager

Commentaire

Ajouter un commentaire

GateUser-e1cfc287

· Il y a 11h

La qualité des séminaires du Laboratoire d'économie numérique de Stanford est vraiment élevée, l'équipe de Narayanan travaille toujours de manière empirique, cette fois en abordant ensemble les défis éthiques et la prévision de la main-d'œuvre, ce qui constitue une approche solide de la sociologie des technologies.

Voir l'originalRépondre0

RedTelephoneBoothSite

· Il y a 11h

L'expression "dimension orthogonale" est bonne, la capacité et la fiabilité sont en effet souvent confondues.

Voir l'originalRépondre0

HotAirBalloonViewing

· Il y a 12h

A-t-il bien expliqué le risque institutionnel ? J'ai l'impression que c'est en fait le plus difficile à modéliser.

Voir l'originalRépondre0

MemeSourdough

· Il y a 12h

Narayanan, cette opinion est assez calme, le fait que la compétence ≠ fiabilité a effectivement été ignoré par beaucoup de gens

Voir l'originalRépondre0

GateUser-deff9ed8

· Il y a 12h

La caractéristique de diffusion est plus digne d'être suivie que la courbe de capacité, surtout pour cette vague de modèles open source.

Voir l'originalRépondre0

Paper-CutOctopusMarketAnalysis

· Il y a 12h

L'expression « agenda d'automatisation du travail cognitif » est trop académique, pour faire simple, ne vous concentrez pas uniquement sur le fait que GPT-4 peut obtenir combien de points à un examen.

Voir l'originalRépondre0

GateUser-4e0e3bcf

· Il y a 12h

L’évaluation du monde ouvert est vraiment difficile, peu importe à quel point les indicateurs du laboratoire sont élevés, cela s’effondre à la mise en œuvre.

Voir l'originalRépondre0

LateEntryLarry

· Il y a 12h

L'expression « parcours à double voie » est intéressante, la conscience du contexte + l'équilibre prédictif, cela semble beaucoup plus crédible que l'optimisme purement technique.

Voir l'originalRépondre0

Sujets populaires
Afficher plus
#
StockTradingChallengeUpTo17000U
16.01M Popularité
#
TrumpBacksCFTCAuthorityOverPredictionMarkets
829.43K Popularité
#
IsraelStrikesIranBTCPlunges
49.71K Popularité
#
GatePredictionMarketAddsSmartMoneyTracking
12.95M Popularité
#
MicronMarketCapBreaks1Trillion
42.98K Popularité

Épinglé

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

Sujets populaires

StockTradingChallengeUpTo17000U

TrumpBacksCFTCAuthorityOverPredictionMarkets

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

MicronMarketCapBreaks1Trillion

Épinglé