Profesor Princeton mengusulkan kerangka penilaian otomatisasi pengetahuan AI

robot
Pembuatan abstrak sedang berlangsung
AIMPACT Pesan, 16 Mei (UTC+8), Profesor Ilmu Komputer Universitas Princeton Arvind Narayanan dalam seminar di Laboratorium Ekonomi Digital Stanford, membahas strategi adaptasi untuk transformasi pekerjaan pengetahuan. Dia mengusulkan bahwa kemungkinan otomatisasi AI sebagian besar pekerjaan kognitif patut dipertimbangkan secara serius, tetapi hambatan utama terletak pada kemampuan hilir, dan pengaruh AI akan berkembang secara bertahap selama beberapa dekade. Dia mengkritik infrastruktur bukti saat ini yang terlalu menekankan lapisan kemampuan, dan memperkenalkan upaya tim dalam mengukur karakteristik teknologi terkait penyebaran, termasuk evaluasi "dunia terbuka" (mengujicoba kemampuan AI dalam menangani tugas-tugas dunia yang kacau) serta mengukur keandalan AI sebagai dimensi yang orthogonal terhadap kemampuan. Selain itu, dia juga mengusulkan agenda pandangan ke depan tentang dunia di mana pekerjaan kognitif telah otomatisasi secara teoritis, untuk memprediksi perubahan kebutuhan tenaga kerja, risiko keruntuhan sistem, dan tantangan etika politik sosial baru, dengan mendukung pendekatan dua jalur: mengembangkan kesadaran konteks dan memprediksi keseimbangan baru. (Sumber: InFoQ)
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • 8
  • 2
  • Bagikan
Komentar
Tambahkan komentar
Tambahkan komentar
GateUser-e1cfc287
· 8jam yang lalu
Kualitas seminar di Laboratorium Ekonomi Digital Stanford memang tinggi, pekerjaan tim Narayanan selalu bersifat empiris, kali ini membahas tantangan etika dan prediksi tenaga kerja secara bersamaan, dianggap sebagai penguatan sosiologi teknologi secara solid
Lihat AsliBalas0
RedTelephoneBoothSite
· 9jam yang lalu
Istilah dimensi ortogonal ini bagus, kemampuan dan keandalan memang sering disamakan.
Lihat AsliBalas0
HotAirBalloonViewing
· 9jam yang lalu
Apakah dia sudah menjelaskan secara mendalam tentang risiko sistem? Rasanya ini justru yang paling sulit untuk dimodelkan
Lihat AsliBalas0
MemeSourdough
· 9jam yang lalu
Narayanan pandangannya cukup tenang, kemampuan ≠ keandalan memang benar-benar diabaikan oleh banyak orang
Lihat AsliBalas0
GateUser-deff9ed8
· 9jam yang lalu
Karakteristik penyebaran lebih layak untuk diikuti daripada kurva kemampuan, terutama untuk model sumber terbuka ini.
Lihat AsliBalas0
Paper-CutOctopusMarketAnalysis
· 10jam yang lalu
Agenda otomatisasi pekerjaan kognitif terlalu akademis, sederhananya jangan hanya fokus pada berapa banyak poin yang bisa diperoleh GPT-4
Lihat AsliBalas0
GateUser-4e0e3bcf
· 10jam yang lalu
Penilaian dunia terbuka memang yang paling sulit, indikator laboratorium di atas kertas tinggi, tetapi saat diterapkan langsung langsung runtuh
Lihat AsliBalas0
LateEntryLarry
· 10jam yang lalu
Istilah jalur ganda ini menarik, kesadaran konteks + prediksi keseimbangan, terasa jauh lebih dapat diandalkan daripada optimisme teknologi murni
Lihat AsliBalas0