O método de duas pistas que o professor de Princeton falou em Stanford é interessante: de um lado, medir a confiabilidade real no mundo aberto, e do outro, imaginar com antecedência como o contrato social será reescrito após a automação do trabalho cognitivo. A camada de capacidade é apenas o começo, o colapso institucional downstream é o verdadeiro teste.

AIMPACT mensagem, 16 de maio (UTC+8), o professor de ciência da computação da Universidade de Princeton Arvind Narayanan, no seminário do Laboratório de Economia Digital de Stanford, discutiu estratégias de adaptação para a transformação do trabalho cognitivo. Ele destacou que a possibilidade de automação por IA da maior parte do trabalho cognitivo merece atenção séria, mas o verdadeiro gargalo está na capacidade downstream, e o impacto da IA se desenvolverá ao longo de várias décadas. Ele criticou a infraestrutura de evidências atual por enfatizar excessivamente a camada de capacidade e apresentou os esforços de sua equipe na medição das características de tecnologias relacionadas à difusão, incluindo a avaliação de "mundo aberto" (testando a capacidade da IA de lidar com tarefas de realidade caótica) e a medição da confiabilidade da IA como um dimensão ortogonal à capacidade. Além disso, ele propôs uma agenda prospectiva para um mundo onde o trabalho cognitivo já foi automatizado, a fim de prever mudanças na demanda por força de trabalho, riscos de colapsos institucionais e novos desafios ético-políticos sociais, defendendo uma abordagem de duplo trilho: desenvolver