Comprar Cripto
Pagar com
USD
USD
Comprar e vender
Hot
Visa, Mastercard, SEPA e mais
P2P
0 Fees
Negociação flexível e sem taxas
Cartão Gate
Use criptomoedas para pagar pelo mundo
Mercados
Negociar
Básico
Avançado
Futuros
Futuros
Aceda a centenas de contratos perpétuos
CFD
Ouro
Plataforma de ativos tradicionais globais
Opções
Hot
Negoceie Opções Vanilla ao estilo europeu
Conta Unificada
Maximize a eficiência do seu capital
Negociação de demonstração
Introdução à negociação de futuros
Prepare-se para a sua negociação de futuros
Eventos de futuros
Participe em eventos para recompensas
Negociação de demonstração
Utilize fundos virtuais para experimentar uma negociação sem riscos
Earn
Lançamento
CandyDrop
tag
Recolher doces para ganhar airdrops
Launchpool
Faça staking rapidamente, ganhe potenciais novos tokens
HODLer Airdrop
Detenha GT e obtenha airdrops maciços de graça
Pre-IPOs
Desbloquear acesso completo a IPO de ações globais
Pontos Alpha
Negoceie ativos on-chain para airdrops
Pontos de futuros
Ganhe pontos de futuros e receba recompensas de airdrop
Investimento
Square
Square
Descubra valor em cripto
Em direto
moments live
Análise de mercado cripto em tempo real
Conversar
Converse com os operadores cripto
Notícias
O que está a acontecer na criptografia
flower_head
Mais
Promoções
AI
Outros
TradFi
Gate Card
Recompensas
Square
Últimas
Quente
Notícias
Perfil

O professor de Princeton propôs uma estrutura de avaliação da automação de trabalho de conhecimento por IA

MeNews
robot
Geração de resumo em curso
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 da equipe na medição das características técnicas 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 uma dimensão ortogonal à capacidade. Além disso, ele propôs uma agenda prospectiva para um mundo onde o trabalho cognitivo já foi automatizado, visando prever mudanças na demanda por força de trabalho, riscos de colapsos institucionais e novos desafios ético-políticos sociais, defendendo uma abordagem dual: desenvolver consciência de contexto e prever novos equilíbrios. (Fonte: InFoQ)
Ver original
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
  • Recompensa
  • 4
  • Republicar
  • Partilhar
Comentar
Adicionar um comentário
Adicionar um comentário
MildRugAllergy
· 4h atrás
Desacoplar fiabilidade e capacidade, finalmente alguém saiu da armadilha de valorizar apenas a capacidade
Ver originalResponder0
Low-PolyFloatingEarth
· 4h atrás
O gargalo downstream só se manifesta após décadas — isto não é exatamente como ferver uma rã em água morna, pois não?
Ver originalResponder0
GovernanceVoting
· 4h atrás
Dizer que o caminho duplo é fácil, como quantificar a consciência do contexto? Prever o equilíbrio é ainda mais uma questão de misticismo
Ver originalResponder0
CatMarketAnalysisAssistant
· 4h atrás
Narayanan, esta perspetiva é bastante clara, capacidade ≠ fiabilidade, muitas avaliações estão apenas a competir pelos pontos de referência nos resultados
Ver originalResponder0

  • Fixado

Mapa do site