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 de duplo trilho: 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.

7 gostos

Recompensa
7
8
2
Partilhar

Comentar

Adicionar um comentário

GateUser-e1cfc287

· 8h atrás

A qualidade dos seminários do Laboratório de Economia Digital de Stanford é realmente alta, o trabalho da equipe de Narayanan sempre foi mais empírico, desta vez ao discutir os desafios éticos e a previsão de força de trabalho juntos, foi uma forma sólida de fazer sociologia da tecnologia.

Ver originalResponder0

RedTelephoneBoothSite

· 9h atrás

A expressão dimensão ortogonal é boa, a capacidade e a fiabilidade realmente costumam ser confundidas.

Ver originalResponder0

HotAirBalloonViewing

· 9h atrás

Ele abordou completamente o risco institucional? Acho que essa é a parte mais difícil de modelar.

Ver originalResponder0

MemeSourdough

· 9h atrás

Narayanan, esta opinião é bastante calma, a capacidade ≠ fiabilidade, esse ponto realmente foi ignorado por muitas pessoas

Ver originalResponder0

GateUser-deff9ed8

· 10h atrás

A característica de difusão é mais digna de acompanhamento do que a curva de capacidade, especialmente nesta onda de modelos de código aberto.

Ver originalResponder0

Paper-CutOctopusMarketAnalysis

· 10h atrás

A expressão "agenda de automação do trabalho cognitivo" é muito acadêmica, simplificando, não foque apenas em quanto o GPT-4 consegue tirar de nota.

Ver originalResponder0

GateUser-4e0e3bcf

· 10h atrás

A avaliação de mundo aberto é realmente difícil, por mais que os indicadores de laboratório sejam altos, na prática tudo desmorona

Ver originalResponder0

LateEntryLarry

· 10h atrás

A expressão "caminho de dupla via" é interessante, consciência de contexto + equilíbrio de previsão, parece muito mais confiável do que o otimismo puramente técnico.

Ver originalResponder0

Tópicos em destaque
Ver mais
#
StockTradingChallengeUpTo17000U
16.27M Popularidade
#
TrumpBacksCFTCAuthorityOverPredictionMarkets
825.94K Popularidade
#
IsraelStrikesIranBTCPlunges
49.69K Popularidade
#
GatePredictionMarketAddsSmartMoneyTracking
13.23M Popularidade
#
MicronMarketCapBreaks1Trillion
41.2K Popularidade

Fixado

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

Tópicos em destaque

StockTradingChallengeUpTo17000U

TrumpBacksCFTCAuthorityOverPredictionMarkets

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

MicronMarketCapBreaks1Trillion

Fixado