Професор Прінстонського університету запропонував рамкову оцінку автоматизації знань за допомогою ШІ

robot
Генерація анотацій у процесі
AIMPACT повідомлення, 16 травня (UTC+8), професор комп’ютерних наук Прінстонського університету Арвінд Нарянан у семінарі Лабораторії цифрової економіки Стенфорд обговорив стратегії адаптації трансформації знаннєвої роботи. Він висловив думку, що можливість автоматизації більшої частини когнітивної праці за допомогою ШІ заслуговує серйозної уваги, але справжній бар’єр полягає у здатностях нижчих рівнів, і вплив ШІ розгортатиметься поступово протягом кількох десятиліть. Він критикував надмірний акцент сучасної інфраструктури доказів на рівень здатностей і представив зусилля команди щодо вимірювання характеристик технологій, пов’язаних із поширенням, зокрема "відкритий світ" оцінювання (перевірка здатності ШІ справлятися з хаотичними реальними завданнями) та вимірювання надійності ШІ як окремого аспекту, незалежного від здатностей. Крім того, він запропонував теоретичну передову програму щодо автоматизації когнітивної праці, щоб прогнозувати зміни у попиті на робочу силу, ризики краху інституцій та нові соціальні етичні та політичні виклики, підтримуючи двопутевий підхід: розвиток ситуаційної обізнаності та прогнозування нових рівноваг. (Джерело: InFoQ)
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
  • Нагородити
  • 8
  • 2
  • Поділіться
Прокоментувати
Додати коментар
Додати коментар
GateUser-e1cfc287
· 8год тому
Якість семінарів Лабораторії цифрової економіки Стенфорд дійсно висока, робота команди Нарянанау завжди орієнтована на емпіричні дослідження, цього разу об’єднали етичні виклики та прогнозування робочої сили, що свідчить про ґрунтовну роботу в галузі соціології технологій.
Переглянути оригіналвідповісти на0
RedTelephoneBoothSite
· 9год тому
Це визначення ортогональних вимірів хороше, здатність і надійність дійсно часто плутають між собою.
Переглянути оригіналвідповісти на0
HotAirBalloonViewing
· 9год тому
Він детально пояснив ризики системи? Відчувається, що саме це є найскладнішим для моделювання.
Переглянути оригіналвідповісти на0
MemeSourdough
· 9год тому
Нараянан ця точка зору досить спокійна, здатність ≠ надійність, цей факт дійсно багато хто ігнорує
Переглянути оригіналвідповісти на0
GateUser-deff9ed8
· 9год тому
Розповсюджувальні характеристики більш варто відстежувати, ніж криві здатності, особливо в цій хвилі відкритих моделей
Переглянути оригіналвідповісти на0
Paper-CutOctopusMarketAnalysis
· 10год тому
Автоматизація когнітивної праці — це занадто академічний термін, простіше кажучи, не зосереджуйтеся лише на тому, скільки балів може отримати GPT-4.
Переглянути оригіналвідповісти на0
GateUser-4e0e3bcf
· 10год тому
Оцінка відкритого світу — це справжня складність, навіть якщо лабораторні показники високі, на практиці все руйнується.
Переглянути оригіналвідповісти на0
LateEntryLarry
· 10год тому
Вираз "двоважний шлях" має цікаву концепцію, усвідомлення ситуації + баланс прогнозів, здається, набагато більш надійним, ніж чистий технічний оптимізм
Переглянути оригіналвідповісти на0
  • Закріплено