Giáo sư Princeton đề xuất khung đánh giá tự động hóa kiến thức bằng AI

robot
Đang tạo bản tóm tắt
AIMPACT Tin nhắn, ngày 16 tháng 5 (UTC+8), Giáo sư Khoa học Máy tính tại Đại học Princeton Arvind Narayanan tại hội thảo của Phòng thí nghiệm Kinh tế số Stanford đã thảo luận về các chiến lược thích nghi trong chuyển đổi công việc tri thức.
Ông đề xuất khả năng tự động hóa phần lớn công việc nhận thức bằng AI đáng để xem xét nghiêm túc, nhưng thực sự điểm nghẽn nằm ở khả năng phía dưới, ảnh hưởng của AI sẽ diễn ra dần dần trong nhiều thập kỷ.
Ông chỉ trích cơ sở hạ tầng bằng chứng hiện tại quá nhấn mạnh vào tầng khả năng, đồng thời giới thiệu nỗ lực của nhóm trong việc đo lường đặc tính công nghệ liên quan đến sự lan truyền, bao gồm đánh giá "thế giới mở" (kiểm tra khả năng AI xử lý các nhiệm vụ thực tế hỗn loạn) cũng như đo lường độ tin cậy của AI như một chiều kích độc lập với khả năng.
Ngoài ra, ông còn đề xuất chương trình nghị sự dự đoán về thế giới đã tự động hóa công việc nhận thức, nhằm dự đoán sự thay đổi trong nhu cầu lao động, rủi ro sụp đổ hệ thống và các thách thức đạo đức chính trị xã hội mới, ủng hộ phương pháp song song: phát triển nhận thức về bối cảnh và dự đoán cân bằng mới.
(Nguồn: InFoQ)
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
  • Phần thưởng
  • 8
  • 2
  • Retweed
Bình luận
Thêm một bình luận
Thêm một bình luận
GateUser-e1cfc287
· 12giờ trước
Chất lượng các buổi hội thảo của Phòng thí nghiệm Kinh tế số Stanford thực sự cao, công việc của nhóm Narayanan luôn thiên về thực chứng, lần này đưa ra thách thức đạo đức và dự đoán lực lượng lao động cùng bàn luận, xem như đã làm vững chắc ngành xã hội học công nghệ.
Xem bản gốcTrả lời0
RedTelephoneBoothSite
· 12giờ trước
Cách diễn đạt về các chiều trực giao này hay, khả năng và độ tin cậy thực sự thường bị nhầm lẫn với nhau
Xem bản gốcTrả lời0
HotAirBalloonViewing
· 13giờ trước
Anh ấy đã nói rõ về rủi ro hệ thống chưa? Cảm giác đây mới là phần khó nhất để xây dựng mô hình
Xem bản gốcTrả lời0
MemeSourdough
· 13giờ trước
Narayanan quan điểm này khá bình tĩnh, khả năng ≠ độ tin cậy thực sự bị nhiều người bỏ qua
Xem bản gốcTrả lời0
GateUser-deff9ed8
· 13giờ trước
Đặc tính khuếch tán đáng để theo dõi hơn cả đường cong khả năng, đặc biệt là đợt mô hình mã nguồn mở này
Xem bản gốcTrả lời0
Paper-CutOctopusMarketAnalysis
· 13giờ trước
Chương trình tự động hóa lao động nhận thức này quá học thuật, nói đơn giản là đừng chỉ chăm chăm vào việc GPT-4 có thể đạt bao nhiêu điểm.
Xem bản gốcTrả lời0
GateUser-4e0e3bcf
· 13giờ trước
Đánh giá thế giới mở mới là thực sự khó khăn, dù chỉ số phòng thí nghiệm cao đến đâu, khi triển khai thực tế vẫn sụp đổ
Xem bản gốcTrả lời0
LateEntryLarry
· 13giờ trước
Cách nói về con đường song song này thật thú vị, ý thức về tình huống + cân bằng dự đoán, cảm giác đáng tin cậy hơn nhiều so với chủ nghĩa lạc quan thuần túy về công nghệ
Xem bản gốcTrả lời0
  • Đã ghim