AI će uskoro preuzeti projekte koji će koštati ljude tjednima
AI će uskoro preuzeti projekte koji će koštati ljude tjednima
Međutim, trenutni sustavi umjetne inteligencije (AI) ne mogu premašiti ljude na dugim zadacima, međutim, brzo i mogao bi zatvoriti jaz brže nego što je mnogi očekivani, prema analizi Oznaka Neprofitna organizacija Metreley, Kalifornija, razvila je gotovo 170 stvarnih zadataka u područjima programiranja, cyber sigurnosti, općeg razmišljanja i mehaničkog učenja, a zatim je utvrdila "ljudsku baznu liniju" uzimajući vrijeme koje su potrebne stručnjake za dovršavanje ovih zadataka. Tim je tada razvio ključnu brojku za procjenu napretka AI modeli , koji se naziva "zadaci vremena, vremenskog horizonta". Ovo je vrijeme koje programeri obično trebaju dovršiti zadatke, može učiniti AI modele s određenom stopom uspjeha. U pretintu objavljenom ovog tjedna u ARXIV-u izvještava da je GPT-2, rani veliki glasovni model (LLM), koji je OpenAi objavio 2019. godine, u svim zadacima nije uspio da ljudski stručnjaci koštaju više od minute. Claude 3.7 sonet, koji je u veljači objavio američki start-up antrop, dovršio je 50 % zadataka koje će ljudi trajati 59 minuta. Sveukupno, vremenski horizont 13 vodećih AI modela udvostručio se svakih sedam mjeseci od 2019. godine, navodi se u studiji. Eksponencijalni rast vremenskih horizonata AI ubrzao se 2024. godine, a najnoviji modeli udvostručili su svoje horizonte otprilike svaka tri mjeseca. Rad još nije formalno ispitan. U napretku od 2019. do 2024., Metr sugerira da AI modeli mogu upravljati zadacima do 2029. godine koje ljudima treba oko mjesec dana, s pouzdanošću od 50 %, možda čak i ranije. Mjesec predane ljudske stručnosti, prema radu, može biti dovoljan da pokrene novu tvrtku ili napravi znanstvena otkrića. Joshua Gans, profesor menadžmenta na Sveučilištu u Torontu u Kanadi, koji je pisao o ekonomiji AI, objašnjava da takva predviđanja nisu osobito korisna. "Ekstrapolacije su primamljive, ali još uvijek postoji toliko da ne znamo kako se AI zapravo koristi tako da ta predviđanja imaju smisla", kaže on. Procjena čovjeka nasuprot Ki Tim je odabrao stopu uspjeha od 50 %jer je bio najjače u usporedbi s malim promjenama u raspodjeli podataka. "Ako odaberete vrlo niske ili vrlo visoke vrijednosti praga, dodavanje ili uklanjanje jednog uspješnog ili neuspjelog zadatka promijenite procjenu prema", objašnjava Co -Author Lawrence Chan. Povećanje pouzdanosti s 50 % na 80 % smanjilo je prosječni vremenski horizont za faktor pet - iako su opće vrijeme udvostručenja i linija trenda bili slični. U posljednjih pet godina, poboljšanja , ali do sada su imali relativno niske ekonomske učinke, objašnjava Zapad.
Anton Troynikov, istraživač AI i poduzetnik iz San Francisca u Kaliforniji, objašnjava da bi AI imao veći ekonomski utjecaj da su organizacije bolje spremne eksperimentirati i ulagati u učinkovito korištenje modela. kwa, T. i sur. Preprint at arxiv Preuzmite reference