חברות בחזית מעסיקות מתכנתים-מנצחים - כמו בתזמורת - כאלה שיודעים לרתום את ה-AI לטובתם; בפועל, לשאול את השאלות הנכונות כדי שה-AI ייתן את התשובות הנכונות.
לרגע נראה כאילו שאילת השאלות היא האינטליגנציה האנושית הנשגבת מהמחשב.
אבל כדאי לזכור שהתוצאה הזאת במידה רבה מוזמנת מראש: המודלים מאומנים על מתן תשובות.
אם נדמיין את ההתפתחות האנושית, בפשטות, כסדרה לינארית של ניסויים, ובכל ניסוי יש היפותזה, איסוף נתונים, עיבוד והסקת מסקנות - מרבית האימון הקיים מתעסק במשימות מהסוג של איסוף ← עיבוד, ולפעמים עיבוד ← הסקת מסקנות.
כדי שה-AI יחליף אותנו לגמרי, צריך לאמן מודלים גם על החלק הקשה: מהסקת מסקנות ← להעלאת היפותזות חדשות.
והרבה יותר קשה למצוא דאטהסט כזה.
כולם מדמיינים איך עוד רגע מפטרים את כל המתכנתים. אבל אם פרדוקס ג׳בונס חל גם כאן, ככל שה-AI יוריד את עלות פיתוח התוכנה, הביקוש לתוכנה דווקא יגדל. וכשהתוכנה תזלוג עמוק יותר לעולם הפיזי, מפתחים בעלי אוריינות AI גבוהה יהיו בעמדה טובה במיוחד לשרת שוק שהולך ומתרחב.
@ZuckermanRoy אני לא מבין את הרמיזה לאי רציונאליות, בהינתן תוצאה חריגה ההסבר יכול להיות או ממדיניות הממשלה או מהשינוי במציאות/סביבה, ואין דרך להכריע בין ההסברים בצורה 'לוגית'. הימין מסביר דרך שינוי במציאות, השמאל מסביר דרך מדיניות הממשלה ולכן כולם מפרשנים מפוזיציה.
@Idaneretz אני חושב שלבתי ספר יש אינדיקציה די טובה ומסודרת על תלמידים שנעדרים מעל x זמן, ועל פניו ניתן לדגום כמה בתי ספר מייצגים מאזורים שונים ולקבל הערכה סבירה
@TheClimatist כמובן שעדיף שלא, אבל תפקיד המחקר הוא להכין כלים ולייצר תרחישים. אפשר לתמחר השפעות חיצוניות לא במושגים של פליטות פדח אלא לתת משקל שונה להשפעות הפיכות ולא הפיכות? להבנתי המטריקה המקובלת לא לוקחת את זה בחשבון
@the500th_ הצבת רף גבוה לאי בהירות :). אתה אומר בגדול שהמטרה שלהם להקטין שונות. השאלה שלי אם המטרה שלהם היתה להקטין זמן נסיעה, האם באמת יש הבדל גדול בין המטרות? האם שתיהן לא מתרכזות בפועל להפחתת קטעי נסיעה פקוקים, כי יש מתאם גבוה בין עומסים בקטע כביש לבין שונות בזמני הנסיעה בו