Budoucnost AI

Užitečná předpověď uvádí její předpoklady, časový horizont a důkazy. Předpovědi o transformačních schopnostech by neměly být prezentovány jako ověřená fakta nebo nevyhnutelné výsledky.

Klíčové věci

• Oddělte pozorování od předpovědí.
• Stavové předpoklady a měřitelná kritéria.
• Aktualizujte prognózy, když se důkazy změní.

Oddělte aktuální pozorování od extrapolace. Prokázaný výsledek za kontrolovaných podmínek neurčuje, kdy bude spolehlivý produkt dostupný nebo jak široce bude přijat. Nasazení přidává omezení, jako jsou náklady, bezpečnost, infrastruktura a údržba. Použijte scénáře, když je nejistota velká. Popište, co by se stalo, kdyby byl postup mezi úkoly rychlejší, pomalejší nebo nerovnoměrný. Identifikujte, která rozhodnutí zůstávají užitečná v několika věrohodných budoucnostích a která závisí na tom, zda je konkrétní předpověď správná. Vyberte ukazatele, které mohou hodnocení aktualizovat. Příklady zahrnují nezávisle reprodukovaný výkon úkolů, trvalou spolehlivost, náklady na dokončený úkol a důkazy o přijetí do skutečných pracovních postupů. Oznámení nového produktu se liší od nezávislého potvrzení jeho schopností. Kontrolujte prognózy v průběhu času. Zaznamenejte, co bylo předpovězeno, do kdy a co by se počítalo jako chyba. Vyhněte se přesunutí definice poté, co je znám výsledek. Předpovědi mohou informovat o přípravě, aniž by byly považovány za záruky nebo náhražky současných důkazů.

1. Nahraďte vynalezenou předpověď „AI brzy automatizuje tento pracovní postup“ datovaným, měřitelným tvrzením.
2. Specifikujte úkoly, přijatelnou chybovost, provozní náklady a množství požadované kontroly člověkem.
3. V termínu porovnejte důkazy s původními kritérii a v případě nesplnění kritérií prognózu otevřeně revidujte.

Cvičení zlepšuje kvalitu předpovědi, aniž by předstíralo, že zná budoucnost.