Il prossimoProssima guida
L’intelligenza artificiale nella previsione del rischio di suicidio
Società
GUIDA della Società
Le previsioni sull’intelligenza artificiale vanno da previsioni su una capacità specifica ad affermazioni generali sull’intelligenza a livello umano, e tali affermazioni dovrebbero essere giudicate in base alle loro date, definizioni e prove.
Ascolta questa guidaNarrato dall'IA · ~3 min
La cronologia include sia le scadenze mancate che le previsioni utili, quindi gli esempi necessitano di contesto piuttosto che di una semplice tabella di valutazione.
Le previsioni dell’intelligenza artificiale sono difficili da valutare perché la stessa frase può descrivere un risultato di riferimento, un lavoro ristretto o un’ampia capacità umana. Una previsione verificabile nomina il suo obiettivo, la finestra temporale e la condizione di successo. Affermazioni vaghe possono sembrare preveggenti in seguito, quando il loro significato cambia per adattarsi agli eventi. La storia include previsioni ambiziose. In The Shape of Automation for Men and Management (1965), Herbert Simon affermava che le macchine sarebbero state tecnologicamente in grado entro vent’anni di svolgere qualsiasi lavoro che una persona potrebbe svolgere. Si trattava di un’ampia affermazione di capacità tecnica, non di una previsione che i lavoratori sarebbero stati sostituiti o che i sistemi sarebbero stati implementati in tutta l’economia entro la scadenza. Simon distingueva la capacità dall’adozione economica: le persone potevano conservare un vantaggio comparativo nel lavoro in cui svolgevano meglio. Nel 1985 nessun sistema aveva dimostrato la capacità universale dichiarata; i soli progressi su compiti ristretti non bastano a dimostrare l'affermazione completa. I ricercatori precedenti hanno anche fornito tempistiche ottimistiche per la traduzione automatica e gli scacchi. Le affermazioni storiche necessitano della loro formulazione e condizioni originali. Succede anche la sottovalutazione. Le persone potrebbero trascurare la rapidità con cui l’informatica, i dati o un metodo possono migliorare, o presumere che una capacità rimarrà difficile perché i tentativi precedenti hanno avuto difficoltà. Alcune previsioni sono condizionate dall’hardware, dai finanziamenti, dai dati o dalla politica. Una valutazione equa registra la richiesta originale, la data, le ipotesi, l'obiettivo e le prove alla scadenza. Separa una dimostrazione da una prestazione affidabile e da un’ampia adozione sociale. Un utile registro di previsione include le richieste di risarcimento riuscite, fallite e irrisolte. Conserva la fonte originale, evita di selezionare solo errori famosi e indica come viene definito il risultato. Per le previsioni attuali, chiedi un endpoint e una probabilità misurabili, quindi rivedili nei tempi previsti. Gli esempi storici insegnano cautela riguardo alla fiducia e alla portata; non dimostrano che tutte le previsioni attuali falliranno o che non sarà possibile realizzare progressi rapidi.
Una previsione del 1965 afferma che le macchine diventeranno tecnologicamente capaci di svolgere qualsiasi lavoro umano entro vent’anni; chiedi cosa significasse questa ampia capacità e in che modo differisce dalla sostituzione dei lavoratori nella pratica.
Una società prevede una svolta medica a breve termine; separi un prototipo di ricerca da uno strumento clinico convalidato e da un uso diffuso.
Un titolo dice che una pietra miliare dell'IA è arrivata presto; controlli se il benchmark misura la capacità descritta nella previsione originale.
Una previsione non fornisce alcuna data o risultato misurabile; lo etichetti come uno scenario o un'aspirazione piuttosto che come una previsione valutabile.
Poiché le capacità dell’intelligenza artificiale cambiano rapidamente, le previsioni pubbliche dovrebbero rendere esplicite le loro definizioni, date e ipotesi. Ricercatori e giornalisti possono preservare previsioni datate e rivisitarle con criteri trasparenti, mentre i lettori possono distinguere un risultato misurato da uno scenario a lungo termine. Un resoconto equilibrato includerà successi, mancati e rivendicazioni irrisolte, migliorando la discussione senza considerare la storia come una garanzia di ciò che verrà dopo. I gruppi di previsione possono pubblicare intervalli di probabilità e aggiornare le date in modo che i lettori possano confrontare la fiducia con i risultati nel tempo. La fiducia del pubblico dovrebbe seguire l’evidenza e rimanere aperta alla revisione.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Le previsioni sull’intelligenza artificiale vanno da previsioni su una capacità specifica ad affermazioni generali sull’intelligenza a livello umano, e tali affermazioni dovrebbero essere giudicate in base alle loro date, definizioni e prove. La cronologia include sia le scadenze mancate che le previsioni utili, quindi gli esempi necessitano di contesto piuttosto che di una semplice tabella di valutazione.
Un compito definito, una scadenza e una condizione di test rendono misurabile una previsione.
La dichiarazione di Simon riguardava la capacità tecnologica di svolgere qualsiasi lavoro umano, non l’implementazione universale del posto di lavoro o la sostituzione dei lavoratori. Le sole prove relative a compiti ristretti non basterebbero a stabilire l’affermazione completa.
La fonte originale fissa l'obiettivo e le condizioni rispetto alle quali la previsione può essere giudicata.
Un risultato di benchmark si applica al compito e alle condizioni misurate, non automaticamente all’abilità generale o all’adozione.
Un registro registra un contesto sufficiente per valutare in modo coerente sia i risultati positivi che quelli mancati.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
L’intelligenza artificiale nella previsione del rischio di suicidio
Società