На что не способен ИИ — и почему

«Людям удаётся делать так много, используя удивительно мало ресурсов», — говорит Дуглас Гильбо, доцент кафедры организационного поведения в Стэнфордской высшей школе бизнеса. «В то время как ИИ, по сравнению с ним, делает относительно мало, но обладает огромной мощностью, вычислительными мощностями, ресурсами и, по сравнению с ним, относительно меньшим количеством ограничений». В бонусном эпизоде ​​подкаста If/Then Гильбо описывает последствия своей недавней работы. Хотя он охотно признаёт, что ИИ «всё чаще способен на многое», Гильбо и его коллеги считают, что они выявили ключевой принцип, отличающий человеческий интеллект от машинного интеллекта, и принцип, который освещает ограничения машинного мышления. Хотя некоторые исследователи и сторонники ИИ считают, что и люди, и ИИ учатся посредством оптимизации, Гильбо и его коллеги показали, что другой процесс более точно отражает то, как люди обрабатывают кажущуюся бесконечной сложность мира и действуют на основе ограниченной информации. «Вы сталкиваетесь с большим количеством шума, хаоса, случайности», — говорит Гильбо. «Мы каким-то образом узнаём, как создавать смысл и формировать прочные представления на его основе». С какими ограничениями вы столкнулись в своей работе с ИИ? Поделитесь своей историей с нами по адресу ifthenpod@stanford.edu. Похожая информация: Профиль преподавателя Дугласа Гильбо: https://www.gsb.stanford.edu/faculty-... Простой пороговый метод отражает социальное обучение конвенциям: https://www.gsb.stanford.edu/faculty-... Узнайте больше о If/Then: https://www.gsb.stanford.edu/business... Слушайте на: 🔊 Apple Podcasts: https://podcasts.apple.com/us/podcast... 🔊 Spotify: https://open.spotify.com/show/1v7V6LG... #gsbifthen #gsbpodcasts Главы: 00:00:00 Введение 00:01:40 Почему человеческое обучение важно для ИИ 00:05:03 Удовлетворительное решение и пределы оптимизации 00:06:41 Почему LLM учатся иначе, чем люди 00:09:58 Ставки ажиотажа вокруг ИИ 00:13:11 «Человечество хорошо прожило свою жизнь» 00:15:19 Интуиция, проницательность и концептуальные скачки 00:17:38 За пределами статистики: метафора, атмосфера и рассуждения 00:19:39 Простое правило социального обучения 00:21:18 Есть ли потолок для ИИ? 00:23:00 Случайность, беспорядок и путь к пониманию 00:25:00 Что упускает оптимизационный подход 00:27:54 Заключение