Home Nieuws Is het nog steeds een prestatie als AI het moeilijkste deel doet?

Is het nog steeds een prestatie als AI het moeilijkste deel doet?

1
0
Is het nog steeds een prestatie als AI het moeilijkste deel doet?

Beschouwt u het strikken van uw schoenveters als een prestatie? Als je lichamelijk gezond bent, waarschijnlijk niet. Stel je nu voor dat je het met één hand doet, of helemaal geen hand. Gewoon plotseling. Minder dan 10.000 mensen hebben de top van de Everest bereikt. Het vergt maandenlange training en stelt de grenzen van het menselijk uithoudingsvermogen op de proef. Maar als je met een helikopter naar de top gaat, naar buiten komt om foto’s te maken en weer naar beneden vliegt, is dat dan een prestatie? De resultaten zijn hetzelfde. dezelfde top. Het standpunt is hetzelfde, maar de meesten van ons zouden het niet als een prestatie beschouwen.

Er is nu een nieuw type helikopter gearriveerd. Kunstmatige intelligentie kan binnen enkele seconden rapporten samenstellen, software schrijven, correspondentie schrijven en ideeën genereren. Het systeem verbetert in een tempo dat voorheen niet was voorzien. De CEO van Google heeft investeerders verteld dat er meer dan een kwartaal nieuwe code nu bij het bedrijf AI-gegenereerd. Bij Microsoft liggen vergelijkbare cijfers ergens tussenin 20 en 30%. Algemeen directeur van Shopify vertelde medewerkers dat is voordat er toestemming voor wordt gevraagd dienstze moeten eerst aantonen dat de rol niet door AI kan worden vervuld. Dit is geen speculatie over de verre toekomst. Het was een beleidsnota die vorig jaar circuleerde.

Kunstmatige intelligentie verandert niet alleen de manier waarop we werken. Het is het stilletjes hervormen van wat het betekent om iets te bereiken.

Filosoof Gwen Bradford stelt dat een prestatie drie kernkenmerken heeft. Ten eerste moet het voortkomen uit je eigen instelling. De resultaten moeten gekoppeld zijn aan uw inspanningen en richting. Je kunt het inhoudelijke werk niet aan iemand anders of aan een machine uitbesteden en de resultaten claimen dat ze helemaal van jou zijn.

Ten tweede moet het heel moeilijk zijn. Prestaties vereisen meestal inspanning, vaardigheid en doorzettingsvermogen. Daarom wordt een Olympische medaille universeel als een prestatie beschouwd. Het is een viering van de jaren van hard werken die de atleet heeft doorgemaakt.

Ten derde mag het niet opzettelijk zijn. Succes moet voortkomen uit het gebruik van competentie en niet uit geluk. Het winnen van de loterij kan iemands omstandigheden veranderen, maar het bewijst niet zijn of haar vaardigheid. We zijn misschien jaloers op de resultaten, maar we bewonderen het vermogen erachter niet, omdat het niet bestaat.

Goed beoordelingsvermogen, inspanning, discipline en doorzettingsvermogen zijn wat resultaten in prestaties omzet. Ze koppelen de resultaten aan de persoon die ze produceert. Kunstmatige intelligentie ontwricht deze banden feitelijk. Als steeds waardevollere producten kunnen worden geproduceerd door de afhankelijkheid van menselijke vaardigheden te verminderen, zullen kredietbronnen steeds moeilijker te vinden worden.

De vraag is dus niet of we gaan samenwerken met algoritmen. Wij zullen. De vraag is wat als prestatie geldt in een wereld als deze.

We moeten ons gevoel van voldoening vormgeven door nieuwe kansen te creëren en door opnieuw te definiëren hoe meesterschap eruit ziet in een wereld waarin onze hulpmiddelen met ons meedenken. LLM’s kunnen basisartikelen over bijna alles schrijven. Dit betekent dat als schrijvers een creatief vervullende carrière willen, ze met technologie moeten werken om iets rijkers, genuanceerder en menselijker te creëren.

Drie dingen die de moeite waard zijn om te volgen:

1) Controleer uw inspanningen, niet uw resultaten. Het raamwerk van Bradford geeft je een nuttige persoonlijke test: kijk naar iets dat je deze week hebt gemaakt en vraag eerlijk hoeveel moeite je daadwerkelijk hebt gedaan. Of de uitkomst goed is of niet, doet er minder toe dan of de strijd in jouw handen ligt.

2) Weersta de drang om naar de top te springen. De analogie van de helikopter gaat verder dan de Everest. Elke keer dat je een hulpmiddel gebruikt om voorbij een moeilijk deel van het denken, een worsteling, een valse start, een moment voor duidelijkheid te komen, kom je bij het antwoord zonder de reis te maken. Soms maakt dat niet uit. Als gewoonte elimineert het stilletjes vaardigheden waarvan je denkt dat je ze nog hebt. Gebruik AI om verder te komen, en niet om zonder te gaan. Stel je voor dat een student een essay over staatsrecht voorbereidt. Geconfronteerd met een moeilijke zaak, worstelt hij misschien met een oordeel, reconstrueert hij zijn redenering, probeert hij zijn eigen argumenten en verfijnt hij ze door middel van herziening. Of hij kan het AI-systeem vragen om binnen enkele seconden een goed ontwerp te maken. De inzending kan eervolle punten krijgen. Maar door het intellectuele werk uit te besteden, besteedt hij ook de vorming van zijn eigen oordeel uit. Waarde registreert een uitkomst; het registreert niet de capaciteit die hij niet heeft opgebouwd.

3) Kies één ding waar machines niet goed in zijn en word er goed in. Machines zijn niet in staat morele ambiguïteit op te lossen, vertrouwen te scheppen in verdeelde menselijke situaties en te weten welke vragen belangrijker zijn dan de antwoorden. Dit is een van de moeilijkste vaardigheden die er zijn. Alexander Fleming, de bacterioloog die penicilline ontdekte, ontdekte het per ongeluk. Maar hij had een geoefend oog om te herkennen wat hij zag. Andere onderzoekers zouden vervuilde petrischalen kunnen weggooien als mislukte experimenten. Fleming begreep het belang hiervan. Veel succes met het vinden van iemand die er klaar voor is. Zo ook de toekomst.

Het is nuttiger als we AI niet beschouwen als kunstmatige intelligentie die ons vervangt, maar als een vergrotende intelligentie, een hulpmiddel dat de menselijke capaciteiten vergroot. Een chirurg die AI-ondersteunde beeldvorming gebruikt om een ​​tumor eerder op te sporen dan anders zijn prestaties niet zou verminderen; hij heeft het verheven. Een componist die machine learning-tools gebruikt om zonder hulp te experimenteren met harmonische structuren die hij zich nooit had kunnen voorstellen, verlegt de grenzen van zijn eigen creativiteit.

De aard van prestaties verandert, en daarmee ook de schaal van wat we kunnen bereiken. Wat we in samenwerking met deze tools kunnen bouwen, bereiken en bedenken, overtreft alles wat voorgaande generaties konden doen. Dat is geen reden om zelfgenoegzaam te zijn in het proberen. Dit is een reden om echt enthousiast te zijn over wat eerlijke, bekwame, mensgerichte inspanningen kunnen opleveren.

Nieuwsbron

LAAT EEN REACTIE ACHTER

Vul alstublieft uw commentaar in!
Vul hier uw naam in