1742896366
2025-03-25 07:10:00
分析：職場の効率と生産性にどのように役立つか、どのように役立つかを理解する前に、AIの限界を考慮することは役立ちます
による Akhil Bhardwaj、 バース大学
伝説にはそれがあります ウィリアム・テル 彼の幼い息子の頭からリンゴを撃った。物語には多くの解釈がありますが、技術の理論の観点からは、特に顕著なものもあります。まず、テルは専門家の射手でした。第二に、彼は自分の弓が信頼できることを知っていましたが、それが独立した機関のない単なるツールであると理解していました。第三に、テルはターゲットを選択しました。
これはすべて人工知能と何の関係がありますか？比phor的には、AI（大規模な言語モデルまたはLLMを考えてください。 chatgpt）弓と考えることができ、ユーザーは射手であり、Appleはユーザーの目標を表しています。このように表示されると、職場でAIを効果的に使用する方法を簡単に解決する方が簡単です。
RTÉRadio1のBrendan O’Connor Show、Tech Journalist、およびThe For TechのためのポッドキャストであるElaine Burkeのホストから、ChatGptの最新バージョンをレビューしています
そのためには、AIの限界について知っていることを検討する前に、効率と生産性を支援することはできません。第一に、LLMSは、実際にはつながれていない結果を作成する傾向があります。最近の研究 示した 回答の60％が間違っている可能性があること。プレミアムバージョンは、無料のカウンターパートよりも自信を持って質問に誤って答えます。
第二に、いくつかのLLMがそうです 閉じたシステム – つまり、彼らは彼らの「信念」を更新しません。で 可変世界 それは絶えず変化しており、そのようなLLMの静的な性質は誤解を招く可能性があります。この意味で、彼らは現実から離れて漂流し、信頼できないかもしれません。
さらに、ユーザーとの相互作用がパフォーマンスの劣化につながるといういくつかの証拠があります。たとえば、研究者は持っています 見つかった そのLLMは、時間とともによりひどく人種差別主義者になります。その結果、それらの出力は予測できません。
今日のRTéRadio1からClaire Byrneと一緒に、AIが政府の大臣と学生によってどのように使用されているか
第三に、LLMには目標がなく、世界を独立して発見することはできません。せいぜい、ユーザーができるツールだけです アウトソーシング 彼らの世界の探求。最後に、LLMはそうではありません – 1960年代のSF小説から用語を借りること 奇妙な土地の見知らぬ人 – 「grok」（理解）彼らが埋め込まれている世界を理解してください。彼らははるかにジャバーに似ています オウム それは賢いという印象を与えます。
LLMがデータを採掘する能力を考え、単語間の統計的関連を検討します。単語は、人間のスピーチを模倣するために使用します。 AIは、単語間の統計的関連が何を意味するのかわかりません。たとえば、雄鶏の鳴き声が日の出につながらないことを知りません。もちろん、スピーチを模倣するLLMの能力は印象的です。しかし、何かを模倣する能力は、それがオリジナルの属性を持っていることを意味するものではありません。
それでは、どのようにして職場でAIをより効果的に使用できますか？
役に立つことの1つは、アイデアを批判することです。非常に多くの場合、人々は批判を聞かず、自分のアイデアが批判されているときに顔の喪失を感じることを好みます – 特に公の場で起こったとき。しかし、LLMで生成された批判は私的な問題であり、有用です。私は最近のエッセイのためにそうしました、そして、批評が合理的であることがわかりました。事前テストのアイデアは、盲点や明らかなエラーを回避するのにも役立ちます。
RTéRadio1のドリベルタイムから、なぜ中国の新しいAIアプリDeepseekがゲームチェンジャーであるのか
第二に、AIを使用して、世界の理解を深めることができます。これはどういう意味ですか？まあ、AIはイベントの原因を理解していないため、質問をすることで、感覚を作ることを強いることができます。たとえば、私は私の大学（バース）がAIの使用を広く採用すべきかどうかについてLLMに尋ねました。
LLMは効率の利点を指摘しましたが、リソースがどのように割り当てられるかを明らかに理解していませんでした。たとえば、解放された管理スタッフは、高レベルの戦略的決定を下したり、コースを教えたりするために再配置することはできません。 AIはそれを理解するための世界で経験がありません。
第三に、AIを使用して、電子メールの編集や書き込みなどのありふれたタスクを補完することができます。しかし、もちろん、ここには危険があります。ユーザーはLLMを使用して、一方の端にメールを書き、もう一方の端にメールを要約します。不器用に書かれた個人的な電子メールがより良いオプションになる可能性がある場合を考慮する必要があります（特に、誰かに何かについて説得する必要がある場合）。 LLMの使用がより広くなるようになるにつれて、信頼性はより多くのカウントを開始する可能性があります。使用する個人的な電子メール 正しい言語と共有価値へのアピール 共鳴する可能性が高くなります。
決定が深刻な結果をもたらすかもしれない場合、人間の入力はより良いです。 Mストッカー/シャッターストック
反対のケースを考慮してください。 2022年、Air Canadaが使用したLLMは、乗客に料金について誤って情報を与え、乗客は訴えました。裁判官は航空会社を保持していました 責任 悪いアドバイスのために。したがって、常に責任の問題について考えてください。
AIは、責任がない低ステークスタスクに最適です
AIのファンは、多くの場合、太陽の下ですべてのためにそれを提唱します。しかし、頻繁に、AIは問題を探している解決策として出くわします。秘trickは、AIを使用するためのケースがあり、関係するコストが何であるかがある場合、非常に慎重に検討することです。
おそらく、タスクがより創造的であるか、それがよりユニークであるほど、そして世界がどのように機能するかをより理解するほど、AIが有用である可能性は低くなります。実際、創造的な仕事をAIにアウトソーシングすることは、 “魔法”。 aiは人間を模倣できますが、人間だけが人間であることを「グロック」します。
RTéBrainStormをフォローしてください whatsapp そして Instagram より多くのストーリーと更新について
ここで表明された見解は著者の見解であり、RTéの見解を表したり反映したりしていません
#AIが仕事であなたを助けることができるそしてできない方法