Topik trending
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

Steven Pinker
Ilmuwan kognitif di Harvard.
Analisis yang mendalam dan menarik tentang perbedaan kualitatif antara kecerdasan alami dan (satu jenis) kecerdasan buatan (LLM), terlepas dari kemampuan yang luar biasa dari yang terakhir.

Valerio Capraro23 Des, 21.29
Preprint utama baru saja keluar!
Kami membandingkan bagaimana manusia dan LLM membentuk penilaian di tujuh tahap epistemologis.
Kami menyoroti tujuh garis patahan, titik di mana manusia dan LLM secara fundamental menyimpang:
Kesalahan Grounding: Manusia menambatkan penilaian dalam pengalaman persepsi, terwujud, dan sosial, sedangkan LLM dimulai dari teks saja, merekonstruksi makna secara tidak langsung dari simbol.
Kesalahan Penguraian: Manusia mengurai situasi melalui proses persepsi dan konseptual yang terintegrasi; LLM melakukan tokenisasi mekanis yang menghasilkan representasi yang nyaman secara struktural tetapi tipis secara semantik.
Kesalahan Pengalaman: Manusia mengandalkan memori episodik, fisika dan psikologi intuitif, dan konsep yang dipelajari; LLM hanya mengandalkan asosiasi statistik yang dikodekan dalam penyematan.
Kesalahan Motivasi: Penilaian manusia dipandu oleh emosi, tujuan, nilai, dan motivasi yang dibentuk secara evolusioner; LLM tidak memiliki preferensi intrinsik, tujuan, atau signifikansi afektif.
Kesalahan Kausalitas: Manusia bernalar menggunakan model kausal, kontrafaktual, dan evaluasi berprinsip; LLM mengintegrasikan konteks tekstual tanpa membangun penjelasan kausal, bergantung pada korelasi permukaan.
Kesalahan Metakognitif: Manusia memantau ketidakpastian, mendeteksi kesalahan, dan dapat menangguhkan penilaian; LLM tidak memiliki metakognisi dan harus selalu menghasilkan output, membuat halusinasi secara struktural tidak dapat dihindari.
Kesalahan Nilai: Penilaian manusia mencerminkan identitas, moralitas, dan taruhan dunia nyata; "Penilaian" LLM adalah prediksi probabilistik berikutnya tanpa penilaian atau akuntabilitas intrinsik.
Terlepas dari garis patahan ini, manusia secara sistematis terlalu percaya pada output LLM, karena bahasa yang fasih dan percaya diri menghasilkan bias kredibilitas.
Kami berpendapat bahwa ini menciptakan kondisi struktural, Epistemia:
Masuk akal linguistik menggantikan evaluasi epistemik, menghasilkan perasaan tahu tanpa benar-benar mengetahui.
Untuk mengatasi Epistemia, kami mengusulkan tiga strategi pelengkap: evaluasi epistemik, tata kelola epistemik, dan literasi epistemik.
Makalah lengkap dalam balasan pertama.
Bersama dengan @Walter4C & @matjazperc

2
Saya berbicara dengan Presiden HxA (@HdxAcademy) John Tomasi untuk @HAFFS_Harvard tentang kebebasan akademik, kurangnya pengetahuan tentang hal itu, dan mahasiswa pascasarjana:
"Mereka adalah titik kontak utama yang dimiliki banyak mahasiswa sarjana kami. Sayangnya, mereka melihat mahasiswa pascasarjana mereka mengajar lebih dari yang mereka lihat banyak profesor. Dan mahasiswa pascasarjana, di seluruh negeri, yang, menurut saya, bertanggung jawab—atau hanya tidak mengerti—tentang masalah kebebasan akademik: hal-hal seperti menekan pendapat tertentu atau menghukum makalah mahasiswa; membuang bagian sehingga siswa dapat menghadiri protes; mengizinkan siswa untuk menolak bekerja sama dengan siswa Israel dalam proyek bersama; hal-hal di mana perasaan saya adalah bahwa bahkan tidak pernah terpikir oleh mereka bahwa ini bisa menjadi masalah, bahwa pendidikan pascasarjana adalah apa pun selain mendorong agenda politik mereka sendiri. Membawa mahasiswa pascasarjana ke dalam diskusi tentang kebebasan akademik adalah proyek jangka panjang yang akan kami coba majukan."
91
Teratas
Peringkat
Favorit
