Chia sẻ một cuộc trò chuyện thú vị gần đây về tác động của AI đối với nền kinh tế. AI đã được so sánh với nhiều tiền lệ lịch sử khác nhau: điện, cách mạng công nghiệp, v.v., tôi nghĩ phép ẩn dụ mạnh mẽ nhất là AI như một mô hình tính toán mới (Phần mềm 2.0) vì cả hai đều liên quan đến việc tự động hóa quá trình xử lý thông tin kỹ thuật số. Nếu bạn dự đoán tác động của tính toán đối với thị trường lao động vào khoảng những năm 1980, đặc điểm dự đoán nhất của một nhiệm vụ/công việc mà bạn sẽ xem xét là mức độ mà thuật toán của nó được cố định, tức là bạn có chỉ đang biến đổi thông tin một cách cơ học theo các quy tắc dễ dàng xác định (ví dụ: gõ phím, kế toán, máy tính con người, v.v.)? Ngày đó, đây là loại chương trình mà khả năng tính toán của thời đại đó cho phép chúng ta viết (bằng tay, thủ công). Với AI hiện nay, chúng ta có thể viết những chương trình mới mà trước đây chúng ta không thể hy vọng viết bằng tay. Chúng ta làm điều này bằng cách xác định các mục tiêu (ví dụ: độ chính xác phân loại, hàm thưởng), và chúng ta tìm kiếm không gian chương trình thông qua phương pháp giảm dần để tìm các mạng nơ-ron hoạt động tốt với mục tiêu đó. Đây là bài viết blog Phần mềm 2.0 của tôi từ một thời gian trước. Trong mô hình lập trình mới này, đặc điểm dự đoán mới nhất cần xem xét là khả năng xác minh. Nếu một nhiệm vụ/công việc có thể xác minh, thì nó có thể được tối ưu hóa trực tiếp hoặc thông qua học tăng cường, và một mạng nơ-ron có thể được đào tạo để hoạt động cực kỳ tốt. Nó liên quan đến mức độ mà một AI có thể "thực hành" một cái gì đó. Môi trường phải có thể thiết lập lại (bạn có thể bắt đầu một nỗ lực mới), hiệu quả (có thể thực hiện nhiều nỗ lực), và có thể thưởng (có một quy trình tự động để thưởng cho bất kỳ nỗ lực cụ thể nào đã thực hiện). Càng nhiều một nhiệm vụ/công việc có thể xác minh, nó càng dễ dàng cho việc tự động hóa trong mô hình lập trình mới. Nếu nó không thể xác minh, nó phải rơi vào phép thuật nơ-ron của sự tổng quát, cầu mong, hoặc thông qua các phương tiện yếu hơn như bắt chước. Đây là điều đang thúc đẩy "ranh giới" không đồng đều của sự tiến bộ trong LLMs. Các nhiệm vụ có thể xác minh tiến triển nhanh chóng, bao gồm có thể vượt qua khả năng của các chuyên gia hàng đầu (ví dụ: toán học, mã, thời gian xem video, bất cứ điều gì trông giống như câu đố có câu trả lời đúng), trong khi nhiều nhiệm vụ khác chậm lại so với sự so sánh (sáng tạo, chiến lược, các nhiệm vụ kết hợp kiến thức thực tế, trạng thái, ngữ cảnh và lẽ phải thông thường). Phần mềm 1.0 dễ dàng tự động hóa những gì bạn có thể xác định. Phần mềm 2.0 dễ dàng tự động hóa những gì bạn có thể xác minh.