Når en beregning blir et mål, kan AI treffe den hver gang. Dette har blitt en måte å shitifisere alt fra ambulanseresponstider til utdanning. Goodharts lov (om AI) @doctorow

Indigo fortreffelighet

Jeg donerte nettopp for å hjelpe til med Fobazis medisinske utgifter. Hun er på intensivavdelingen og trenger akutt behandling for nyren og leveren. Hver liten bit hjelper. Vurder å donere eller dele historien hennes.

@daniel_d_kang fascinerende 🤔 Veldig nysgjerrig på hvordan du ser benchmarks samhandle med Goodharts lov på lang sikt 👇 Dette virker som en målestokk for benchmarks, hvis jeg forstår det riktig, som jeg antar til slutt vil være underlagt samme lov.

Fin utforskning av hvordan beregninger kan føre til å spille systemene de måler, med fokus på amerikansk offentlig utdanning @kylefarnworth da jeg leste det, må jeg innrømme at jeg tenkte på deg!

dette er forresten nøyaktig hva amerikanere har gjort med offentlig utdanning siden lenge før Dubyas «No Child Left Behind»-lov

1031 ord (28883 totalt) på The Reverse-Centaur's Guide to AI (en kort bok om å være en bedre AI-kritiker, Farrar, Straus og Giroux) #DailyWords

Dette er også en kubrisk referanse (bilde). Barn i dag. Se alle de gode gamle tingene, de er klassikere av en grunn. Foreslå Rollerball (James Caan), The Prisoner (Pat McGoohan) og alt av Kubrick. Det er andre.

Den rådende visdommen er at databehandling er den viktigste faktoren for grensebasert AI-trening. Vi mener dette er feil: data er den mest kostbare og viktige komponenten i AI-trening. Vi samlet inn estimater av inntekter for store datamerkingsselskaper og sammenlignet dem med den marginale databehandlingskostnaden for opplæring av toppmodeller i 2024. Våre estimater viser at datamerking er ~3 ganger høyere enn den marginale treningsberegningen. 1/8

Hva skjedde med denne følelsen? He?