Ako tražite novi razlog za osjećaj nelagode zbog umjetne inteligencije, razmislite o ovome: neki od najsvjetlijih umova na svijetu imaju poteškoća u kreiranju testova koje A. I. sistemi ne mogu proći. Godinama su A. I. sistemi ocjenjivani koristeći razne standardizovane testove. Mnogi od tih testova sadržavali su izazovna pitanja na nivou SAT-a iz predmeta poput matematike, nauke i logike. Praćenje rezultata ovih modela tokom vremena pružalo je grubu naznaku napredovanja u A. I. Međutim, A. I. sistemi su na kraju postali odlični na ovim procjenama, što je podstaklo razvoj težih testova—često sa pitanjima koja bi studenti na postdiplomskom nivou mogli da naiđu na svojim ispitima. Nažalost, ti testovi takođe ne postižu dobre rezultate. Novi modeli iz kompanija kao što su OpenAI, Google i Anthropic postižu visoke rezultate na mnogim izazovima na nivou doktorskih studija, što umanjuje efikasnost testova i otvara zabrinjavajuće pitanje: postaju li A. I. sistemi previše inteligentni da bismo ih mogli ocenjivati? Ove sedmice, istraživači iz Centra za sigurnost A. I.

i Scale AI planiraju ponuditi mogući odgovor: novu evaluaciju pod nazivom “Posljednji ispit čhumanosti, ” za koju tvrde da je najizazovniji test ikada dat A. I. sistemima. Posljednji ispit čhumanosti osmislio je Dan Hendrycks, poznati istraživač sigurnosti A. I. i direktor Centra za sigurnost A. I. (Prvobitni naziv testa, “Posljednji otpor čhumanosti, ” odbačen je zbog prekomjerne teatralnosti. ) Hvala vam na razumijevanju dok potvrđujemo pristup. Ako ste u režimu čitanja, molimo vas da napustite i prijavite se na svoj Times račun, ili se pretplatite za potpuni pristup The Times-u. Hvala vam na razumijevanju tokom procesa verifikacije. Već ste pretplaćeni?Prijavite se. Želite potpuni pristup The Times-u?Pretplatite se.