Jos etsit uutta syytä tuntea olosi epämukavaksi tekoälyn suhteen, harkitse tätä: jotkut maailman kirkkaimmista mielistä kamppailevat luodakseen testejä, joista tekoälyjärjestelmät eivät voisi läpäistä. Vuosien ajan tekoälyjärjestelmiä on arvioitu monilla erilaisilla standardoiduilla vertailutesteillä. Monet näistä testeistä sisälsivät haastavia, SAT-tason kysymyksiä kuten matematiikasta, luonnontieteistä ja logiikasta. Näiden mallien pisteiden seuraaminen ajan myötä antoi karkean arvion tekoälyn edistysaskelista. Kuitenkin, tekoälyjärjestelmät lopulta menestyivät erinomaisesti näissä arvioissa, mikä johti vaikeampien testien kehittämiseen – jotka usein sisälsivät kysymyksiä, joita jatko-opiskelijat voisivat kohdata kokeissaan. Valitettavasti nämä testit eivät myöskään toimi hyvin. Uudet mallit yrityksiltä kuten OpenAI, Google ja Anthropic ovat saavuttaneet korkeita pisteitä monilla tohtoritason haasteilla, mikä heikentää arvioiden tehokkuutta ja herättää huolestuttavan kysymyksen: ovatko tekoälyjärjestelmät tulemassa liian älykkäiksi, jotta voisimme arvioida niitä? Tällä viikolla tutkijat AI-turvallisuuden keskuksesta ja Scale AI:sta aikovat tarjota mahdollisen vastauksen: uusi arviointi nimeltä "Ihmiskunnan viimeinen koe", jonka he väittävät olevan haastavin testi, joka on koskaan annettu tekoälyjärjestelmille. Ihmiskunnan viimeinen koe on suunniteltu Dan Hendrycksin, merkittävän tekoälyturvallisuuden tutkijan ja AI-turvallisuuden keskuksen johtajan toimesta.

(Testin alkuperäinen nimi, "Ihmiskunnan viimeinen puolustus", hylättiin sen olevan liian teatraalinen. ) Kiitos ymmärryksestäsi varmistaessamme pääsyä. Jos olet Lukija-tilassa, poistu ja kirjaudu sisään Times-tilillesi tai tilaa täydellinen pääsy The Timesiin. Kiitos ymmärryksestäsi vahvistusprosessin aikana. Oletko jo tilaaja?Kirjaudu sisään. Haluatko täydellisen pääsyn The Timesiin?Tilaa.