Ako tražite novi razlog za nelagodu u vezi s umjetnom inteligencijom, razmislite o ovome: neki od najbriljantnijih umova na svijetu imaju poteškoća u stvaranju testova koje A. I. sustavi ne mogu položiti. Godinama su se A. I. sustavi ocjenjivali korištenjem raznih standardiziranih referentnih testova. Mnogi od ovih testova sadržavali su izazovna pitanja na razini SAT-a iz predmeta kao što su matematika, znanost i logika. Praćenje rezultata ovih modela tijekom vremena davalo je grubu naznaku o napretku u A. I. Međutim, A. I. sustavi su na kraju postali izvrsni u tim procjenama, što je potaknulo razvoj težih testova—često s pitanjima s kojima se diplomci mogu suočiti na svojim ispitima. Na žalost, ni ti testovi ne daju dobre rezultate. Novi modeli iz tvrtki poput OpenAI, Googlea i Anthropic postizali su visoke rezultate na mnogim izazovima na razini doktorata, umanjujući učinkovitost testova i postavljajući zabrinjavajuće pitanje: postaju li A. I. sustavi preinteligentni za našu procjenu? Ovaj tjedan, istraživači iz Centra za sigurnost A. I.

i Scale AI planiraju ponuditi potencijalni odgovor: novu procjenu nazvanu "Posljednji ispit čovječanstva, " za koju tvrde da je najteži test ikada postavljen A. I. sustavima. Posljednji ispit čovječanstva osmislio je Dan Hendrycks, istaknuti istraživač sigurnosti A. I. i direktor Centra za sigurnost A. I. (Izvorni naziv testa, "Posljednji otpor čovječanstva, " napušten je zbog prevelike teatralnosti. ) Hvala vam na razumijevanju dok potvrđujemo pristup. Ako ste u načinu čitanja, molimo vas da izađete i prijavite se na svoj Times račun, ili se pretplatite za potpuni pristup The Timesu. Hvala vam na razumijevanju tijekom procesa verifikacije. Već ste pretplatnik?Prijavite se. Želite potpuni pristup The Timesu?Pretplatite se.