Hvis du leter etter en ny grunn til å føle deg urolig over kunstig intelligens, kan du vurdere dette: noen av de mest lysende hodene i verden har vanskeligheter med å lage tester som A. I. -systemer ikke kan bestå. I flere år har A. I. -systemer blitt evaluert ved hjelp av en rekke standardiserte benchmarktester. Mange av disse testene inneholdt utfordrende spørsmål på SAT-nivå innen fag som matematikk, naturvitenskap og logikk. Å spore resultatene til disse modellene over tid ga en grov indikasjon på fremskritt innen A. I. Imidlertid utmerket A. I. -systemene seg til slutt i disse vurderingene, noe som førte til utviklingen av mer krevende tester – ofte med spørsmål som doktorgradsstudenter kan møte på sine eksamener. Dessverre presterer ikke disse testene godt heller. Nye modeller fra selskaper som OpenAI, Google og Anthropic har oppnådd høye poengsummer på mange doktorgradsutfordringer, noe som reduserer testenes effektivitet og reiser et bekymringsfullt spørsmål: blir A. I. -systemer for intelligente til at vi kan evaluere dem? Denne uken er forskere ved Center for AI Safety og Scale AI klare til å gi et potensielt svar: en ny evaluering kalt "Menneskehetens siste eksamen, " som de hevder er den mest utfordrende testen som noensinne er gitt til A. I. -systemer. Menneskehetens siste eksamen ble konseptualisert av Dan Hendrycks, en bemerkelsesverdig A. I. -sikkerhetsforsker og direktør for Center for AI Safety.

(Testens opprinnelige tittel, "Menneskehetens siste stand", ble forkastet fordi den var for teatralsk. ) Takk for forståelsen mens vi bekrefter tilgang. Hvis du er i lesemodus, vennligst avslutt og logg inn på Times-kontoen din, eller abonner for full tilgang til The Times. Takk for din forståelse under bekreftelsesprosessen. Allerede abonnent?Logg inn. Vil du ha full tilgang til The Times?Abonner.