MétaCan
Menu
Retour à la cohorte
Enregistrement W2786526525 · doi:10.5210/fm.v23i2.8073

Goals for algorithmic genies

2018· article· en· W2786526525 sur OpenAlexaff
Hassan Masum, Mark Tovey

Notice bibliographique

RevueFirst Monday · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEthics and Social Impacts of AI
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésRaising (metalworking)Computer scienceValue (mathematics)Fundamental human needsData scienceRisk analysis (engineering)BusinessEngineeringPsychology

Résumé

récupéré en direct d'OpenAlex

Algorithmic genies built from growing computational capabilities bring risks like automating well-paying jobs, yet we suggest that if supplied with suitable goals and supporting infrastructure they can help in meeting many human needs. We argue that algorithmic genies can be harnessed to raise the baseline experience of people worldwide (raising the floor), especially if such harnessing is informed by wide consensus and deep evidence. Examples show how algorithmic genies could raise the floor for widely agreed human needs like health, education, and other components of the Social Progress Index. Ensuring that both the least well off and the majority share in the benefits of progress can help to ensure the floor is raised for all (floored progress). Floored progress can apply beyond basic human needs to problems that people across the economic spectrum struggle with (shared floors). We include three tables with illustrative opportunities, and conclude by summarizing the value of raising floors individually and in concert.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,683
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,057
Tête enseignante GPT0,409
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFirst MondayMême sujetEthics and Social Impacts of AITravaux en français237 207