Source: Slashdot
根据新的分析，尽管生成性人工智能工具具备更强的处理复杂任务的能力，如写作和编程，它们仍然是预测引擎。为了成功部署，组织必须理解其局限性，并提供适当的监管。
来自多伦多大学Rotman管理学院的Ajay Agrawal、Joshua Gans和Avi Goldfarb在《哈佛商业评论》上发表的文章中指出，劣质数据可能导致错误，而在部署过程中缺乏人类判断会导致战略失败，特别是在高风险情况下。
AI的进化类似于这一轨迹，早期应用与成熟的预测任务直接相关，最近AI将写作、绘画等任务重新框定为预测。
有效地使用计算机，需要理解它们作为算术机器的本质，因为不准确的指令会导致错误的结果。
随着人工智能的不断发展，我们是否真的理解了如何与这些智能机器有效合作？
特别声明：本文及配图均为用户上传或者转载，本文仅代表作者个人观点和立场，不代表平台观点。其原创性以及文中陈述文字和内容未经本站证实，
对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本平台不作任何保证或承诺，请读者仅作参考，
并请自行核实相关内容。如发现稿件侵权，或作者不愿在本平台发布文章，请版权拥有者通知本平台处理。
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios)
posted above belong to the User who shared or the third-party website which the User shared from.
If you found your copyright have been infringed, please send a DMCA takedown notice to
info@microheadline.com
来源：https://tech.slashdot.org/story/24/11/20/1517200/generative-ai-is-still-just-a-prediction-machine?utm_source=rss1.0mainlinkanon&utm_medium=feed
https://www.redhat.com/en/topics/ai/predictive-ai-vs-generative-ai
https://autogpt.net/generative-vs-predictive-ai-breaking-it-down/
