围绕 AI 展开我们的思考 ： 煽动者访谈

Provocateur访谈 March 2024 Susan Stickley和Laure Haak Stratus Inc. www. Stratus - Inc. com 这项工作根据知识共享署名4.0国际许可证获得许可。 目录 Why Provocateur interviews？……………………………………………………………………………………………………………………………………………………………………………………………………………4Prith Banerjee的评价和见解………………………………………………………………………………………………6AI的历史...通过合作伙伴关系促进创新-AI对图书馆工作的影响...最终的恐惧和护栏---------------------------------------------------------------------------------------------8对我们社区的建议...纸张/资源Lorcan Dempsey的评价和见解DefiNingfi人工智能...开放存取...围绕AI产品的购买和决策的di CNS culties-专注于中间的----------------------------------------------------------------------------------------------10研究支持服务的定位...一个有用的类比--------------------------------------------------------------------------11我们如何提问并让他们回答已经改变了...纸张/资源Mona Diab的评价和见解。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12关于AI的积极未来...在跨越地缘政治边界的全球行动...What needs to be addressed by the research community���������������������我们的历史文物的数字化...公司部门的角色...关于开放科学的价值------------------------------------------------------------------------14最坏的情况...令人惊讶的情景---------------------------------------------------------------------------------------------在图书馆和负责的AI...纸张/资源 Alex Hanna Revi的评价和见解…………………………………………………………………………………………………………………………………………………………………………………………………………………16一个危险的假设----------------------------------------------------------------------------------------------16一个重要的问题...什么是绝对必要的研究生态系统-一个反乌托邦的未来————————————————————————————————————————————————————————————————————————————————————————————解决数据中的偏见-------------------------------------------------------------------------------成功的愿景----------------------------------------------------------------------------------最令人惊讶但合理的情况是纸张/资源致ny Hey Re的看法和见解。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。20关于第四范式-----------------------------------------------------------------------------------------------20A desired future: The Scienicfic Personal Assistant...务实的解决方案图书馆未来的角色-最危险的假设----------------------------------------------------------------------------------------------22关于研究图书馆的过时---------------------------------------------------------------------------------------------22纸张/资源-----------------------------------------------------------------------------------------------Trent McConaghy的评价和见解。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。24在积极参与技术进步和中断方面-24最重要的步骤: BCIAI超级智能-最大的风险---------------------------------------------------------------------删除中介-分散的访问控制和数据隐私25我们如何信任LLM？研究人员的AI工具是什么样子？保持未来10年的相关性A opportunity for libraries: Partnering with starts�������������������纸张/资源 为什么要进行挑衅？ 在情景规划中，最大的挑战之一是帮助个人将他们的思维扩展到传统智慧之外以及他们对未来的现有信念。如果我们同意未来是不确定的，人工智能对研究和知识的影响生态系统也是不确定的，那么我们也必须同意这一点很重要我们不会以坚定的信念进入情景规划过程关于未来对我们和我们的社区的影响。从那时开始情景规划是在荷兰皇家壳牌公司首次引入fi1970年代，引入了一个关键规范：暂停怀疑。从这个在方案规划过程中，我们要求您暂停你的怀疑。在情景规划中，我们说没有人能真正预测未来。相反，我们努力理解相关不确定性的跨度未来将在其中。 在开发场景中，我们寻找合理性、相关性、分歧性，和洞察力。这些是我们在创建场景时应用的标准set. In the end, the future will never be captured accurately in any one场景，我们不选择场景或应用概率相反，我们相信未来将由我们开发的每一个场景。因此，怀疑的暂停超越传统的智慧和信念是至关重要的成功的情景规划。 在接下来的页面中，您将发现AI访谈中的亮点思想领袖在相关的边缘和范围内运作这项工作的不确定性： • Prith Banerjee，首席技术官，Ansys• Lorcan Dempsey，实践和杰出教授在职从业人员，信息学院，大学Washington• Mona Diab，教授和主任，语言技术卡内基梅隆大学计算机科学学院研究所 • Alex Hanna，分布式人工智能研究主任研究所（DAIR）• Tony Hey，英国科学技术首席数据科学家设施委员会• Trent McConaghy，创始人，海洋协议 我们与联合ARL / CNI特遣部队一起创建的场景集人工智能和机器学习未来的情景规划是10年在未来。在这10年的时间里，有很多合理的可能会通过或开始出现在研究和知识中ecosystem. Approach this material as food for thought and suspend你的怀疑。努力扩大你对跨度或空间的思考我们希望在ARL / CNI AI场景中创造不确定性设置。 Prith Banerjee的评价和见解 学术和企业计算机科学家，技术创新者，企业家，跨部门研发伙伴关系的拥护者 首席技术官Ansys AI的历史… AI已经存在了40到50年。我去读研究生, AI经历了三个阶段:专家系统、机器学习和深度学习。这是一个进化process. People have been working on it incrementally for decades. AI的早期工作被称为基于规则的专家系统,意思是，你用主题专家来定义规则，而你将这些规则编码为算法。它使计算机看起来好像智能。但很快人们就意识到规则在不断变化随着世界上知识的不断增加，人们说这个AI事情不工作。 下一阶段是机器学习，在那里，而不是人类通过与专家交谈在规则中编程，机器学习从数据中自动和连续的规则。有监督学习和无监督学习以及各种子集，以及是限制。 第三阶段是深度学习，它使用神经网络模型。这就是我们作为GPT 2、3、4的基础。在2022年11月，作为一旦ChatGPT向公众开放，人们就会想，这如此强大！现在人们谈论这些大型语言模型，万亿参数模型，等等。 那么为什么这次如此令人兴奋？今天发生的是三个事物：（1）访问大量大量数据.访问大量的计算。我们正在谈论的是20, 000个GPU内核，每个内核都有一千个GPU，它们对这些内核进行建模大型神经网络。它需要花费大量的金钱和精力来训练大型语言模型，但现在是可能的。开源模型.在 过去，企业界从未与学术界共享数据。在AI世界中，它已经改变了。现在有开源的AI数据可用型号，包括TensorFlow (Google)、LLaMa和PyTorch(Meta)和Cae (加州大学伯克利分校)。 正因为如此，人工智能这一特殊的fi领域正在以速度在任何其他行业都没有见过，无论是空间工业，或电动汽车工业，自动驾驶汽车。在其他所有行业，这些公司已经保护了他们的知识产权。但是这里的学者可以我认为这是非常非常重要的一点。 通过伙伴关系促进创新... 大公司大多通过以下方式获得颠覆性创新partnership and acquisitions. If you look at most really disruptive创新，技术思想来自学术界。学术界停止在撰写出版物时。学术指标正在出版，博士学生、资金和任期。它没有说你必须创造a product. That’s where starts come in. What companies have to要做的是当心学术界正在发生的事情要改变他们的行业。通常情况下，大公司是如此专注于，我只想卖笔记本电脑，卖笔记本电脑，卖笔记本电脑-出现了iPhone和iPad。用户界面等等在技术领域是众所周知的，苹果所做的就是把它在一个组合系统中。所以，关键是公司必须期待并与学术界合作，以获得所有这些美好的ideas. AI对图书馆工作的影响... AI将对图书馆的工作方式产生很大的影响。过去与图书馆的互动是：“给我内容。”但是现在人工智能变得非常聪明。为什么人们想看对于一本书或网页，当他们可以使用AI工具来询问特定的问题? 最终的恐惧和护栏... 最终的恐惧是AI接管世界，AI实际上得到了更多比人类聪明。 那么，如何放置正确的护栏，以便AI不会创建AI出售的东西，基本上摧毁了人类和文明？那些是真正的可能性。关于人工智能安全和来源的研究真的是重要。当人们使用Ansys仿真来设计产品时比如汽车或飞机，如果汽车坠毁或飞机坠毁，实际