Ethan Mollick

Ethan Mollick

276,345명의 트위터 팔로워

팔로우하기

Professor @Wharton studying AI, innovation & startups. Democratizing education using tech Book: https://t.co/CSmipbJ2jV Substack: https://t.co/UIBhxu4bgq

포스팅

이 사이트 이용자들은 사람들이 인공지능과 상호작용하는 방식이 실제로 얼마나 다양한지 잘 모르는 것 같습니다. 고객 서비스 센터(아직 GenAI라고 하기엔 너무 발전된 형태죠), 시리, 아니면 어디선가 다운로드한 이름 모를 "ChatPT" 같은 AI 앱을 통한 무료 모델 정도일까요?

만약 당신이 옳다는 것이 중요한 상황에 처해 있다면, 이 시점에서 선구적인 LLM에게 도움을 요청하지 않는 것은 실수일 것입니다. 이는 당신의 작업을 검토하거나, 다른 전문가의 의견을 구하거나, 복잡한 문제에 대한 도움을 받는 것을 의미할 수 있습니다. 판단력을 발휘하되, 그 판단력을 활용하십시오.

From a recent conversation: I'm already at the point where I trust LLMs broadly over most human experts - doctors, accountants, lawyers. LLMs might not be 99th percentile but they're reliably 90th, and humans just aren't. The crossover was sometime in early 2025 I think. x.com/WillRinehart/s…

지금까지 "만족스럽고 잘 쓰인 중간 길이의 이야기를 전달하는 것"은 LLM에게 수학적 증명, 음악 생성, 연구 보고서, 코드 작성 및 기타 여러 형태의 작업보다 훨씬 더 어려운 것으로 입증되었습니다. 기술적인 이유는 꽤 명확하지만, 그들은 언어 모델을 만들어야 합니다.

학자로서 논문 출판에 시간이 걸리고 최첨단 모델을 따라잡기 어렵다는 점은 충분히 이해합니다만... 특히 "AI는 X에 서툴다"라는 주장을 펼치신다면, 왜 그런 생각이 바뀌지 않을 것이라고 생각하는지 설명하고, 모델 개선 추세를 그래프로 보여주고 논문 출판 전에 업데이트해야 합니다. twitter.com/emollick/status/20...

이 글은 유익한 자료입니다 (그리고 저는 맥락 없이 클로드 모델 카드 일부를 강조 표시하여 원래 문제 해결에 비트(Bit) 기여하기도 했습니다). twitter.com/emollick/status/20...

인공지능 댓글 작성자들이 이 플랫폼에서 승리한 이유는 단순히 거래량 때문만이 아니라, 의미를 담고 있는 댓글을 생성하기 때문입니다. 이러한 댓글들을 분석하고 무의미한 댓글로 판별하는 데에는 너무 많은 시간이 소요됩니다. 게시글은 여전히 유용하지만, 댓글은 무용지물이 되었고, 괜찮은 콘텐츠를 찾기가 너무 어려워졌습니다.

저는 2024년에 AI가 연구를 위한 네 가지 특이점(특이점이란 AI가 특정 분야를 너무나 크게 변화시켜 그 특이점 이후의 세상이 어떤 모습일지 상상조차 할 수 없는 시점을 말합니다)을 만들어낼 것이라고 썼었는데, 지금도 그 예측은 사실입니다.

If you’re an economist, or any sort of social scientist, I’m not sure how you can look at the chart below and keep doing the same type of research you were a year ago. x.com/polynoamial/st…

AI 도구의 맥 전용 버전 출시 추세는 짜증나는 일입니다. 이는 게이머와 기업 사용자 모두가 공통적으로 가지고 있는 의견입니다.

“한 대화는 기술의 끊임없는 발전과 인간 생활 방식의 변화에 초점을 맞추었는데, 이는 인류 역사에서 어떤 본질적인 특이점에 접근하는 것처럼 보이며, 그 특이점을 넘어서면 우리가 알고 있는 인간사는 더 이상 지속될 수 없을 것 같다는 것이었다.” (1958년, 스타니슬라프 울람이 쓴 존 폰 노이만의 부고)

(동료가 쓴) 이 논문이 오해되고 있는데, 이 논문은 METR 지수 곡선이 끝날지 여부에 대한 예측이 아니라, 지수 곡선을 여러 개의 S자 곡선이 겹쳐진 형태로 모델링하는 것이 타당하며, 이를 위해서는 (추론 수준에서) 더 큰 돌파구가 필요하다는 주장입니다. 심지어 이 내용이 데미스부터 안드레이까지 인공지능 분야의 전문가들이 하는 말과도 모순된다고 생각하지 않습니다!

I wanted to make a few clarifications, which we believe were clear in our paper but not in my original post (re-analyzing @METR_Evals data). Our contribution is to posit progress as a multiplicative product of sigmoids around different innovations. Given the METR data, we split x.com/hamsabastani/s…

Loading..