标签
卡内基梅隆大学的一篇论文认为，随着人工智能在核心科学任务上的表现达到或超越人类，人类从事科学研究的理由在于实现持久的、集体性的人类理解，并据此提出了一项包含两个部分的判断标准——人类理解与人类主导——用于决定何时可以将研究任务委托给人工智能。
Amit Sahai 讨论了 AI 对数学的影响，强调需要更多数学家来理解 AI 生成的想法，并与 AI 系统合作，以保持研究中人类的主导权。
AM Podcast 第7集发布，与来自 NotionHQ 的 Geoffrey Litt 进行访谈，探讨在软件工程中为优化速度而牺牲人类理解所带来的风险。
一场哲学探索，探讨先进AI可能产出可测试且可靠但人类从根本上无法理解的知识的可能性，类比于狗的理解与人类技术之间的鸿沟。