ÉlőUtoljára: 29 perceMa: 31
Kutatásfrissítve: 20:16

Több érzékeny viselkedést talált az AI-használatban az AI Observatory

Az AI Observatory független kutatása szerint a felhasználók az Anthropic modelljeit inkább kódolásra, a Geminit szociális célra, a ChatGPT-t pedig házi feladatokra használják, míg a nagy cégek jelentései ezt elhallgatják.

Több érzékeny viselkedést talált az AI-használatban az AI Observatory
Fotó: Andrew Neel / Unsplash
forrás: MIT Technology Review·AI Forradalom szerk.·
Megosztás

Az AI-cégek, mint az Anthropic és az OpenAI, rendszeresen publikálnak jelentéseket arról, hogyan használják termékeiket a felhasználók. Ezek a jelentések azonban csak azokat az adatokat tartalmazzák, amelyeket a cégek meg akarnak osztani. Nincs független forrás, amely alátámasztaná ezeket az állításokat — közölte az AI Observatory kutatási projektje. (MIT Technology Review)

Az AI Observatory célja, hogy betöltse a független adatok hiányát az AI-használat terén. Az elemzésük sokkal több érzékeny viselkedést mutat, mint amit a nagy AI-cégek jelentései rögzítenek, amelyek inkább a személyes használat helyett a munkahelyi alkalmazásokra összpontosítanak. A kutatók jelentős különbségeket találtak a modellek között is.

Modellspecifikus használati minták

Az AI Observatory megfigyelései alapján az emberek nagyobb valószínűséggel fordultak az Anthropic modelljeihez kódolási feladatokhoz, a Geminihez szociális és szerepjátékos célokra, míg a ChatGPT-t házi feladatok elvégzésére használták. Ezek az eredmények rávilágítanak arra, hogy a felhasználók eltérő igényekkel fordulnak a különböző AI-eszközökhöz.

A kutatás szerint az adatok hiánya félrevezető képet festhet az AI-használatról. Az AI Observatory független elemzése kulcsfontosságú lehet a technológia valós hatásának megértéséhez.

Forrás

Feldolgozott sajtóforrás·MIT Technology Review

Eredeti cikk megnyitása →

Ez a cikk a fenti sajtóforrás alapján készült AI-összefoglalóval.

tetszett a cikk? oszd meg →
Megosztás

Tetszik az oldal? Támogasd a fejlesztést

Az AI Forradalom egy automatizált pipeline: napi adatgyűjtés, LLM-feldolgozás és infrastruktúra fenntartása valódi költségekkel jár. Ha értékesnek találod a tömör, naprakész AI-összefoglalókat, egy kávé sokat segít.

Támogatom