网络操作中AI真实风险

ok,你过去担心核战争,然后流行, 或小行星撞击地球或太阳向新星现在,有些人希望你把AI加到需要担心的事情列表中去,是的,你也许应该这样做。继续担心AI终结地球生命, 但用户自己告诉我AI确实构成一些风险,对于那些想应用网络操作者来说尤其如此

上月从197高级IT和网络专业人员处获取信息,没有一个人相信AI可能导致人类大规模灭绝半数以上表示,他们没有看到AI长期不良应用, 所有人都表示公司使用AI“某处 ” 。34个提供网络操作使用AI的真实洞察力, 我认为这个组给我们网络任务对AI最优取景

最新最热点AI技术由ChatgPT推广197企业中没有一个企业报告使用它实现自动化,但57家企业表示,它们考虑执行这项任务并快速放弃思想有两个原因。第一,结果中发现实际错误,有时严重到引起重大问题第二,他们发现几乎无法理解AI如何达成结论,这使得它难于验证

精度问题在a中突出显示最近文章法学院一位研究者使用聊天GPT研究自己并获取一份令人印象深刻的论文列表和他作的会议介绍问题在于这些引用完全错误他从不做所声称的事企业IT从业者在操作题上尝试相同方法说,他们常常会得到高度可信和实为完全错误的结果处理。

测试自创AI技术自定义网络数据的人表示,它建议改变配置,如果它实现,整个网络本会破解操作管理员说,“结果偏差四分之一时间,极差八分之一时间。”并用更多时间测试结果 比用员工对同项数据做专业分析 并采取行动结果要花更多时间

引出我的第二点 缺少细节AI如何达成结论算法人工智能错误回答我识别 因为它们不合逻辑 但假设你没有基准结果测试如果你理解如何达成结论, 你就会有机会选择问题用户告诉我,如果用户认为基因化AI是一种实用工具,这将是至关重要的他们不认为,我也不认为, 尚存自学艺术状态

另一非生成性AI模型呢超过20多个操作工具箱 声称AI或AI/ML能力用户在这些方面比较积极,主要是因为他们行动范围有限,留下决策步骤线索,可以快速检查。连扫描结果确定方式都足够选择有问题结果并避免对之采取行动即使是这些工具也给用户带来问题,最大问题就是我们可以称之为“失去情境感知”。

网络或IT操作中心配备专业人员应对问题多数AI操作工具不使用自动动作取而代之的是诊断问题在大多数情况下,它具有过滤事件的效果 操作人员必须处理, 而这实际上是事件/故障关联 和根由分析 也做卸载操作专业人员不必要的工作是件好事,直达点时间点达此点时, 员工“关闭图片”所发生之事无法上下文化所发生之事, 以便知道该做什么和时间 。向AI运动实属向更多自动化运动, 工作人员躲避过多风险更大,

OK,你正在想,所有这一切都是坏消息 AI驱动操作算是吧,但有两个好消息对接点

第一,没有一个用户与AI有问题 完全放弃它甚至在坏人面前都能看到善事, 并努力帮助善事通过第二,报告的大部分问题都是AI等效错误通信的结果,往往是人为错误设计常名为“推理引擎”软件工具的结果,软件工具位于大多数AI实施中心,使用规则知识库推理工具开发者正在听同类故事并努力纠正这些故事

作为AI操作工具的潜在用户,你如何从AI获取最大值?用户我聊天 有一些小技巧

查找封装任务操作AI

范围越广AI任务越难支持在需要时交接操作专业人员,越难验证AI工具提供或想采取的步骤的评估网络中某些部分几乎可以肯定使用AI管理,但以目前技术水平管理所有部分可能证明极具挑战性。缩小任务范围可以使用闭路系统采取行动而不是建议采取行动近80%使用闭路技术的用户对有限任务使用闭路技术

尝试选择已上市至少9至12个月的AI包

时间充裕 早期和最奇特问题 出来并修复完全无法实现, 并内部测试半年, 并用传统操作工具并行AI进程 并检查两者对立多数用户建议试用周期,即使是安装时间长的包,因为这有助于帮助组织了解AI改变操作实践并减少情境认知问题

极有条理地评价AI工具与商

用户对AI工具的满意度从90%以上到15%不等,对部分用户最喜爱工具为其他人取最差分数很明显AI能力随任务的不同而变化, 并获取对齐性将需仔细评估你不能简单接受建议 即使是从另一个用户 似乎有相似需求

不信AI极端主义

最后点简单化AI所做的事情其实只不过是应用人过程 而不教人过程AI不“知道 ” 不“思维 ” 也不“关心 ” 。 避免AI故障和避免人为错误相似人工智能目标 人工智能风险和人工风险相似人工智能的最大风险不是它变得太强相信AI比我们强 无法对它应用控件.继续躲避那些悬浮小行星(令你看! ) 戴多防晒屏蔽, 并可能购买防疫泡泡最有可能来找的你 将不是AI