MIT Stephen A. Schwarzman skaičiavimo koledžas skyrė pradines dotacijas septyniems projektams, kuriuose nagrinėjama, kaip dirbtinis intelektas ir žmogaus ir kompiuterio sąveika gali būti panaudoti siekiant pagerinti modernias darbo erdves, kad būtų pasiektas geresnis valdymas ir didesnis našumas.
Projektai, finansuojami Andrew W. Houston ’05 ir Dropbox Inc., turi būti tarpdisciplininiai ir suburti tyrėjus iš kompiuterių, socialinių mokslų ir vadybos.
Pradinės dotacijos gali leisti projekto komandoms atlikti tyrimus, kurie paskatins didesnes pastangas šioje sparčiai besivystančioje srityje, taip pat sukurti bendruomenę, sprendžiant klausimus, susijusius su DI papildytu valdymu.
Septyni atrinkti projektai ir mokslinių tyrimų lyderiai apima:
“LLMex: Vannevaro Busho „Memex“ vizijos įgyvendinimas naudojant didelių kalbų modelius“, vadovaujama Patti Maes iš Media Lab ir David Karger iš Elektros inžinerijos ir kompiuterių mokslo (EECS) bei Kompiuterių mokslo ir dirbtinio intelekto laboratorijos (CSAIL). Įkvėptas Vannevaro Busho „Memex“, šis projektas siūlo sukurti, įgyvendinti ir išbandyti atminties protezavimo koncepciją naudojant didelių kalbų modelius (LLM). Dirbtinio intelekto pagrindu sukurta sistema išmaniai padės asmeniui sekti didžiulius informacijos kiekius, pagreitins produktyvumą ir sumažins klaidų skaičių automatiškai fiksuodama savo darbo veiksmus ir susitikimus, palaikydama paiešką pagal metaduomenis ir neaiškius aprašymus bei siūlydama atitinkamą, suasmenintą informaciją, pagrįstą aktyviais veiksmais. apie dabartinį vartotojo dėmesį ir kontekstą.
“AI agentų naudojimas socialiniams scenarijams modeliuoti“, vadovaujamas John Horton iš MIT Sloan vadybos mokyklos ir Jacob Andreas iš EECS ir CSAIL. Šis projektas įsivaizduoja galimybę prieš įgyvendinant lengvai imituoti politiką, organizacinius susitarimus ir komunikacijos priemones su AI agentais. Pasinaudojus šiuolaikinių LLM galimybėmis, kurios gali būti naudojamos kaip žmonių skaičiavimo modelis, ši socialinio modeliavimo vizija tampa realesnė ir galbūt labiau nuspėjama.
“Žmonių patirtis dirbtinio intelekto amžiuje: ar galime turėti savo pyragą ir jį valgyti?“ vadovauja Manish Raghavan iš MIT Sloan ir EECS bei Devavrat Shah iš EECS ir Informacijos ir sprendimų sistemų laboratorijos. Pažanga mašininio mokymosi, dirbtinio intelekto ir algoritminių sprendimų sprendimų srityje padidino perspektyvą, kad algoritmai gali papildyti žmogaus sprendimų priėmimą įvairiose aplinkose. Užuot pakeitęs žmonių specialistus, šis projektas mato ateitį, kurioje dirbtinis intelektas ir algoritminės sprendimų pagalbinės priemonės atlieka vaidmenį, kuris papildo žmonių patirtį.
“Generatyvaus AI diegimas JAV ligoninėse“, vadovaujama Julie Shah iš Aeronautikos ir astronautikos ir CSAIL departamento, Retsef Levi iš MIT Sloan ir Operacijų tyrimų centro, Kate Kellog iš MIT Sloan ir Benas Armstrongas iš Pramonės veiklos centro. Pastaraisiais metais atlikti tyrimai siejo didėjantį gydytojų ir slaugytojų perdegimą Jungtinėse Valstijose su padidėjusia administracine našta, susijusia su elektroniniais sveikatos įrašais ir kitomis technologijomis. Šiuo projektu siekiama sukurti holistinę sistemą, skirtą ištirti, kaip generacinės AI technologijos gali padidinti organizacijų produktyvumą ir pagerinti sveikatos priežiūros įstaigų darbuotojų darbo kokybę.
“Generatyvūs dirbtinio intelekto papildytos programinės įrangos įrankiai programavimui demokratizuoti“, vadovaujami Harold Abelson iš EECS ir CSAIL, Cynthia Breazeal iš Media Lab ir Ericas Klopferis iš Comparative Media Studies/Writing. Pastarųjų metų generatyvaus AI pažanga skatina prielaidų apie būsimą karjerą programinės įrangos srityje perversmą ir kodavimo vaidmens atmetimą. Šis projektas paskatins panašią kompiuterinio mokymo transformaciją tiems, kurie neturi ankstesnio techninio išsilavinimo, sukuriant programinės įrangos įrankį, kuris padėtų besimokantiesiems nereikėti dirbti su kodu kuriant programas.
“Patirties ir visuomenės produktyvumo įgijimas dirbtinio intelekto pasaulyje“, vadovaujami David Atkin ir Martin Beraja iš Ekonomikos katedros ir Danielle Li iš MIT Sloan. Manoma, kad generatyvus AI padidina darbuotojų, atliekančių pažinimo užduotis, galimybes. Šiuo projektu siekiama geriau suprasti, kaip AI technologijų atsiradimas gali turėti įtakos įgūdžių įgijimui ir produktyvumui, ir ištirti papildomas politikos priemones, kurios leis visuomenei maksimaliai padidinti tokių technologijų naudą.
“AI papildytas priėmimas ir palaikymas“, vadovaujamas Timas Kraska iš EECS ir CSAIL ir Christophas Pausas iš Fizikos katedros. Nors LLM pastaraisiais metais padarė didžiulius šuolius į priekį ir yra pasirengę iš esmės pakeisti tai, kaip studentai ir specialistai mokosi apie naujus įrankius ir sistemas, dažnai yra staigi mokymosi kreivė, kurią žmonės turi įveikti, kad galėtų visapusiškai išnaudoti išteklius. Siekiant padėti sušvelninti problemą, šiame projekte siūloma sukurti naujas LLM pagrįstas įtraukimo ir palaikymo sistemas, kurios teigiamai paveiks palaikymo komandų veiklą ir pagerins naudotojų patirtį.
