watson
PulseAugur coverage of watson — every cluster mentioning watson across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
IBM CEO Krishna：LLM 使用与 Watson 相同的技术，质疑 AI 炒作
IBM 首席执行官 Krishna 认为，大型语言模型 (LLM) 是基于与最初的 Watson 计算机相同的基本技术构建的。他推测，虽然在 Watson 开发期间并未明确知道 LLM，但各种神经网络模型，涵盖机器学习和早期深度学习，已经在使用中。Krishna 对当前的 AI 炒作表示怀疑，称其为潜在的泡沫或骗局。
-
银行过时的‘沃森时代’思维阻碍生成式AI的采用
银行未能充分利用生成式AI，因为它们沿用了‘沃森时代’的过时思维。这种侧重于结构化数据和特定任务执行的方法，阻碍了它们实现更新、更灵活的AI工具的全部潜力。采取这种有限的视角，将面临在快速发展的金融科技领域错失重大机遇的风险。
-
银行过时的AI思维可能阻碍进展
银行可能因固守过时的人工智能方法而阻碍自身进展，这类似于它们管理IBM Watson的方式。尽管技术取得了重大进步，但许多金融机构仍认为人工智能需要大量的数据准备和基础设施，这种心态可能会限制它们采用和受益于更新的人工智能能力。
-
人工智能与物联网集成在关键故障中面临问责挑战
物联网（IoT）与人工智能（AI）的集成带来了显著的好处，但也带来了在AI系统出现关键错误时问责方面的挑战。例如IBM的Watson提供了错误的癌症治疗建议，以及Zillow的AI算法导致了巨额财务损失，都凸显了AI可能出现的故障。弥合问责差距需要解决算法、操作人员和监管框架方面的问题，以确保AI驱动技术的负责任部署。
-
AI感知能力辩论：历史表明ELIZA效应在大型语言模型上重演
ELIZA效应，即人类根据机器的行为将其归因于感知能力的现象，正在大规模地应用于现代AI。GENIAC、Furby和IBM Watson等历史案例表明，这种将统计模式匹配误认为是真正意识的倾向。当前的大型语言模型，虽然通过下一个词预测展现出令人印象深刻的性能，但并不具备主观感受或感知能力。
-
Mastodon帖子重点介绍关于AI不信任的文章
提供的文本是单个Mastodon帖子，链接到watson.ch的一篇文章。该帖子特别强调了文章的第14点，该点讨论了不应盲目信任AI的原因。文章本身的内容未提供，仅有引用文章的Mastodon帖子。
-
IBM 的营销引发了关于人工智能的真正能力和局限性的辩论
这篇帖子批评了 IBM 关于分布式能源资源 (DER) 的营销，质疑其诚意，并将 AI 模型比作水母。作者认为，AI 模型（如 Watson）受其底层启发式方法的限制，无论其复杂性如何，都无法实现真正的理解或永生。文章深入探讨了与 AI 感知和认知相关的现实主义和非现实主义的哲学概念。