作者:Marina Tosic
Post检查了与AI有效合作所需的技能,主要关注AI系统的消费者。在下面的文本中,我将剖析 业务能力框架的AI技能由 艾伦·图灵学院,展示该框架的基础是如何植根于永恒技能的,并为非技术人员提供了高技能的领域。
我的印象是,我们通过散布头条新闻和1000个字符的l-ai-ai生成摘要(或与LinkedIn允许的允许)进入了传闻的全球大流行有关的主题。
观点依靠对工作空间的未来以及在AI时代的教育,安全甚至人类灭绝等主题的意见。不幸的是,经常受到最新未经审查的研究的支持,该研究在表面上是红色且被理解的。在某些情况下,理解甚至不是人们想要优化其功能的目标。目的是赚取数百或数千个喜欢,并获得数十名新关注者。
Panem et Circenses每个新的饲料刷新,提供的新鲜(错误)信息都可以使用,因此我们不需要让我们的灰色物质找到真相。足够好的真理逐渐逐渐成为新标准。
尽管如此,市场要求我们得到一套适当的一套
对于我们大多数人与AI的发展紧密合作时,当我们走出IT圈时,我们意识到人们对生成AI的谈话或关心(我们都不像我们(我们)(我们)(想要他们) 做。
但是,他们确实关心的一件事是AI产生的输出的正确性:是否好吗?或在我的姐姐(又名数学老师)中重新构架它:我应该用它来做什么?它从提示的数学方程式中给了我错误的结果。
然而,几天前,有报道说Gemini与Think的双子座在国际数学奥林匹克运动会上达到了金牌标准。
因此,这里的差距或更精确的地方
让我们从每个人现在都试图重新包装的概念开始,那就是技能框架与某些版本的责任分配矩阵。
尽管这些框架是可疑的分类器,但由于它们倾向于在没有适当评估的情况下“盒子及其能力盒子及其能力,因此它们为方向提供了有用的起点。
也就是说,我将以一个例子AI业务能力技能(META-)框架开发艾伦·图灵学院,概述四个技能水平定位四个主要的学习者角色穿过五 方面代表一组能力,行为和责任ðð¼。
与帖子主题有些不同,我需要注意到我在框架将技能水平映射到角色的最高,明显的缺点,例如:
而且,还有更多,但是让我们专注于AI能力。为此,我将共享一张表格,以补充对学习者角色的必要理解:
现在,我们将假设我们所有人如何设法在阳光下找到自己的位置,并将自己映射到上述角色之一。下一个提出的问题是
第一个问题的证明是(某种程度上)直接: 如果 我们分析了图像2,而无需重点介绍术语“ ai”,很明显,列出的AI能力是现有的应用,永恒例如:
然而,,,,新颖性来自将它们应用于AI。AI的背景引入了不同的挑战,这些挑战需要这些技能得到适应和加深。例如:
因此,差距在于基础,特定领域的细微差别,这些细微差别使集体能够有效利用AI作为工具,而不是由其使用。
考虑到这一点,已经有提供的学习途径可以获取细微的技能,这些可以帮助您开始学习旅程。
我对主要开发AI解决方案的非技术人员和技术人员的建议是:
为了结束这篇文章,我希望您能得到一个收获,那就是我们所有人都需要付出精神努力来丰富我们当前的技能。
因为AI的有效性取决于我们与之进行周到的互动,并且需要我们始终需要的相同的批判性思维,风险评估和道德判断,而仅适用于新的挑战。如果没有这些基本技能来评估产出并避免过度依赖,我们的风险是由AI(或知道如何使用它的人)领导的,而不是将其用于我们的优势。
谢谢您的阅读!
如果您发现这篇文章很有价值,请随时与您的网络分享。
该帖子最初发表在 AI进步中的媒介出版。