Stanfordo tyrėjai prognozuoja, kad 2026 m. dirbtinis intelektas daugiausia dėmesio skirs skaidrumui ir praktiniam naudingumui
Trumpai
Stanfordo universiteto HAI fakultetas prognozuoja, kad 2026 m. dirbtinio intelekto plėtra bus orientuota į praktinį poveikį sveikatos priežiūros, teisės, darbo jėgos ir į žmogų orientuotų programų srityse, pabrėžiant efektyvumą, atskaitomybę ir realią naudą.
Stanfordo universitetas Į žmogų orientuotas AI fakultetas paskelbė savo dirbtinio intelekto plėtros prognozes 2026 m. Analitikai teigia, kad plačiai paplitusio dirbtinio intelekto entuziazmo laikotarpis keičiasi link kruopštaus vertinimo.
Užuot klausus, ar dirbtinis intelektas gali atlikti užduotį, dėmesys bus skiriamas jo efektyvumo, susijusių sąnaudų ir poveikio įvairioms suinteresuotosioms šalims vertinimui. Tai apima standartizuotų lyginamųjų rodiklių naudojimą teisiniam pagrindimui, darbo jėgos poveikio stebėjimą realiuoju laiku ir klinikines sistemas, skirtas augančiam medicininių dirbtinio intelekto taikymų skaičiui įvertinti.
Jamesas Landay, Stanfordo universiteto „Žmogaus centruoto dirbtinio intelekto“ bendras direktorius, prognozuoja, kad 2026 m. nebeliks dirbtinio bendrojo intelekto. Jis pažymi, kad pagrindiniu dėmesio objektu taps DI suverenitetas, o šalys sieks kontroliuoti DI kurdamos savo modelius arba naudodamos išorinius modelius vietoje, kad duomenys liktų šalies viduje. Tikimasi tolesnių pasaulinių investicijų į DI duomenų centrus, nors sektoriuje matyti spekuliacinės rizikos požymių. Landay tikisi daugiau pranešimų apie ribotą DI produktyvumo padidėjimą, o nesėkmės pabrėžia tikslinių programų poreikį. Tikėtina, kad atsiras pažanga kuriant pritaikytas DI sąsajas, pagerinant mažesnių kuruojamų duomenų rinkinių našumą ir pritaikant praktiškus DI vaizdo įrašų įrankius, kartu didėjant susirūpinimui dėl autorių teisių.
Russas Altmanas, Stanfordo HAI vyresnysis bendradarbis, pabrėžia pamatinių modelių potencialą siekiant mokslo ir medicinos atradimų. Jis pažymi, kad pagrindinis 2026 m. klausimas bus, ar veiksmingesni yra ankstyvieji sintezės modeliai, apjungiantys visų tipų duomenis, ar vėlyvieji sintezės modeliai, integruojantys atskirus modelius. Moksliniuose tyrimuose dėmesys perkeliamas nuo prognozių prie supratimo, kaip modeliai pasiekia išvadas, naudojant tokius metodus kaip reti automatiniai kodavimo įrenginiai, neuroniniams tinklams interpretuoti. Sveikatos priežiūros srityje dirbtinio intelekto sprendimų ligoninėms plitimas sukėlė iššūkių vertinant jų techninį našumą, poveikį darbo eigai ir bendrą vertę, todėl dedamos pastangos sukurti sistemas, kurios įvertintų šiuos veiksnius ir padarytų juos prieinamus mažiau išteklių turinčioms įstaigoms.
Julianas Nyarko, Stanfordo HAI asocijuotasis direktorius, prognozuoja, kad 2026 m. teisinio dirbtinio intelekto srityje bus defidaugiausia dėmesio skiriant išmatuojamam našumui ir praktinei vertei. Tikimasi, kad teisinės firmos ir teismai ne tik klausinės, ar dirbtinis intelektas gali rašyti, bet ir vertins tikslumą, riziką, efektyvumą ir poveikį realioms darbo eigoms. Dirbtinio intelekto sistemos vis dažniau atliks sudėtingas užduotis, tokias kaip daugelio dokumentų samprotavimas, argumentų žemėlapių sudarymas ir priešingų autoritetų paieška, todėl bus skatinama kurti naujas vertinimo sistemas ir lyginamuosius standartus, kurie padėtų jas naudoti aukštesnio lygio teisiniame darbe.
Angèle Christin, Stanfordo universiteto HAI vyresnioji mokslo darbuotoja, pažymi, kad nors dirbtinis intelektas pritraukė didžiules investicijas ir infrastruktūros plėtrą, jo galimybės dažnai yra pervertinamos. Dirbtinis intelektas gali pagerinti tam tikras užduotis, tačiau gali klaidinti, sumažinti įgūdžius ar pakenkti kitoms užduotims, o jo augimas turi didelių aplinkosaugos išlaidų. 2026 m. tikimasi labiau išsamų dirbtinio intelekto praktinio poveikio supratimą, o tyrimai turėtų būti sutelkti į jo realią naudą ir apribojimus, o ne į ažiotažą.
DI 2026 m. sutelks dėmesį į realaus pasaulio naudą, sveikatos priežiūrą ir darbo jėgos įžvalgas
Angèle Christin, Stanfordo universiteto HAI vyresnioji mokslo darbuotoja, pažymi, kad nors dirbtinis intelektas pritraukė didžiules investicijas ir infrastruktūros plėtrą, jo galimybės dažnai yra pervertinamos. Dirbtinis intelektas gali pagerinti tam tikras užduotis, tačiau gali klaidinti, sumažinti įgūdžius ar pakenkti kitoms užduotims, o jo augimas turi didelių aplinkosaugos išlaidų. 2026 m. tikimasi labiau išsamų dirbtinio intelekto praktinio poveikio supratimą, o tyrimai turėtų būti sutelkti į jo realią naudą ir apribojimus, o ne į ažiotažą.
Curtis Langlotz, Stanfordo HAI vyresnysis mokslinis bendradarbis, pastebi, kad savarankiškai prižiūrimas mokymasis labai sumažino kūrimo išlaidas. medicinos AI panaikinant poreikį naudoti visiškai paženklintus duomenų rinkinius. Nors privatumo problemos sulėtino didelių medicininių duomenų rinkinių kūrimą, mažesnio masto savarankiškai prižiūrimi modeliai parodė potencialą įvairiose biomedicinos srityse. Langlotz prognozuoja, kad kaupiant aukštos kokybės sveikatos priežiūros duomenis, atsiras biomedicinos pamatiniai modeliai, kurie pagerins diagnostikos tikslumą ir suteiks galimybę naudoti dirbtinio intelekto įrankius retoms ir sudėtingoms ligoms gydyti.
Erikas Brynjolfssonas, Stanfordo HAI vyresnysis mokslinis bendradarbis, prognozuoja, kad 2026 m. diskusijos apie dirbtinio intelekto ekonominį poveikį nukryps nuo diskusijų prie matavimo. Didelio dažnio dirbtinio intelekto ekonominiai ataskaitų suvestinės, naudojant darbo užmokesčio ir platformos duomenis, stebės produktyvumo augimą, darbo vietų praradimą ir naujų vaidmenų kūrimą užduočių ir profesijų lygmeniu. Šios priemonės leis vadovams ir politikos formuotojams stebėti dirbtinio intelekto poveikį beveik realiuoju laiku, nukreipiant darbuotojų rėmimą, mokymą ir investicijas, siekiant užtikrinti, kad dirbtinis intelektas prisidėtų prie plataus masto ekonominės naudos.
Stanfordo sveikatos priežiūros vyriausiasis duomenų mokslininkas Nigamas Shahas prognozuoja, kad 2026 m. generatyvinio dirbtinio intelekto kūrėjai vis dažniau siūlys programas tiesiogiai galutiniams vartotojams, apeidami lėtus sveikatos sistemos sprendimų priėmimo ciklus. Generatyvinių transformatorių pažanga gali leisti prognozuoti diagnozes, gydymo atsakus ir ligos progresavimą be konkrečių užduočių etikečių. Šioms priemonėms tampant vis plačiau prieinamoms, pacientų supratimas apie dirbtinio intelekto nurodymus bus labai svarbus, o vis daugiau dėmesio bus skiriama sprendimams, kurie suteikia pacientams didesnę savo priežiūros kontrolę.
Stanfordo universiteto kompiuterių mokslo docentė Diyi Yang pabrėžia, kad dirbtinio intelekto sistemos turi remti ilgalaikį žmogaus vystymąsi, o ne trumpalaikį įsitraukimą. Ji pabrėžia, kaip svarbu kurti į žmogų orientuotą dirbtinį intelektą, kuris skatina kritinį mąstymą, bendradarbiavimą ir gerovę, integruojant šiuos tikslus į kūrimo procesą nuo pat pradžių, o ne kaip vėliau apgalvotą dalyką.
Atsakomybės neigimas
Remdamasi tuo, Pasitikėjimo projekto gairės, atkreipkite dėmesį, kad šiame puslapyje pateikta informacija nėra skirta ir neturėtų būti aiškinama kaip teisinė, mokesčių, investicinė, finansinė ar bet kokia kita konsultacija. Svarbu investuoti tik tai, ką galite sau leisti prarasti, ir, jei turite kokių nors abejonių, kreiptis į nepriklausomą finansinę konsultaciją. Norėdami gauti daugiau informacijos, siūlome peržiūrėti taisykles ir nuostatas bei pagalbos ir palaikymo puslapius, kuriuos pateikia išdavėjas arba reklamuotojas. MetaversePost yra įsipareigojusi teikti tikslias, nešališkas ataskaitas, tačiau rinkos sąlygos gali keistis be įspėjimo.
Apie autorių
Alisa, atsidavusi žurnalistė MPost, specializuojasi kriptovaliutų, dirbtinio intelekto, investicijų ir plačios srities srityse Web3. Akylai žvelgdama į naujas tendencijas ir technologijas, ji pateikia išsamią informaciją, kad informuotų ir įtrauktų skaitytojus į nuolat besikeičiančią skaitmeninių finansų aplinką.
Daugiau straipsnių
Alisa, atsidavusi žurnalistė MPost, specializuojasi kriptovaliutų, dirbtinio intelekto, investicijų ir plačios srities srityse Web3. Akylai žvelgdama į naujas tendencijas ir technologijas, ji pateikia išsamią informaciją, kad informuotų ir įtrauktų skaitytojus į nuolat besikeičiančią skaitmeninių finansų aplinką.
