BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Digital Impact North - ECPv6.2.6//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Digital Impact North
X-ORIGINAL-URL:https://digitalimpactnorth.se
X-WR-CALDESC:Events for Digital Impact North
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Stockholm
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20240331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20241027T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Stockholm:20240119T121500
DTEND;TZID=Europe/Stockholm:20240119T130000
DTSTAMP:20260404T052710
CREATED:20240111T155135Z
LAST-MODIFIED:20240117T071550Z
UID:16814-1705666500-1705669200@digitalimpactnorth.se
SUMMARY:#frAIday: Inlärning och resonemang i AI-system vs hos människor
DESCRIPTION:Om vi kan bygga smarta maskiner\, vad skulle det säga oss om naturlig intelligens\, t.ex. mänsklig intelligens? \nFaktiska jämförelser mellan dagens AI-system och mänsklig kognition avslöjar betydande skillnader och begränsningar. AI-system är visserligen utmärkta för specifika uppgifter\, t.ex. brädspel\, men deras prestanda verkar skilja sig avsevärt från människors när det gäller inlärning\, resonemang och anpassning till nya situationer. Redan små barn uppvisar en förmåga att generalisera begrepp och förstå språk med minimal exponering\, medan dagens AI-system ofta kräver omfattande data för effektiv träning och kämpar i scenarier med begränsad data. Människor kan dessutom överföra sina kunskaper och färdigheter till nya situationer\, något som djupa neurala nätverk fortfarande kämpar med. Människor kan till exempel utan problem identifiera och tolka sällan förekommande fenomen\, som snösträngar på en motorväg\, och tillskriva dem deras material (snö). Men en självkörande bil\, som är beroende av träningsdata\, kan misstolka dessa som vanliga körfältslinjer\, vilket avslöjar brister i dess anpassningsförmåga till oväntade situationer. Sådana skillnader kan utgöra utmaningar för analogier mellan hjärna och maskin och väcka frågor om huruvida dessa skillnader indikerar variationer i graden eller i den inneboende naturen av intelligens som uppvisas av människor kontra AI-system. \nOm talaren\nNina Poth\, postdoktor vid Humboldt-universitetet i Berlin\, arbetar i gränslandet mellan kognitionsvetenskaplig filosofi\, sinnesfilosofi och epistemologi. Särskilt intresserad av inlärning\, resonemang och rationalitet. Hennes forskning fokuserar på att förstå hur man lär sig begrepp från perception och resonerar rationellt med dem. Hon undersöker hur detta kan förklaras med Bayesianska modeller av kognition och utvärderar effektiviteten av dessa förklaringar. Dessutom utforskar hon om alla aspekter av intelligens kan och bör definieras i termer av förmågan att göra framgångsrika förutsägelser om världen.
URL:https://digitalimpactnorth.se/event/fraiday-inlarning-och-resonemang-i-ai-system-vs-hos-manniskor/
CATEGORIES:#frAIday,Featured,Med anmälan - Digitalt
ATTACH;FMTTYPE=image/webp:https://digitalimpactnorth.se/wp-content/uploads/2024/01/nina-poth.webp
END:VEVENT
END:VCALENDAR