人工智能(AI)/大型语言模型(LLMs)在各种任务中都显示出了良好的前景,但在美国防部(DOD)中,对其在来源选择评估因素编写中的应用却没有进行深入研究。了解人工智能编写的评估因素的有效性对于可靠的决策至关重要。LLM 技术在美国防部的整合与人工智能的兴起相一致。这项探索性分析调查了美国防部采购专业人员对人工智能编写的评估因素的信心和偏见。乔治梅森大学(GMU)和海军研究生院的调查向专业人员提供了需求文档和人工或人工智能生成的评估因素。由于这两项调查在统计上存在显著差异,因此只采用了乔治梅森大学的数据。统计和定性分析评估了不同参与者分组和作者披露情况下的信心评级差异。结果显示,相对于人工智能编写,尤其是在年长的专业人员中,对人工智能编写的信心降低,并对算法略有反感。尽管存在包括抽样限制在内的局限性,但在对人工智能与人类产出的看法上出现了明显的差异。建议包括制定一份人工智能指南,以帮助在收购中负责任地使用人工智能。还需要对更多不同样本和各种人工智能工具进行进一步研究。这项初步工作推动了人工智能集成政策的讨论和公众对国防采购的信任。

成为VIP会员查看完整内容
63

相关内容

军事防务数据板块介绍:系统化采集、存储、管理、分析与军事国防安全相关信息的专用数据板块,其核心在于整合全球新兴国防技术(军事人工智能、无人系统等)、热点案例(俄乌战争、美以伊战争)等方面的最新时讯、研究报告/论文、条令法规、案例分析,为战略研判、情报分析、决策支持等提供知识支撑。
万字译文《海战中实施人工智能的挑战》2023最新报告
专知会员服务
202+阅读 · 2023年5月6日
国家自然科学基金
18+阅读 · 2017年12月31日
国家自然科学基金
52+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
47+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
51+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
Arxiv
176+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
501+阅读 · 2023年3月31日
Arxiv
27+阅读 · 2023年3月17日
Arxiv
11+阅读 · 2018年7月31日
VIP会员
最新内容
AutoScientists:自组织智能体团队驱动长期科学实验
战略前沿人工智能的再思考(中文)
专知会员服务
3+阅读 · 今天14:53
《量化地基防空系统间接效应的博弈论方法》
专知会员服务
3+阅读 · 今天14:51
“史诗怒火行动”中美军损失的作战飞机
专知会员服务
2+阅读 · 今天14:38
ICML 2026 | 理解上下文持续学习中的泛化与遗忘
专知会员服务
5+阅读 · 5月28日
Agent Harness综述:大模型智能体执行器工程全景
专知会员服务
13+阅读 · 5月28日
《基于理论的威慑效能评估》
专知会员服务
8+阅读 · 5月28日
相关VIP内容
万字译文《海战中实施人工智能的挑战》2023最新报告
专知会员服务
202+阅读 · 2023年5月6日
相关基金
国家自然科学基金
18+阅读 · 2017年12月31日
国家自然科学基金
52+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
47+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
51+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员