La Valeur En IA A Jusqu'ici Été Mesurée En Vitesse Et Précision. Aucune De Ces Deux Métriques Ne Capture Si Elle Vous Connaît Réellement.
Les métriques dominantes pour évaluer la valeur de l'IA — vitesse de réponse, précision du résultat — sont réelles, mesurables, et authentiquement utiles pour comparer les systèmes sur les tâches que ces métriques ont été conçues pour suivre. Elles sont aussi silencieuses sur une question complètement différente : si le système sait réellement quelque chose de précis et de vrai sur la personne individuelle qu'il sert.
Un système peut être extrêmement rapide et extrêmement précis sur chaque tâche donnée tout en ne sachant essentiellement rien de durable sur la personne derrière ces tâches — parce que la vitesse et la précision sont des propriétés d'interactions individuelles, évaluées une à la fois, tandis que connaître quelqu'un est une propriété qui n'émerge que d'une relation continue à travers de nombreuses interactions, que les métriques standard n'ont jamais été construites pour capturer.
Cet écart explique pourquoi un système peut bien noter sur chaque référentiel conventionnel et pourtant sembler générique, remplaçable, ou étrangement impersonnel pour la personne qui l'utilise — les métriques mesuraient les bonnes choses pour un type de valeur différent de celui qui manque réellement, et un score élevé sur elles ne dit rien sur si la pièce manquante a été traitée.
Vitesse et précision restent authentiquement nécessaires. Elles ne sont simplement pas l'axe qui capture si une IA connaît réellement la personne qui l'utilise — c'est un type de valeur distinct, actuellement largement non mesuré, et largement non livré par des systèmes optimisés purement contre les métriques qui le sont.
Fait partie de Explain Ori →
Momar Lissa Ndiaye (« MLN ») est le fondateur et CEO de weyoga Inc., société du Delaware. — weyoga.ai · mln@weyoga.ai