arXiv cs.AI· Renaud Lambiotte·· 4 小时前AI 评分39
研究:技能侵蚀与个体记忆如何让 AI 采用难以逆转
Skill erosion, individual memory and the reversibility of AI adoption
AI 导读
一项基于智能体建模的研究发现,生成式 AI 虽能提升即时表现,却会侵蚀人类未来所需的技能,使 AI 采用呈现双稳态。技能在 AI 用户与非用户间的分布决定长期走向:采用率与平均技能相同的群体可能收敛到相反状态,仅靠均值不足以预测结果。当 AI 收益随时间提升时,采用可能突然跃迁,低价期带来的临时收益在恢复原值后仍会让群体依赖 AI,形成依赖历史的切换成本。
正文 · AI 翻译
摘要:生成式 AI 可以提升即时表现,但可能侵蚀未来工作所需的人类技能。我们考虑一个由智能体组成的群体,这些智能体要么依靠自身技能、要么借助 AI 的帮助来完成一项任务。智能体倾向于模仿更成功的同伴,而它们的技能会随时间演变:在实践中提升,在依赖 AI 时退化。我们通过解析和模拟研究 AI 采用的集体后果。我们表明,技能侵蚀机制使采用行为呈现双稳态,并且
群体的长期行为取决于技能如何分布:采用率和平均技能相同的群体,可能因专业知识在 AI 使用者与非使用者之间的共享方式不同而达到相反的渐近状态。一种确定性描述——跟踪两组人的平均技能以及非使用者之间技能的方差——能在模拟允许的精度内预测单次运行的结果,而仅靠均值则不够。我们还考虑了 AI 收益随时间提升的情形。在这种情况下,采用可能突然跃升,而收益的暂时增加(例如在低价时期)可能使群体在收益恢复到原始值之后仍依赖 AI。因此,技能侵蚀造成了一种依赖历史的转换成本,使广泛的 AI 采用难以逆转。
| 评论: | 15 页,8 幅图 |
| 主题: | 人工智能(cs.AI);物理与社会(physics.soc-ph) |
| 引用为: | arXiv:2611.04886 [cs.AI] |
| (或 arXiv:2611.04886v2 [cs.AI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.04886 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Renaud Lambiotte [查看电子邮件]
[v1]
2026 年 11 月 3 日星期二 13:33:26 UTC(143 KB)
[v2]
2026 年 11 月 16 日星期一 19:27:23 UTC(224 KB)
来源:arXiv cs.AI · arxiv.org