原文：
towardsdatascience.com/the-economics-of-artificial-intelligence-causal-tools-chatgpts-impact-and-other-holiday-reads-40e7793abffb?source=collection_archive---------8-----------------------#2024-12-12
https://towardsdatascience.medium.com/?source=post_page---byline--40e7793abffb--------------------------------https://towardsdatascience.com/?source=post_page---byline--40e7793abffb-------------------------------- TDS 编辑
·发表于 Towards Data Science ·以 Newsletter 形式发送 ·阅读时间 4 分钟 ·2024 年 12 月 12 日
–
想在 2024 年结束前写下你的第一篇 TDS 文章吗？我们始终欢迎新作者的投稿。
我们的指导原则是，学习新事物永远不会是坏事，但我们也知道，不同的时刻需要不同类型的学习。在 TDS，我们通常在新的一年开始时发布大量实践性、动手操作的指南和教程——我们相信 2025 年 1 月也将如此。
目前，在我们进入节日季节的高峰期时，我们想要突出一些最近的最佳文章，它们需要更多的反思和更慢的思考节奏：这些故事适合你在舒适的扶手椅上品味，而不是一边在笔记本电脑上敲代码时阅读（当然，你也可以一边敲代码，一边阅读，我们不会介意！）。
从人工智能生成内容的文化影响到对狗狗排便习惯的贝叶斯分析（没错，你没看错），我们希望你喜欢这系列引人深思、引人入胜的文章。敬请期待：我们迫不及待地想在下周的年终特别版 Variable 中与大家分享 2024 年的亮点。
人工智能的经济学——自动化对工人的影响是什么？
在对 AI 对劳动力市场影响的全面分析中，Isaac Tham提出了一个强有力的框架：“AI 根据其在特定任务中与劳动者的表现关系来增强或自动化劳动。如果 AI 在某个任务中表现优于劳动者，那么劳动被自动化；如果劳动优于 AI，那么 AI 增强劳动。”他继续展开讨论 AI 快速扩展的影响、风险以及潜在的好处。
AI 生成内容的文化影响：第一部分
商业影响是关于 AI 对话中占据大部分空间的话题，但正如Stephanie Kirmer强调的那样，我们不应忽视 AI 生成内容在文化领域可能带来的深远变化：“如果我们期待在这些经历之后我们的思维方式不发生变化，那就太傻了。我非常担心，我们正在经历的变化并非向好的方向发展。”
ChatGPT：两年后的反思
2022 年 11 月，当 OpenAI 推出那款改变一切的聊天机器人（至少……改变了很多的事情）时，感觉既像是两天前发生的事，也像是两十年前的事。为了帮助我们理解后 ChatGPT 时代的世界，Julián Peller提供了对过去两年——“生成式 AI 革命”中的这一历史性过渡期——的全景概述。
打破 ChatGPT 的名字：David Mayer 是谁？
对于那些喜欢将 AI 内部工作机制的探索与丰富的悬疑和神秘感相结合的人，Cassie Kozyrkov的最新文章正合适：它通过一个神秘的名字，探讨了围绕基于 LLM 的工具的一些棘手问题（隐私、偏见、提示破解等）。
克服保护共享生成式 AI 环境中的安全挑战
从不同的角度探讨 AI 产品安全问题，Han HELOIR 博士聚焦于多租户的特殊挑战——这是一个越来越常见的情况，当不同的用户群体（例如公司内的多个团队）依赖相同的数据和 LLM 资源时。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/b5aaf85a64eec7d6a9da77012d9b32e0.png
图片来源：Crystal Kay来自Unsplash
理解 DDPG：解决连续动作控制挑战的算法
为什么不在这个假期拓宽一下你对深度强化学习算法的理解呢？Sirine Bhouri的首篇 TDS 文章带我们走进深度确定性策略梯度（DDPG）算法背后的理论与架构，测试其性能，并探讨其在生物工程中的潜在应用。
LLM 路由——直观且详尽的解释在成千上万的大型语言模型中，实践者应如何选择适合特定任务的模型？Daniel Warfield对 LLM 路由的深入浅出探讨解释了这一“先进推理技术”如何简化这一过程，以及它所依赖的不同组件如何相互补充。
协和指数的直觉——生存分析
理解和预防流失仍然是行业内数据科学家最常见的目标之一。Antonieta Mastrogiuseppe提供了生存分析基础数学的全面入门，并阐述了协和指数在评估模型准确性方面所扮演的关键角色。
狗屎指南针
一只 5 岁的骑士查尔斯王猎犬能教会我们关于贝叶斯统计的重要课题吗？事实证明答案是肯定的——只要你跟随Dima Sergeev的生动叙述，了解他尝试发现他狗狗“如厕”仪式中的模式。
因果关系——数据科学的心理卫生为了丰富我们本周的内容，我们邀请你深入探讨Eyal Kazin关于因果工具的深思熟虑的反思——以及何时（和是否）使用它们。基于他最近在 PyData Global 大会上的讲座，本文平衡了因果推断的宏观分析与塑造我们在日常工作流中应用因果思维的细节因素。
感谢您支持我们作者的工作！正如我们之前提到的，我们非常喜欢发布新作者的文章，因此如果您最近写了一篇有趣的项目演示、教程或关于我们核心主题的理论反思，请不要犹豫，与我们分享。
直到下一个变量，
TDS 团队
