Luego está Eric Chong, un hombre de 37 años que tiene experiencia en odontología y anteriormente cofundó una startup que simplifica la facturación médica para los dentistas. Fue colocado en el equipo de «máquina».
«Voy a ser honesto y decir que estoy extremadamente aliviado de estar en el equipo de la máquina», dice Chong.
En el Hackathon, Chong estaba construyendo un software que utiliza el reconocimiento de voz y cara para detectar el autismo. Por supuesto, mi primera pregunta fue: ¿no habría un poder de problemas con esto, como datos sesgados que conducen a falsos positivos?
«Respuesta corta, sí», dice Chong. «Creo que hay algunos falsos positivos que pueden salir, pero creo que con voz y expresión facial, creo que podríamos mejorar la precisión de la detección temprana».
El agi ‘tacover’
El espacio de coworking, como muchas cosas relacionadas con la IA en San Francisco, tiene lazos con el altruismo efectivo.
Si no está familiarizado con el movimiento a través de los titulares de fraude de la bomba, busca maximizar el bien que se puede hacer utilizando el tiempo, el dinero y los recursos de los participantes. El día después de este evento, el espacio del evento organizó una discusión sobre cómo aprovechar YouTube «para comunicar ideas importantes como por qué las personas deberían comer menos carne».
En el cuarto piso del edificio, los volantes cubrieron las paredes: «Ai 2027: Will Agi Tacover» muestra un boletín para una fiesta de taco que pasó recientemente, otro titulado «coworking pro-animal» no proporciona otro contexto.
Media hora antes de la fecha límite de presentación, los codificadores comieron submarinos veganos de Ike’s y se apresuraron a terminar sus proyectos. Un piso hacia abajo, los jueces comenzaron a llegar: Brian Fioca y Shyamal Hitesh Anadkat del equipo de IA aplicado de OpenAi, Marius Buleandra del equipo AI aplicado de Anthrope y Varin Nair, un ingeniero de la fábrica de inicio de IA (que también está coheriendo el evento).
Cuando comenzó el juicio, un miembro del equipo de METR, Nate Rush, me mostró una mesa de Excel que rastreó las puntuaciones de los concursantes, con grupos de IA coloreados de color verde y humano de color rojo. Cada grupo se movió hacia arriba y hacia abajo de la lista cuando los jueces entraron en sus decisiones. «¿Lo ves?» Me preguntó. No, no lo hago, la mezcla de colores no mostró un ganador claro ni siquiera media hora en el juicio. Ese era su punto. Para sorpresa de todos, Man versus Machine fue una carrera cerrada.
Tiempo de la funcion
Al final, los finalistas se dividieron uniformemente: tres del lado «hombre» y tres de la «máquina». Después de cada demostración, se le pidió a la multitud que levantara la mano y adivinara si el equipo había usado la IA.
Primero fue Viewsense, una herramienta diseñada para ayudar a las personas con discapacidad visual a navegar por su entorno transcribiendo videofeeds en vivo en texto para que un lector de pantalla lea en voz alta. Dado el corto tiempo de construcción, era técnicamente impresionante, y el 60 por ciento de la habitación (según el recuento del maestro de ceremonias) creía que usaba IA. No lo hizo.
El siguiente fue un equipo que construyó una plataforma para diseñar sitios web con lápiz y papel, utilizando una cámara para rastrear bocetos en tiempo real, sin IA involucrada en el proceso de codificación. El proyecto pianista avanzó a las finales con un sistema que permite a los usuarios subir sesiones de piano para la retroalimentación generada por IA; Estaba en el lado de la máquina. Otro equipo mostró una herramienta que genera mapas de calor de los cambios en el código: los problemas de seguridad críticos aparecen en rojo, mientras que las ediciones de rutina aparecen en verde. Este usó AI.