Machine Learning senkt den Wert von Erfahrungswissen
BiblioMap 
Bemerkungen
Generative KI-Systeme bergen die Gefahr einer
Abwertung von Expertise und Motivationsverlust.
Von LCH Dachverband Schweizer Lehrerinnen und Lehrer im Text Künstliche Intelligenz in der Schule (2024) 

Die Forscher haben aber noch einen anderen interessanten Aspekt gefunden: KIvereinheitlicht Fähigkeiten. Menschen mit unterdurchschnittlicher Leistungsfähigkeitprofitieren stärker als die High Performer, sodass sich die Niveaus tendenziell angleichen.Die Berater, die bei der Bewertung zu Beginn des Experiments am schlechtestenabgeschnitten hatten, verzeichneten mit 43 Prozent den größten Leistungssprung.
Von Holger Schmidt im Text ChatGPT senkt Beschäftigung und Verdienste der Autoren (2023) 
„Wenn ich mir diese Ergebnisse ansehe, denke ich, dass nicht genug Leutedarüber nachdenken, was es bedeutet, wenn eine Technologie alle Arbeitnehmer in dieSpitzengruppe der Leistung hebt. Vielleicht ist es so, wie wenn es früher eine Rolle spielte, obBergleute gut oder schlecht im Graben waren. Bis die Dampfschaufel erfunden wurde. Dannspielten Unterschiede in der Grabungsfähigkeit keine Rolle mehr. Die KI ist noch nicht ganzso weit, aber die Nivellierung der Fähigkeiten wird einen großen Einfluss haben“, erwartetMitautor Ethan Mollick.
Von Holger Schmidt im Text ChatGPT senkt Beschäftigung und Verdienste der Autoren (2023) Das Computerzeitalter hat viele
Arbeitsplätze mit mittlerem Qualifikationsniveau
vernichtet und
abqualifiziert. Künstliche Intelligenz
kann genutzt werden, um
diese Fähigkeiten wiederherzustellen
und Menschen mit weniger
formaler Ausbildung und
Erfahrung in die Lage zu versetzen,
wertvolle Aufgaben effektiver
zu erledigen. Sie befähigt
Menschen, bessere Entscheidungen
zu treffen und Aufgaben zu
übernehmen, für die sonst mehr
Ausbildung und Erfahrung erforderlich
wären. Künstliche Intelligenz
wird die Ungleichheit
verringern.
Von David Autor im Text «Künstliche Intelligenz wird die Ungleichheit verringern» (2023) 
Zitationsgraph
Zitationsgraph (Beta-Test mit vis.js)
Zeitleiste
12 Erwähnungen 
- Generative AI at Work (Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond) (2023)
- «Rechne mit Umbau der Zivilisation» (Sascha Lobo, Mathias Morgenthaler) (2023)
- Navigating the Jagged Technological Frontier - Field Experimental Evidence of the Effects of AI on KnowledgeWorker Productivity and Quality (Fabrizio Dell'Acqua, Saran Rajendran, Edward McFowland III, Lisa Krayer, Ethan Mollick, François Candelon, Hila Lifshitz-Assaf, Karim R. Lakhani, Katherine C. Kellogg) (2023)
- «Künstliche Intelligenz wird die Ungleichheit verringern» (David Autor, Armin Müller) (2023)
- ChatGPT senkt Beschäftigung und Verdienste der Autoren (Holger Schmidt) (2023)
- Generative AI and the Future of Work - A Reappraisal (Carl Benedikt Frey, Michael A. Osborne) (2024)
- Alles überall auf einmal - Wie Künstliche Intelligenz unsere Welt verändert und was wir dabei gewinnen können (Miriam Meckel, Léa Steinacker) (2024)
- The Simple Macroeconomics of AI (Daron Acemoglu) (2024)
- Künstliche Intelligenz in der Schule - Chancen nutzen, Herausforderungen meistern (LCH Dachverband Schweizer Lehrerinnen und Lehrer) (2024)
- The impact of generative artificial intelligence on socioeconomic inequalities and policymaking (Valerio Capraro, Austin Lentsch, Daron Acemoglu, Selin Akgun, Aisel Akhmedova, Ennio Bilancini, Jean-François Bonnefon, Pablo Brañas-Garza, Luigi Butera, Karen Douglas, Jim Everett, Gerd Gigerenzer, Christine Greenhow, Daniel Hashimoto, Julianne Holt-Lunstad, Jolanda Jetten, Simon Johnson, Werner Kunz, Chiara Longoni, Pete Lunn, Simone Natale, Stefanie Paluch, Iyad Rahwan, Neil Selwyn, Vivek Singh, Siddharth Suri, Jennifer Sutcliffe, Joe Tomlinson, Sander van der Linden, Paul Van Lange, Friederike Wall, Jay Van Bavel, Riccardo Viale) (2024)
- KI im Klassenzimmer (2024)
- «Wir müssen lebenslanges Lernen selbst leben» (Beat Döbeli Honegger, Sarah Forrer) (2024)
- «Wir müssen lebenslanges Lernen selbst leben» (Beat Döbeli Honegger, Sarah Forrer) (2024)
- Handbuch Lernen mit digitalen Medien (3. Auflage) - Wege der Transformation (Gerold Brägger, Hans-Günter Rolff) (2025)
- Generative Machine-Learning-Systeme - Die nächste Herausforderung des digitalen Leitmedienwechsels (Beat Döbeli Honegger) (2025)
- Generative Machine-Learning-Systeme - Die nächste Herausforderung des digitalen Leitmedienwechsels (Beat Döbeli Honegger) (2025)