بیایید لحظه ای به یادگیری رانندگی فکر کنیم. هر یک از ما میتواند اصول اولیه رانندگی را تنها از چند نمایش یاد بگیرد، و زمانی که مفاهیمی مانند فرمان، شتاب و ترمز را درک کنیم، میتوانیم این مهارتها را در هر خودرویی به کار ببریم – از یک سدان جمعوجور تا یک کامیون بزرگ. با این مهارتها، میتوانیم به سرعت خود را با شرایط مختلف جاده، آب و هوا و موقعیتهای ترافیکی تطبیق دهیم، حتی اگر قبلاً با آنها برخورد نکرده باشیم. با این حال، هوش مصنوعی فعلی به هزاران ساعت داده آموزشی برای هر وسیله نقلیه و شرایط خاص نیاز دارد، در حالی که AGI میتواند اصول اساسی رانندگی را درک کند و آنها را به طور گسترده اعمال کند.
هدف AGI ایجاد سیستمهای هوش مصنوعی است که میتوانند دانش و مهارتها را واقعاً تعمیم دهند – یادگیری اصول اساسی که میتوانند در موقعیتهای کاملاً جدید اعمال شوند. رانندگی ماشین، بازی پنیر، رفتن، Minecraft، و غیره. این به طور قابل توجهی با سیستم های هوش مصنوعی امروزی، از جمله LLM ها، که عمدتاً از طریق تطبیق الگوی پیچیده در مجموعه داده های آموزشی گسترده عمل می کنند، متفاوت است.
در حالی که LLM های مدرن می توانند در مکالمه به ظاهر هوشمندانه شرکت کنند و مشکلات پیچیده را حل کنند، آنها اساساً با شناسایی و ترکیب مجدد الگوهایی که در طول آموزش با آنها مواجه شده اند کار می کنند. این بیشتر شبیه به حفظ و آمار بسیار پیشرفته است…