هوش بولدوزر: چرا LLM ها AGI نخواهند بود

بولدوزر فقط دو عملکرد دارد، برای جابجایی یا شکستن اشیا. همه تطبیق پذیری یک بولدوزر حول این محور می چرخد. مهم نیست که یک بولدوزر چقدر در انجام وظیفه خود خوب باشد، برتری نمی یابد و قابلیت های جدیدی مانند ساخت و ساز یا قالب گیری را به دست نمی آورد. اگر یک بولدوزر با چالش سخت تری روبرو شود که نتواند در توان خود آن را حل کند، وزن بیشتری به سمت آن می اندازد یا بولدوزر بزرگتر این کار را انجام می دهد. بنابراین، اگر نمی تواند آن را بشکند یا حرکت دهد، وزنه بزرگتری به سمت آن بیندازید. آنها ابزارهای کاربردی هستند. همانند LLM (مدل های زبان بزرگ).

کیفیت داده های آموزش داده شده، کل قابلیت LLM ها را تعیین می کند. هر چه پارامترها بالاتر باشد، LLM بهتر می شود. هنگامی که یک LLM با یک وظیفه روبرو می شود، میلیاردها نشانه را اسکن می کند و هر کلمه را در برابر میلیون ها کلمه دیگر در یک رابطه فضایی به دنبال وسیله ای برای رسیدن به هدف می گرداند.

LLM ها هوش عملکردی هستند. آنها برای رسیدن به هدف نهایی تلاش می کنند. هدف یک LLM این است که تا آنجا که ممکن است کلمات بیشتری تولید کند. این کار را با الک کردن کلمات با سرعت بیشتری انجام می دهد. در حالی که LLM ها چیزهای جدیدی را از طریق سنتز ایجاد می کنند، که نشانه ای از هوش انسانی را تقلید می کند، LLM ها فاقد خلاقیت هستند که جزء اصلی هوش است.

تصور AGI (هوش عمومی مصنوعی) شکلی فراگیر از هوش با سرعت متوسط ​​انسانی است. …

Source link