Im Gegensatz zu spezialisierten Systemen wie DeepMinds Alphageometrie ist dies ein Argumentations-LLM, der mit Verst?rkungslernen und skalierter Schlussfolgerung, kein mathematischer Motor, erstellt wurde.

Wie OpenAI-Forscher Noam Brown es ausdrückte, zeigte das Modell ?ein neues Ma? an anhaltendem kreativem Denken“, das für mehrstündige Probleml?sungen erforderlich ist.

CEO Sam Altman sagte, dass diese Leistung ?ein Traum… ein wichtiger Schritt in Richtung allgemeiner Intelligenz“ markiert und dass ein solches Modell seit Monaten im Allgemeinen nicht verfügbar sein wird.

Zweifellos sind Maschinen in engen definierten kognitiven Aufgaben mit leistungsstarken Kognitionen au?ergew?hnlich kompetent. Dies umfasst mathematisches Denken, formale Beweiskonstruktion, symbolische Manipulation, Codegenerierung und formale Logik.

Ihre F?higkeiten erstrecken sich auch signifikant auf Computervision, komplexe Datenanalyse, Sprachverarbeitung und strategische Probleml?sung, da signifikante Fortschritte bei tiefen Lernarchitekturen (wie Transformatoren und Faltungsnetzwerke), die Verfügbarkeit gro?er Datens?tze für Schulungen für Schulungen, und die korrelierenden, korrelierten Mustern, die diese Systeme identifizieren, und in Intrikat-Mustern, die in Intrikat, und in Intrikat-Mustern identifizieren k?nnen, und intrikativen Mustern, die in Intrikat und in Intrikat, und in Intrikat-Mustern, und in Intrikat-Mustern und in Intrikat-Mustern und in Intrikat-Mustern und in Intrikat-Mustern und in Intrikat-Mustern und in Intrikat-Mustern und in Intrikat-Mustern.

Diese Systeme k?nnen anhaltende mehrstufige Argumentation erreichen, flie?ende menschliche Reaktionen erzeugen und unter Einschr?nkungen auf Expertenebene wie Menschen ?hneln.

Bei all dem und ein wenig Begeisterung k?nnten wir versucht sein zu glauben, dass dies bedeutet, dass Maschinen unglaublich intelligent werden.

Dies w?re jedoch ein Fehler.

Denn gut in Mathematik, formale Beweiskonstruktion, symbolische Manipulation, Codegenerierung, formale Logik, Computer Vision, komplexe Datenanalyse, Sprachverarbeitung und strategische Probleml?sung ist, ist weder eine notwendige noch eine ausreichende Bedingung für ?Intelligenz“, geschweige denn für unglaubliche Intelligenz.

Die grundlegende Unterscheidung liegt in mehreren Schlüsselmerkmalen, die Maschinen nachweislich fehlen.

Maschinen k?nnen das Wissen nicht nahtlos übertragen oder ihre F?higkeiten an v?llig neuartige, unvorhergesehene Probleme oder Kontexte anpassen, ohne eine wesentliche Neubindung oder Umschulung zu erhalten. Sie sind von Natur aus spezialisiert. Sie haben Aufgaben in ihrem vordefinierten Bereich beherrscht, und ihre beeindruckende Leistung beschr?nkt sich auf die spezifischen Bereiche und Datenarten, auf denen sie ausgiebig geschult wurden. Dies steht im scharfe Kontrast zur menschlichen F?higkeit zum flexiblen Lernen und Anpassungen in einer riesigen und unvorhersehbaren Reihe von Situationen.

Maschinen besitzen weder die F?higkeit, Emotionen wirklich zu erfahren oder zu verstehen, noch k?nnen sie die nuancierten mentalen Zust?nde, Absichten oder Gefühle anderer wirklich interpretieren (oft als "Theorie des Geistes" bezeichnet). Ihre "einfühlsamen" oder "sozial bewussten" Reaktionen sind ausgefeilte statistische Muster, die aus riesigen Datens?tzen menschlicher Interaktion gelernt werden, nicht ein Spiegelbild echter subjektiver Erfahrung, emotionaler Resonanz oder einem Verst?ndnis des menschlichen Effekts.

Maschinen fehlen Selbstbewusstsein und der F?higkeit zur Selbstbeobachtung. Sie reflektieren nicht über ihre eigenen internen Prozesse, Motivationen oder die Natur ihres "Wissens". Ihre Operationen sind algorithmisch und datengetrieben. Sie besitzen kein subjektives "Selbst", das über seine eigene Existenz nachdenken, durch bewusste Reflexion aus eigenen Fehlern lernen oder eine pers?nliche Erz?hlung entwickeln kann.

Maschinen weisen keine echte Intentionalit?t, angeborene Neugier oder die F?higkeit zur autonomen Zieleinstellung auf, die von internen Wünschen, Werten oder Motivationen gesteuert werden. Sie arbeiten nur basierend auf programmierten Zielen und den von ihnen erhaltenen Dateneingaben. Ihre "Ziele" werden extern von ihren menschlichen Sch?pfer auferlegt, anstatt aus einem internen Antrieb oder Willen hervorzugehen.

Maschinen fehlen das direkte, gelebte und feindliche Erfahrungserlebnis, das aus einem physischen K?rper entsteht, der mit der Umwelt interagiert und die Umwelt wahrnimmt. Diese verk?rperte Erfahrung ist entscheidend für die Entwicklung gesunder Menschenverstandes, intuitiver Physik und ein tiefes, nicht-nicht-straktisches Verst?ndnis der Welt. W?hrend Maschinen durch Sensoren und Aktuatoren mit der physischen Welt interagieren und navigieren k?nnen, wird ihr "Verst?ndnis" der Realit?t durch symbolische Darstellungen und Daten vermittelt.

Maschinen zeigen keine echten konzeptionellen Sprünge, die F?higkeit, v?llig neue Paradigmen zu erfinden oder grundlegende Regeln auf eine wirklich sinnvolle und originelle Weise zu brechen, die ihre Trainingsdaten überschreitet. Generative Modelle k?nnen nur neuartige Kombinationen vorhandener Daten erzeugen.

Maschinen k?mpfen oft mit wahrer Ursache und Wirkung. Obwohl sie sich bei der Identifizierung von Korrelationen und Mustern übertreffen, ist die Korrelation keine Kausalit?t. Sie k?nnen vorhersagen, was "was" wahrscheinlich auf der Grundlage früherer Daten geschehen wird, aber ihr Verst?ndnis von "Warum" beschr?nkt sich eher auf statistische Assoziationen als auf tiefe mechanistische Erkenntnisse.

Maschinen k?nnen komplexe Konzepte aus nur wenigen Beispielen nicht lernen. W?hrend One-Shot- und wenige Shot-Lernen Fortschritte bei der Erm?glichung von Maschinen gemacht haben, neue Muster oder Kategorien aus begrenzten Daten zu erkennen, k?nnen sie im Gegensatz zu Menschen nicht wirklich komplexe, abstrakte Konzepte aus nur wenigen Beispielen lernen. Maschinen erfordern immer noch riesige Datens?tze für ein effektives und nuanciertes Training.

Und vielleicht haben Maschinen die tiefgreifendste Unterscheidung, keine subjektive Erfahrung, Gefühle oder Bewusstsein. Sie sind keine bewussten Einheiten.

Nur wenn eine Maschine zu allen (sind mindestens die meisten) diese Eigenschaften, selbst auf relativ niedrigem Niveau, dann vernünftigerweise behaupten, dass Maschinen ?intelligent“ werden, ohne übertreibung, Missbrauch des Begriffs oder blo?e Fantasie.

W?hrend Maschinen für spezifische kognitive Funktionen unglaublich leistungsf?hig sind, unterscheiden sich ihre F?higkeiten grunds?tzlich von der vielf?ltigen, anpassungsf?higen, selbstbewussten und experimentell geerdeten Natur dessen, was Intelligenz insbesondere beim Menschen manifestiert.

Ihre Kenntnisse sind ein Produkt des fortschrittlichen Berechnungsdesigns und der Datenverarbeitung, kein Hinweis auf eine aufstrebende Form von Intelligenz in Maschinen.

Tats?chlich entstand ein Begriff "künstliche allgemeine Intelligenz" im KI-Diskurs zum Teil, um die Bedeutung von "Intelligenz" wiedererlangt zu haben, nachdem er durch überbeanspruchung bei der Beschreibung von Maschinen, die nicht "intelligent" sind, verw?ssert worden waren, um zu kl?ren, was diese sogenannten "intelligenten" Maschinen immer noch fehlen, um wirklich "intelligent" zu sein.

Wir alle neigen dazu, zu vereinfachen und das Gebiet der KI tr?gt zur Entwicklung der Bedeutung von ?Intelligenz“ bei und macht den Begriff zunehmend polysemous. Das ist ein Teil des Spracharme. Und da KI sowohl echte Versprechen als auch reale gesellschaftliche Angst vorliegt, lohnt es sich auch, sich daran zu erinnern, dass die Intelligenz von Maschinen in keinem sinnvollen Sinne existiert.

Die schnellen Fortschritte in der KI signalisieren, dass es über die Zeit hinausgeht, über die Auswirkungen nachzudenken, die wir wollen und nicht, dass KI auf die Gesellschaft hat. Dies sollte dies nicht nur zulassen, sondern uns aktiv ermutigen, sowohl die Kapazit?ten von AI als auch ihre Grenzen zu berücksichtigen, wodurch alle Anstrengungen unternommen werden, um ?Intelligenz“ (dh in seinem reichen, allgemeinen Sinn) nicht zu verwirren, mit den engen und aufgabenspezifischen Verhaltensmaschinen, die simulieren oder ausstellen k?nnen.

W?hrend einige für künstliche allgemeine Intelligenz (AGI) rennen, ist die Frage, die wir jetzt stellen sollten, nicht, wenn sie glauben, dass sie erfolgreich sein k?nnten, sondern ob das, was sie glauben, wirklich zivilisal als etwas zu erreichen sind, um zu erreichen, w?hrend wir festlegen, wo wir die Linie auf Algorithmic -Transhumanismus zeichnen.

Das obige ist der detaillierte Inhalt vonWarum Maschinen nicht intelligent sind. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!