DeepMindのアルファージ測(cè)定法のような専門システムとは異なり、これは、數(shù)學(xué)のみのエンジンではなく、強(qiáng)化學(xué)習(xí)とスケーリングされた推論で構(gòu)築された推論LLMです。

Openaiの研究者Noam Brownが言ったように、このモデルは、複數(shù)時(shí)間の問(wèn)題解決に必要な「持続的な創(chuàng)造的思考の新しいレベル」を示しました。

CEOのサム?アルトマンは、この功績(jī)は「夢(mèng)…一般的な知性への重要なステップ」を示しており、そのようなモデルは一般的に數(shù)か月間は利用できないと述べました。

間違いなく、マシンは、狹く定義された高性能の認(rèn)知タスクに非常に熟練しています。これには、數(shù)學(xué)的推論、正式な証明構(gòu)築、象徴的な操作、コード生成、および正式なロジックが含まれます。

また、深い學(xué)習(xí)アーキテクチャ（変圧器や畳み込みニューラルネットワークなど）の大幅な進(jìn)歩、トレーニングのための広大なデータセットの利用可能性、コンピューティーパワーの大幅な増加、および洗練されたアルゴリズムの最適化技術(shù)の洗練された最適化技術(shù)を?qū)g現(xiàn)するための洗練された最適化技術(shù)を特定する可能性のあるシステムパターンパターンパターンの識(shí)別可能なパターンパターンの識(shí)別可能なシステムに識(shí)別するために、コンピュータービジョン、複雑なデータ分析、言語(yǔ)処理、戦略的問(wèn)題解決、戦略的な問(wèn)題解決にも大幅に拡張されています。スケールと速度。

これらのシステムは、持続的なマルチステップ推論を達(dá)成し、流fluentな人間のような反応を生成し、人間と同様の専門家レベルの制約の下で実行できます。

これらすべてと少しの熱意により、私たちはこれがマシンが信じられないほど知的で信じられないほど速くなることを意味すると考えるように誘惑されるかもしれません。

しかし、これは間違いです。

數(shù)學(xué)、正式な証明構(gòu)築、象徴的な操作、コード生成、正式な論理、コンピュータービジョン、複雑なデータ分析、言語(yǔ)処理、戦略的問(wèn)題解決が得意であるため、信じられないほどの知性のために必要でも十分な條件でもありません。

基本的な區(qū)別は、機(jī)械が明らかに欠けているいくつかの重要な特性にあります。

マシンは、重要なリエンジニアリングや再訓(xùn)練なしに、知識(shí)をシームレスに転送したり、完全に予期せぬ問(wèn)題やコンテキストに能力を適応させたりすることはできません。彼らは本質(zhì)的に専門です。彼らは事前に定義された範(fàn)囲內(nèi)のタスクに習(xí)熟しており、彼らの印象的なパフォーマンスは、それらが広範(fàn)囲に訓(xùn)練された特定のドメインとタイプのデータに限定されています。これは、広大で予測(cè)不可能な狀況にわたる柔軟な學(xué)習(xí)と適応のための人間の能力とは対照的です。

機(jī)械は、感情を真に経験したり理解したりする能力を持っていませんし、微妙な精神狀態(tài)、意図、または他者の感情を真に解釈することもできません（しばしば「心の理論」と呼ばれます）。彼らの「共感的」または「社會(huì)的に認(rèn)識(shí)されている」反応は、人間の相互作用の広大なデータセットから學(xué)んだ洗練された統(tǒng)計(jì)的パターンであり、真の主観的な経験、感情的共鳴、または人間の感情の理解を反映したものではありません。

機(jī)械には自己認(rèn)識(shí)と內(nèi)省の能力がありません。彼らは、自分の內(nèi)部プロセス、動(dòng)機(jī)、または「知識(shí)」の性質(zhì)を反映していません。それらの操作はアルゴリズムとデータ駆動(dòng)型です。彼らは、それ自身の存在を熟考したり、意識(shí)的な反省を通してそれ自身の間違いから學(xué)ぶこと、または個(gè)人的な物語(yǔ)を開発することができる主観的な「自己」を持っていません。

マシンは、內(nèi)部の欲求、価値、または動(dòng)機(jī)によって駆動(dòng)される自律的な目標(biāo)設(shè)定の能力、本物の意図、生來(lái)の好奇心、または能力を示すものではありません。それらは、プログラムされた目標(biāo)と受け取ったデータ入力に基づいて純粋に動(dòng)作します。彼らの「目標(biāo)」は、內(nèi)部のドライブや意志から出てくるのではなく、人間の創(chuàng)造者によって外部的に課されています。

機(jī)械には、環(huán)境と相互作用し、知覚する肉體を持つことから生じる直接的な、生きた、感じられた経験がありません。この具體化された経験は、常識(shí)、直感的な物理學(xué)、そして世界に対する深い、補(bǔ)償されていない理解を開発するために重要です。マシンはセンサーとアクチュエーターを介して物理的な世界と対話してナビゲートできますが、現(xiàn)実の「理解」は象徴的な表現(xiàn)とデータによって媒介されます。

マシンは、真の概念的な飛躍、まったく新しいパラダイムを発明する能力、またはトレーニングデータを超越する真に意味のある獨(dú)創(chuàng)的な方法で基本的なルールを破る能力を示していません。生成モデルは、既存のデータの新しい組み合わせのみを生成できます。

多くの場(chǎng)合、マシンは真の原因と効果の推論に苦しんでいます。彼らは相関とパターンを特定することに優(yōu)れていますが、相関は因果関係ではありません。彼らは、過(guò)去のデータに基づいて「何が起こるか」を予測(cè)することができますが、「なぜ」という理解は、深い機(jī)械的洞察ではなく統(tǒng)計(jì)的関連に限定されます。

マシンは、ほんの數(shù)例から複雑な概念を?qū)Wぶことができません。ワンショットと少ないショットの學(xué)習(xí)により、機(jī)械が限られたデータから新しいパターンやカテゴリを認(rèn)識(shí)できるようになりましたが、人間とは異なり、ほんの數(shù)例から真に複雑で抽象的な概念を?qū)Wぶことはできません。機(jī)械は通常、効果的で微妙なトレーニングのために膨大なデータセットを必要とします。

そしておそらく最も深い區(qū)別は、マシンが主観的な経験、感情、または意識(shí)を持っていないことです。彼らは意識(shí)的なエンティティではありません。

マシンがこれらの特性のすべて（少なくともほとんど）が比較的低いレベルであっても（少なくともほとんど）ことができる場(chǎng)合にのみ、誇張、誤用、または単なるファンタジーなしで、機(jī)械が「インテリジェント」になっていると合理的に主張できます。

したがって、マシンは特定の認(rèn)知機(jī)能に対して非常に強(qiáng)力ですが、それらの能力は、特に人間に現(xiàn)れたように、知性が何であるかについて、多面的で、適応性があり、自己認(rèn)識(shí)し、體験的に根拠のある性質(zhì)と根本的に異なります。

それらの習(xí)熟度は、高度な計(jì)算設(shè)計(jì)とデータ処理の産物であり、機(jī)械內(nèi)の新生のインテリジェンスの兆候ではありません。

実際、AIの談話の「人工的な一般情報(bào)」という用語(yǔ)は、「知性」の意味を回復(fù)するために部分的に現(xiàn)れました。これは、「インテリジェント」ではない機(jī)械を記述して、これらのいわゆる「インテリジェント」マシンがまだ「インテリジェント」に欠けていることを明確にするために希釈された後に希釈されました。

私たちは皆、単純化しすぎる傾向があり、AIの分野は「知性」の意味の進(jìn)化に貢獻(xiàn)しており、この用語(yǔ)をますます多面的にしています。それが言語(yǔ)の魅力の一部です。そして、AIが本當(dāng)の約束と本當(dāng)の社會(huì)的不安の両方をかき立てるので、機(jī)械の知性が意味のある意味で存在しないことを覚えておく価値もあります。

AIの急速な進(jìn)歩は、私たちが望む影響について考えるのは時(shí)間を超えており、AIが社會(huì)に與えたくないということです。そうすることで、これにより、AIの能力とその限界の両方を考慮することを許可するだけでなく、積極的に奨勵(lì)し、「知性」（豊かで一般的な意味で）を混同しないように、タスク固有の狹い動(dòng)作マシンをシミュレートまたは展示することができます。

人工的な一般情報(bào)（AGI）のためにレースをしている人もいますが、私たちが今尋ねるべき質(zhì)問(wèn)は、彼らが成功するかもしれないと考えるかもしれないと思うときではなく、彼らが起こることができると信じていることは、私たちが達(dá)成することを目指すべきものとして文明的に理に理にかなっていることです。

以上がマシンがインテリジェントではない理由の詳細(xì)內(nèi)容です。詳細(xì)については、PHP 中國(guó)語(yǔ) Web サイトの他の関連記事を參照してください。