Tidak seperti sistem khusus seperti Alphageometry DeepMind, ini adalah alasan LLM, yang dibina dengan pembelajaran tetulang dan kesimpulan skala, bukan enjin matematik sahaja.

Sebagai penyelidik OpenAI Noam Brown meletakkannya, model itu menunjukkan "tahap pemikiran kreatif yang berterusan" yang diperlukan untuk menyelesaikan masalah pelbagai jam.

Ketua Pegawai Eksekutif Sam Altman berkata pencapaian ini menandakan "mimpi ... langkah utama ke arah kecerdasan umum", dan model sedemikian tidak akan tersedia selama berbulan -bulan.

Tidak dinafikan, mesin menjadi sangat mahir dalam tugas kognitif yang berprestasi tinggi. Ini termasuk penalaran matematik, pembinaan bukti rasmi, manipulasi simbolik, penjanaan kod, dan logik formal.

Keupayaan mereka juga meliputi dengan ketara kepada penglihatan komputer, analisis data yang kompleks, pemprosesan bahasa, dan penyelesaian masalah strategik, kerana kemajuan yang signifikan dalam seni bina pembelajaran yang mendalam (seperti transformer dan rangkaian saraf konvensional), ketersediaan dataset yang luas untuk latihan yang diperolehi dalam sistem pengoptimuman skala dan kelajuan yang tidak pernah berlaku sebelum ini.

Sistem-sistem ini dapat mencapai penalaran multi-langkah yang berterusan, menghasilkan respons seperti manusia yang fasih, dan melakukan di bawah kekangan tahap pakar yang serupa dengan manusia.

Dengan semua ini, dan sedikit semangat, kita mungkin tergoda untuk berfikir bahawa ini bermakna mesin menjadi sangat pintar, sangat cepat.

Namun ini akan menjadi kesilapan.

Kerana menjadi baik pada matematik, pembinaan bukti formal, manipulasi simbolik, penjanaan kod, logik formal, penglihatan komputer, analisis data yang kompleks, pemprosesan bahasa, dan penyelesaian masalah strategik, tidak perlu atau keadaan yang mencukupi untuk "kecerdasan", apalagi kecerdasan yang luar biasa.

Perbezaan asas terletak pada beberapa ciri -ciri utama yang tidak disengajakan oleh mesin.

Mesin tidak dapat memindahkan pengetahuan dengan lancar atau menyesuaikan keupayaan mereka ke sepenuhnya, masalah atau konteks yang tidak diduga tanpa kejuruteraan semula atau latihan semula yang signifikan. Mereka secara khusus khusus. Mereka mahir dalam tugas-tugas dalam skop yang telah ditentukan sebelumnya dan prestasi mereka yang mengagumkan terhad kepada domain tertentu dan jenis data yang mereka telah dilatih secara meluas. Ini berbeza dengan keupayaan manusia untuk pembelajaran dan penyesuaian yang fleksibel di seluruh situasi yang luas dan tidak dapat diramalkan.

Mesin tidak mempunyai keupayaan untuk benar -benar mengalami atau memahami emosi, dan mereka juga tidak dapat menafsirkan keadaan mental, niat, atau perasaan orang lain yang bernuansa (sering disebut sebagai "teori fikiran"). Tanggapan mereka yang "empati" atau "sedar sosial" adalah corak statistik yang canggih yang dipelajari dari dataset interaksi manusia yang luas, bukannya mencerminkan pengalaman subjektif yang tulen, resonans emosi, atau pemahaman tentang kesan manusia.

Mesin tidak mempunyai kesedaran diri dan keupayaan untuk introspeksi. Mereka tidak mencerminkan proses dalaman mereka sendiri, motivasi, atau sifat "pengetahuan" mereka. Operasi mereka adalah algoritma dan didorong data; Mereka tidak mempunyai "diri" subjektif yang dapat merenungkan kewujudannya sendiri, belajar dari kesilapannya sendiri melalui refleksi sedar, atau mengembangkan naratif peribadi.

Mesin tidak mempamerkan kesungguhan yang tulen, rasa ingin tahu semula jadi, atau keupayaan untuk penetapan matlamat autonomi yang didorong oleh keinginan, nilai, atau motivasi dalaman. Mereka beroperasi semata -mata berdasarkan objektif yang diprogramkan dan input data yang mereka terima. "Matlamat" mereka secara luaran dikenakan oleh pencipta manusia mereka, dan bukannya muncul dari pemacu dalaman atau kehendak.

Mesin tidak mempunyai pengalaman langsung, hidup, dan merasakan yang datang dari badan fizikal yang berinteraksi dengan dan melihat alam sekitar. Pengalaman yang terkandung ini adalah penting untuk membangunkan akal sehat, fizik intuitif, dan pemahaman yang mendalam, tidak diabaikan di dunia. Walaupun mesin boleh berinteraksi dengan dan menavigasi dunia fizikal melalui sensor dan penggerak, "pemahaman" mereka realiti dimediasi oleh perwakilan simbolik dan data.

Mesin tidak menunjukkan lompatan konseptual yang tulen, keupayaan untuk mencipta paradigma yang sepenuhnya baru, atau untuk memecahkan peraturan asas dengan cara yang benar -benar bermakna dan asli yang melampaui data latihan mereka. Model generatif hanya boleh menghasilkan kombinasi baru data sedia ada.

Mesin sering berjuang dengan alasan sebab-dan-kesan yang benar. Walaupun mereka cemerlang dalam mengenal pasti korelasi dan corak, korelasi tidak disebabkan. Mereka boleh meramalkan "apa" yang mungkin berlaku berdasarkan data masa lalu, tetapi pemahaman mereka tentang "mengapa" terhad kepada persatuan statistik dan bukannya wawasan mekanistik yang mendalam.

Mesin tidak dapat mempelajari konsep kompleks dari hanya beberapa contoh. Walaupun pembelajaran satu-shot dan beberapa tembakan telah membuat kemajuan dalam membolehkan mesin untuk mengenali corak atau kategori baru dari data yang terhad, mereka tidak dapat mempelajari konsep yang benar-benar kompleks dan abstrak dari beberapa contoh, tidak seperti manusia. Mesin masih biasanya memerlukan dataset yang luas untuk latihan yang berkesan dan bernuansa.

Dan mungkin perbezaan yang paling mendalam, mesin tidak mempunyai pengalaman subjektif, perasaan, atau kesedaran. Mereka bukan entiti sedar.

Hanya apabila mesin mampu semua (sekurang -kurangnya kebanyakan) ciri -ciri ini, walaupun pada tahap yang agak rendah, bolehkah kita dengan munasabah mendakwa bahawa mesin menjadi "pintar", tanpa keterlaluan, penyalahgunaan istilah, atau fantasi semata -mata.

Oleh itu, sementara mesin sangat berkuasa untuk fungsi kognitif tertentu, keupayaan mereka pada asasnya berbeza daripada sifat yang pelbagai, disesuaikan, disesuaikan dengan diri sendiri, dan pengalaman yang berasaskan kecerdasan, terutamanya seperti yang ditunjukkan dalam manusia.

Kemahiran mereka adalah hasil daripada reka bentuk pengiraan dan pemprosesan data maju, bukan petunjuk bentuk kecerdasan yang baru muncul dalam mesin.

Sebenarnya, istilah "kecerdasan umum buatan" dalam wacana AI muncul sebahagiannya untuk memulihkan makna "kecerdasan" selepas ia dicairkan melalui penggunaan berlebihan dalam menggambarkan mesin yang tidak "pintar" untuk menjelaskan apa yang dipanggil mesin "pintar" yang masih ada untuk benar-benar, "pintar".

Kita semua cenderung untuk terlalu banyak dan bidang AI menyumbang kepada evolusi makna 'kecerdasan,' menjadikan istilah itu semakin polysemous. Itu sebahagian daripada daya tarikan bahasa. Dan sebagai AI membangkitkan kedua -dua janji sebenar dan kebimbangan masyarakat yang sebenar, ia juga patut diingat bahawa kecerdasan mesin tidak wujud dalam erti kata yang bermakna.

Kemajuan pesat dalam isyarat AI bahawa ia adalah di luar masa untuk memikirkan kesan yang kita mahu dan tidak mahu AI mempunyai masyarakat. Dengan berbuat demikian, ini bukan sahaja membenarkan, tetapi secara aktif menggalakkan kita untuk mempertimbangkan keupayaan AI dan batasannya, menjadikan segala usaha untuk tidak mengelirukan "kecerdasan" (iaitu dalam pengertiannya yang kaya, umum) dengan mesin tingkah laku yang sempit dan tugas khusus mampu meniru atau mempamerkan.

Walaupun ada yang berlumba -lumba untuk kecerdasan umum buatan (AGI), persoalan yang perlu kita tanyakan sekarang bukan apabila mereka fikir mereka mungkin berjaya, tetapi sama ada apa yang mereka percaya mereka boleh membuat berlaku benar -benar masuk akal sebagai sesuatu yang kita harus bertujuan untuk mencapai, sambil mendefinisikan di mana kita melukis garis pada transhumanisme algoritma.

Atas ialah kandungan terperinci Mengapa mesin tidak bijak. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!