與諸如DeepMind的載量計(jì)之類的專業(yè)系統(tǒng)不同，這是一個(gè)推理LLM，它是通過增強(qiáng)學(xué)習(xí)和縮放推理而不是僅數(shù)學(xué)引擎的推理的。

正如Openai研究員Noam Brown所說，該模型顯示了多小時(shí)解決問題所需的“新的持續(xù)創(chuàng)造性思維”。

首席執(zhí)行官薩姆·奧特曼（Sam Altman）表示，這一成就標(biāo)志著“夢想……邁向通用情報(bào)的關(guān)鍵一步”，幾個(gè)月來通常將不會(huì)使用這種模型。

毫無疑問，機(jī)器正變得異常精通狹義的高性能認(rèn)知任務(wù)。這包括數(shù)學(xué)推理，正式的證明結(jié)構(gòu)，符號(hào)操作，代碼生成和正式邏輯。

由于深度學(xué)習(xí)體系結(jié)構(gòu)（例如變形金剛和卷積神經(jīng)網(wǎng)絡(luò)）的顯著進(jìn)步，培訓(xùn)的可用性，計(jì)算能力的實(shí)質(zhì)性增加，在這些系統(tǒng)中逐步識(shí)別量表，并識(shí)別出一定的圖案，因此，它們的功能還大大擴(kuò)展到計(jì)算機(jī)視覺，復(fù)雜的數(shù)據(jù)分析，語言處理和解決問題解決問題，這是由于深度學(xué)習(xí)體系結(jié)構(gòu)（例如變形金剛和卷積神經(jīng)網(wǎng)絡(luò)）的重大進(jìn)步，并逐步識(shí)別了量表，并逐步識(shí)別了量表，并確定了量表的范圍，并逐步識(shí)別了范圍的范圍，并且可以進(jìn)行逐步識(shí)別范圍的范圍，并構(gòu)成一致性的范圍，并逐步識(shí)別一致性的量表，并逐步識(shí)別一致性的圖案，并且可以使一定的算法逐步識(shí)別一致的范圍。 速度。

這些系統(tǒng)可以實(shí)現(xiàn)持續(xù)的多步推理，產(chǎn)生流利的人類反應(yīng)，并在類似于人類的專家級(jí)別的約束下執(zhí)行。

有了這一切，以及一些熱情，我們可能會(huì)很想認(rèn)為這意味著機(jī)器變得非常聰明，很快就令人難以置信。

但這將是一個(gè)錯(cuò)誤。

因?yàn)樯瞄L數(shù)學(xué)，正式的證明結(jié)構(gòu)，象征性操縱，代碼生成，正式邏輯，計(jì)算機(jī)視覺，復(fù)雜的數(shù)據(jù)分析，語言處理和戰(zhàn)略性問題解決，這既不是“智能”的必要條件，更不用說令人難以置信的智能了。

基本的區(qū)別在于機(jī)器明顯缺乏的幾個(gè)關(guān)鍵特征。

機(jī)器不能無縫地轉(zhuǎn)移知識(shí)或使其能力適應(yīng)完全新穎，不可預(yù)見的問題或環(huán)境，而無需重新設(shè)計(jì)或重新研究。他們本質(zhì)上是專業(yè)的。他們精通預(yù)定范圍內(nèi)的任務(wù)，其令人印象深刻的性能僅限于已廣泛訓(xùn)練的特定域和類型。這與人類在廣泛而無法預(yù)測的情況下進(jìn)行靈活學(xué)習(xí)和適應(yīng)的能力形成鮮明對比。

機(jī)器沒有真正體驗(yàn)或理解情感的能力，也不能真正解釋他人的細(xì)微差別精神狀態(tài)，意圖或感覺（通常稱為“心理理論”）。他們的“善解人意”或“具有社會(huì)意識(shí)”的反應(yīng)是從人類互動(dòng)的廣泛數(shù)據(jù)集中學(xué)到的復(fù)雜統(tǒng)計(jì)模式，而不是反映真正的主觀經(jīng)驗(yàn)，情感共鳴或?qū)θ祟愑绊懙睦斫狻?/p>

機(jī)器缺乏自我意識(shí)和內(nèi)省的能力。他們不反思自己的內(nèi)部過程，動(dòng)機(jī)或“知識(shí)”的本質(zhì)。他們的操作是算法和數(shù)據(jù)驅(qū)動(dòng)的；他們沒有一個(gè)主觀的“自我”，可以思考自己的存在，通過有意識(shí)的反思從自己的錯(cuò)誤中學(xué)習(xí)或發(fā)展個(gè)人敘事。

機(jī)器沒有表現(xiàn)出真正的意圖，天生的好奇心或由內(nèi)部欲望，價(jià)值觀或動(dòng)機(jī)驅(qū)動(dòng)的自動(dòng)目標(biāo)設(shè)定能力。它們純粹基于程序的目標(biāo)及其收到的數(shù)據(jù)輸入。他們的“目標(biāo)”是由他們的人類創(chuàng)造者強(qiáng)加的，而不是從內(nèi)部驅(qū)動(dòng)器或意志中出現(xiàn)。

機(jī)器缺乏與身體相互作用并感知環(huán)境的直接，生活和感覺的經(jīng)驗(yàn)。這種體現(xiàn)的經(jīng)驗(yàn)對于發(fā)展常識(shí)，直觀的物理學(xué)以及對世界的深刻，不抽象的理解至關(guān)重要。盡管機(jī)器可以通過傳感器和執(zhí)行器與物理世界進(jìn)行交互并導(dǎo)航，但它們對現(xiàn)實(shí)的“理解”是由符號(hào)表示和數(shù)據(jù)介導(dǎo)的。

機(jī)器沒有表現(xiàn)出真正的概念飛躍，發(fā)明全新范式的能力或以真正有意義的原始方式破壞基本規(guī)則，從而超越了他們的培訓(xùn)數(shù)據(jù)。生成模型只能生成現(xiàn)有數(shù)據(jù)的新型組合。

機(jī)器經(jīng)常在真正的因果推理上掙扎。即使他們擅長識(shí)別相關(guān)性和模式，相關(guān)性也不是因果關(guān)系。他們可以根據(jù)過去的數(shù)據(jù)預(yù)測可能發(fā)生的“什么”，但是他們對“為什么”的理解僅限于統(tǒng)計(jì)關(guān)聯(lián)，而不是深度的機(jī)械洞察力。

機(jī)器不能僅從幾個(gè)示例中學(xué)習(xí)復(fù)雜的概念。盡管一聲且很少的學(xué)習(xí)在使機(jī)器能夠從有限數(shù)據(jù)中識(shí)別新模式或類別方面取得了進(jìn)展，但與人類不同，他們不能從幾個(gè)示例中學(xué)習(xí)真正復(fù)雜的，抽象的概念。機(jī)器通常仍需要大量數(shù)據(jù)集進(jìn)行有效和細(xì)微的培訓(xùn)。

也許是最深刻的區(qū)別，機(jī)器沒有主觀的經(jīng)驗(yàn)，感覺或意識(shí)。他們不是有意識(shí)的實(shí)體。

只有當(dāng)機(jī)器能夠（至少是大多數(shù)）這些特征的能力時(shí)，即使在相對較低的水平下，我們才能合理地聲稱機(jī)器正在變得“聰明”，而不會(huì)夸張，濫用術(shù)語或單純的幻想。

因此，盡管機(jī)器對于特定的認(rèn)知功能非常強(qiáng)大，但它們的能力與多方面，適應(yīng)性，自我意識(shí)和經(jīng)驗(yàn)上的智力本質(zhì)的本質(zhì)根本不同，尤其是在人類中所表現(xiàn)出的。

他們的熟練程度是先進(jìn)的計(jì)算設(shè)計(jì)和數(shù)據(jù)處理的產(chǎn)物，而不是機(jī)器中新生智能形式的跡象。

實(shí)際上，在AI話語中，“人工通用情報(bào)”一詞在某種程度上出現(xiàn)了，是為了通過過度使用稀釋“智能”的含義，以描述沒有“智能”的機(jī)器來闡明這些所謂的“智能”機(jī)器仍然缺乏東西，以真正成為“智能”。

我們所有人都傾向于過分簡化，而人工智能的領(lǐng)域則促進(jìn)了“智力”的含義的演變，這使得該術(shù)語越來越多地多性。這是語言魅力的一部分。隨著AI既引起了真正的希望又引起真正的社會(huì)焦慮，也值得記住的是，機(jī)器的智力在任何有意義的意義上都不存在。

AI的快速進(jìn)步表明，思考我們想要的影響并且不希望AI對社會(huì)產(chǎn)生的影響是超越時(shí)間的。這樣一來，這不僅應(yīng)該允許，而且要積極鼓勵(lì)我們同時(shí)考慮AI的能力及其局限性，從而使所有努力都不將“智力”（即具有豐富的，一般意義上的智慧）與狹窄和特定任務(wù)的行為機(jī)器混淆，能夠模擬或展示。

盡管有些人正在爭取人工通用情報(bào)（AGI），但我們現(xiàn)在應(yīng)該問的問題不是他們認(rèn)為自己可能成功的時(shí)候，而是他們認(rèn)為自己可以實(shí)現(xiàn)的目標(biāo)在民事上是否真正有意義，因?yàn)槲覀兩踔翍?yīng)該為了實(shí)現(xiàn)目標(biāo)，同時(shí)定義了我們在何處劃定算法的算法。

以上是為什么機(jī)器不聰明的詳細(xì)內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！