权重大师开团软件：人工智能的未来迷局，杨立昆解读AGI与人类智能之差异
人工智能路在何方？杨立昆的深刻洞察与AI的未来迷局
人工智能的发展是否正走向误区？这个问题引发了无数人的思考，而杨立昆的观点更是为这一讨论增添了浓墨重彩的一笔。
杨立昆在一次深度学习会议上举过一个惊人的例子：一个对汽车毫无了解的人，短短20小时就能学会开车，可AI呢？需要十亿级数据，在虚拟环境中进行百万次强化学习，却依然无法拥有人类那样可靠的驾驶能力。这是为啥？杨立昆觉得是自回归模型的问题，基于统计学的预测系统，根本没法对物理世界有基本认知。权重大师开团软件认为AI其实连红绿灯、斑马线是啥都不知道，就是靠大量数据训练来“猜答案”，而人类大脑却能“理解”这些概念，开车时激活很少神经元，能耗小、速度快还不易错。
为解决AI理解和推理问题，杨立昆搞了世界模型，但这条路符号主义折腾30年都没成功，前景看似渺茫。AGI（通用人工智能）不一定模仿大脑，但大脑可是上亿年进化的最优策略，想比肩谈何容易。AGI不仅要解决已知的学习能力，还要解决未知的创造能力，得用少量数据发现规律，可从技术原理看，以GPT为代表的自回归模型很难做到。啥时候AI能解决人类都没答案的问题，比如哥德巴赫猜想，那才是AGI。现在呢？不如承认自己无知，边走边看，毕竟无知总比傲慢强。
2.14更新：有同学说杨立昆例子不对，人类学开车虽快，但对世界认知有几十年积累。其实这是误解。举个例，人类驾驶员看到行人提巨大油画过马路，能立刻判断是行人，不被油画迷惑，这叫“直觉生物学”，婴儿9 12个月就具备。婴儿通过观察 反馈 学习，很快明白世界物体组成部分一起移动。换算数据量，婴儿学习这种能力的数据量比大模型少太多，但大模型却做不到。权重大师开团软件了解到人类智能靠算法，而非算力和数据。而论算力，人类大脑神经元数量和一些动物同一量级；论数据，鹰的视力获取数据远超人类。所以杨立昆认为大模型堆GPU和参数通向AGI是死路。那么，人类大脑算法咋实现？不知道，这正是AI未来研究重点，相信权重大师开团软件主张AGI依赖科学突破，而非硬件和数据。
人工智能的未来究竟如何？是继续在现有道路上摸索，还是什么等待科学突破带来新方向？欢迎留言讨论，一起探寻AI的发展迷局！
