主题：辛顿，李飞飞，和AI之问 -- qq97
- 复 请教一下
家园 请教不敢 我的信息来自若干对辛顿的访谈，说辛顿相信目前的AI是对人类大脑的模拟，是因为辛顿当初提出神经网络深度学习，就是对基于神经突触学说的大脑活动的模拟，而在此之前的人工智能研究基本上都是基于逻辑推理的，而对大模型，辛顿认为大模型基于理解预测下一个符号，而这个理解与人类大脑的理解方式是一样的。
我说“完全”模拟，是指辛顿奠定的整个AI算法是对人类大脑运作和认知模式的模拟（或者换个词叫“仿真”？），当然也是为了区别于李飞飞说的“模拟”。
当然，跟人类大脑比，当前的“完全模拟”仍然是很不完全的，比如辛顿提到突触的暂时变化，即临时记忆，在现在的神经模型上就没有处理，当然，这只是个小的技术问题，既然识别出来了，在技术上实现也是可能的。
家园 但是呢，有没有可能缩短了理解星星之火的运用呢？ 这个缩短的时间就是AI对人类推动。
更灵活的也许还不能做，但是快速运用也许是机会吧。
比如围棋，大家似乎更相信AI，几乎自己都不怎么考虑了呢。
甚至中国象棋，国际象棋，灵光一现的新招越来越少了，越来越依靠计算了。
家园 参考恐龙变鸡，鸡是当今世上数量最多的禽类，因为抱上了人类的大 腿，人们爱（吃）它。
上个世代的霸主，如果注定无法适应新环境，紧紧抱住新霸主的大腿，也是生存之道。
人和机器的关系，越来越从人为主，机器辅助变为机器为主，人在关键时刻介入。典型例子：民航客机。人和机器的关系，从机器作为人的手脚的延伸，正在转变为人作为机器大脑的仲裁者。
家园 【讨论】以语言为对象的数据统计游戏 GPT-4 的规模是 GPT-3 的 10 倍以上，是目前人类工程巅峰项目。据估计分析报道 ，它有约 1.8 万亿个参数，这些参数分布在 120 个 transformer 层上，作为对比，GPT-3 的参数为大约 1750 亿个。（GPT-3 仅有 12 个 transformer 层，层数是 GPT-4 的 1/10。）
然而这种所谓artificial intelligence,只是表象上的对人智能的模仿，我判断断基于注意力机制的Transformer模型计算模型的发展也不可延续当前发展路径。
我以前的讨论：
两个看法 https://talkcc.net/article/4861135-10522
可以再想，但把它当成游戏就好 https://talkcc.net/article/4887154
生活在中西文化新旧时代夹缝里的钱穆。我认为钱穆（此人自学成才，由经史训诂而通义理的）学术研究脉络比较清晰，与计算机AI有相通的地方
https://talkcc.net/article/4963737
题外话：
你“现在对大模型对产业能带来多大的促进作用产生疑虑”，这个思考层次是对的，但很有可能识者寥寥。不要迷信流行和权威，独立思考。
以下是我翻出来对马前卒影评的评论，同样识者寥寥。
https://talkcc.net/article/3885389
https://talkcc.net/article/3889541
https://talkcc.net/article/4920555
https://talkcc.net/article/4920560
家园 昨天听了AI团队的汇报 昨天AI团队汇报了他们在大模型应用上的一些进展，他们找到了基于图形生成大模型的应用场景，看了一下结果还可以，对我们来说这算是找到了产业应用，虽然远不如第一代AI图像识别的突破那么惊艳，但也有它自己的优势。
AI团队也汇报了他们在文字生成方面的尝试，将我们行业的一些资料喂给国内的一家大模型，也能产生一些看上去还行的内容。但我问了他们一个问题，作为一个商业公司，你们产生的这些内容先不管是否有用，能保证绝对正确么？回答是不能，但行业的人类专家们也会出错。我回答说，人类专家是用他自己的专业信誉为他的回答背书，我们这样的商业公司也得用信誉为我们的产品生成的内容正确与否背书，如果生成的内容错了，那就是我们在行业、在客户端的专业形象受到损害。除非我们也加上一句免责声明，“以上内容由AI生成，其生成内容的准确性和完整性无法保证，不代表我公司的态度或观点”。 所以，这一块，我们暂时还没找到合适的应用场景。
通宝推：闻弦歌,