Трансформеры могут привести к появлению ИИ: опровержение аргументов против трансформаторов и ИИ скачать в хорошем качестве

Трансформеры могут привести к появлению ИИ: опровержение аргументов против трансформаторов и ИИ

Ссылка на документ: https://docs.google.com/document/d/10... В этом содержательном видео докладчик углубляется в продолжающуюся дискуссию вокруг искусственного интеллекта, в частности, разбирая критику, согласно которой современные модели ИИ, такие как большие языковые модели (LLM) и видеогенераторы, представляют собой всего лишь «навороченные автодополнения» или продвинутые пиксельные блендеры. Основанное на оригинальном эссе под названием «За пределами „навороченного автодополнения“: почему ИИ умнее, чем мы думаем», это обсуждение разбирает четыре основных недостатка аргументации скептиков: 1. Ошибка: путать малыша со взрослым Критики часто фокусируются на текущих ограничениях и недостатках ИИ (например, на создании видео с неправильным количеством пальцев) и приходят к выводу о фундаментальной несостоятельности этой технологии. В видео утверждается, что это похоже на оценку потенциала всей автомобильной промышленности, основанную лишь на первом примитивном автомобиле. Текущее состояние — это всего лишь моментальный снимок, а не окончательный вердикт о долгосрочном потенциале технологии. 2. Некорректное сравнение: смешивание пикселей против смешивания идей ВидеоИИ — это, прежде всего, «пиксельный художник», изучающий статистические закономерности визуальных данных. В отличие от этого, LLM действует как «библиотека концепций», изучая статистические закономерности человеческих понятий, логики и рассуждений. Способность LLM к аналоговым рассуждениям (например, Король — Мужчина + Женщина = Королева) доказывает их способность к абстрактному мышлению, уровень интеллекта которого значительно превосходит простую визуальную интерполяцию. 3. «Секретное оружие»: гибкость Трансформера Архитектура Трансформера, лежащая в основе как видеомоделей, так и языковых моделей, — это не простая текстовая машина; это машина, обучающаяся правилам. Теперь исследователи используют эту же архитектуру для обучения моделей фундаментальным законам окружающего мира, таким как основы физики, постоянство объектов и сложное сворачивание белков, просто «просматривая» видео или обрабатывая научные статьи. Это демонстрирует гибкость и способность к обучению, значительно превосходящие простое запоминание или простое прогнозирование. 4. «Волшебный» шаг: когда карта может отображать сама себя Продвинутые LLM выходят за рамки простого картирования данных, создавая «карту карты» — внутреннюю, абстрактную концепцию самого процесса рассуждения. Эта способность к «мета-рассуждению» позволяет им решать сложные задачи, размышляя шаг за шагом и используя концепции, с которыми они никогда напрямую не сталкивались, прокладывая реальный путь к созданию общего искусственного интеллекта (ОИИ). Это видео — убедительный аргумент в пользу признания огромного потенциала современного ИИ, утверждающий, что базовая архитектура Transformer обладает невероятной способностью к обучению и зарекомендовала себя как невероятно гибкая обучающаяся машина.