Les LLMs ne scellent pas le destin de l’AGI, selon Neila Murray de Meta

關於大型語言模型（LLMs）無法決定AGI的命運的說法引發了批判性的思考。Meta的影響力人物Neila Murray質疑語言模型實現真正通用人工智慧的能力。具身式AGI假設，而非單純的語言模擬，提出了對人類真實理解的問題。圍繞這些技術的討論揭示了LLMs在理解現實世界及記憶方面的局限。激烈的辯論凸顯了其缺乏背景推理及人類情感，強調在達成通用人工智慧之前需要克服的挑戰。

Meta對LLMs的限制

Meta的人工智慧專家Neila Murray表示，大型語言模型（LLMs）並不代表通用人工智慧（AGI）的未來。這些系統雖然在數據分析和文本生成方面表現出色，但在理解現實世界方面存在根本性缺陷。它們的智慧受到訓練數據的限制，這些數據並不總是反映人類經驗的複雜性。

對有限智慧的批評

根據Murray的說法，LLMs缺乏真正的智慧。它們的學習能力基於統計學上先進的算法，但這些算法並無法保證深刻理解或有效的推理。缺乏具身經驗，包括與物理世界的互動，使得它們難以捕捉人類互動的細微差別。

AGI的挑戰

Meta的研究主任Yan LeCun對AGI持有相似的觀點。他認為，當前的LLMs不太可能達到與人類相當的智能水平。正在開發的模型需要進化，融入持久記憶、推理能力和上下文理解等關鍵特徵。

邁向具身智慧

Meta的研究人員提出，AGI只有在擁有具身智慧的情況下才能實現。這一假設被稱為具身人工智慧。在這方面，當前的技術必須學習人類如何學習和與環境互動。這樣的方式將有助於突破LLMs無法逾越的障礙。

AI的投資與未來

在LLMs發展上投入的大量資金引發了對其實際有效性的質疑。研究顯示，這些模型的成本效益在下降，儘管投入了大量資源，表現卻出現停滯。專家們建議，一個「天花板」已經達成，限制了未來僅基於LLMs的進步。

對立的前景

關於LLMs和AGI的辯論非常複雜，在科學界中出現了各種意見。有些聲音支持探索新技術和方法論，而其他聲音則警告不要高估當前的能力。AI的未來似乎充滿挑戰，需要超越傳統方法的創新。

專家的結論

Murray和LeCun等人強調，必須重新構建我們對人工智慧的理解。尋求真正的AGI需要努力將機器學習與更全面的學習方法對齊，融入社會和情感維度，以使科技向真正的潛力邁進。

關於LLMs和AGI的常見問題

Neila Murray關於LLMs和AGI的主要論點是什麼？
Neila Murray強調，大型語言模型（LLMs）由於僅基於數據的培訓，缺乏對現實世界的理解。她聲稱，這些模型的智能無法與人類相比，因為它們沒有具體或具身的經驗。

為什麼Neila Murray認為LLMs不會導致AGI？
Murray主張，為了達到通用人工智慧（AGI），必須整合持久記憶、推理能力和與物理世界的互動等方面，這是LLMs作為受限於其訓練數據的模型所不具備的。

LLMs需要克服哪些主要挑戰才能貢獻於AGI？
挑戰包括開發能夠從經驗中學習的智慧，理解社會情境，以及執行複雜推理的能力，超越簡單模仿人類語言。

LLMs與具身人工智慧的概念之間有什麼聯繫？
具身人工智慧指的是需要具備物理身體的智慧，以便能夠與環境互動並以更細緻的方式理解世界。根據Murray的說法，缺乏這種物理經驗的LLMs無法達到與人類相似的智慧水平。

Neila Murray對LLMs的批評如何影響AI研究？
Murray的批評促使研究人員重新思考他們的AI方法，強調需要開發能在各種環境中以更整合、全面的方式工作的智能系統。

根據Murray的說法，哪些應用能受益於AGI？
AGI能夠改變健康、教育及客服等領域，提供更適合和反應迅速的解決方案，融入真實的人類經驗和上下文推理。

若不進化到AGI，繼續使用LLMs可能會產生什麼後果？
僅僅依賴LLMs可能限制智能系統應對日常生活複雜挑戰的能力，因此在創新和解決方案的效能上導致停滯。