国产精品亚洲欧美日韩一区二区,欧美性激情久久久久,一区二区三区高清av电影,国产床戏无遮挡大尺度网站,亚洲高清有码中文字幕

▲點擊圖片報名，抓住風口（iOS用戶請用電腦端打開小程序）

本期要點：冷眼看熱潮

你好，我是王煜全，這里是王煜全要聞評論。

最近，人形機器人確實很火爆。但同時，一篇有關(guān)Meta首席AI科學家、圖靈獎得主楊立昆（Yann LeCun）炮轟人形機器人的文章（“Meta 首席科學家炮轟人形機器人：價值千億的豪賭還是科技騙局？” ），在網(wǎng)絡(luò)上引起了廣泛討論，也引起了我們的關(guān)注。盡管未能直接找到楊立昆的原始說法，但文章中的觀點，無疑與楊立昆的一貫看法不謀而合。

在今年1月的聯(lián)合數(shù)學會議（Joint Mathematics Meetings, JMM）上，楊立昆就詳細介紹了自己對于當前AI產(chǎn)業(yè)的看法。他認為，現(xiàn)有的AI大模型，實質(zhì)上只是在處理文本符號的關(guān)系，并不理解真實世界的因果關(guān)系，也就沒有基于這些邏輯關(guān)系建模的能力。

他舉例說，家貓能自主安排復雜的任務(wù)，10歲孩子在少量嘗試后就能完成家務(wù)，17歲的青少年經(jīng)過二十小時的訓練，就能駕駛汽車。

隨后，他又問到，盡管全球已累計投入了數(shù)百億美元來訓練AI大模型和自動駕駛系統(tǒng)，AI看了大量的資料和駕駛數(shù)據(jù)，但我們的L5級自動駕駛汽車以及家政機器人在哪？

基于此，他指出了AI發(fā)展的三重核心矛盾。第一，當前的大語言模型，雖然取得了突破性進展，但其底層機制、也就是自回歸預測機制存在根本缺陷。第二，現(xiàn)有AI系統(tǒng)的訓練方式與人類智能的物理世界理解能力存在數(shù)量級差異。第三，神經(jīng)網(wǎng)絡(luò)的架構(gòu)無法支撐復雜推理任務(wù)。

簡單說，楊立昆認為，以現(xiàn)有的方式，我們不可能實現(xiàn)AGI（通用人工智能）。

我總體上認同楊立昆的判斷，僅靠Token，我們確實沒辦法到達AGI。不過，這并不代表現(xiàn)在大家所做的事情沒有意義。而且，如果像他說的，AGI短期內(nèi)無法實現(xiàn)，正好也給了大家一個寶貴的緩沖期，可以與AI更好的協(xié)作，共同進化。

首先，楊立昆問，L5級自動駕駛汽車和家政機器人在哪？我覺得關(guān)鍵點就在于，“自主化”問題遠沒解決。

“自動化”不等于“自主化”。不難發(fā)現(xiàn)，現(xiàn)在絕大部分的機器人創(chuàng)新全都陷入“自動化”的陷阱，而“自主化”方面的進展卻很少。

可是，機器人的可用性就取決于其自主化程度。

比如，機器人可以按照設(shè)定好的動作完美地跳舞，其動作的復雜度、韻律感、節(jié)奏感都令人驚嘆。但它們不太可能和真人一起跳舞，更不可能像資深舞者一樣可以玩“Free Style”，也就是即興舞蹈，換個歌它們就不知道該跳什么舞了。

再如前段時間，宇樹機器人的一段武術(shù)視頻非常火，其平衡感和動作協(xié)調(diào)性確實值得稱贊，但它肯定不能和真人對打。

而且我想強調(diào)的是，“自動化”和“自主化”所需要的能力不同，是兩個不同的研發(fā)方向?！白詣踊毙枰氖橇己玫目刂屏?，而“自主化”靠的是環(huán)境理解能力。

同樣，我認為當前自動駕駛系統(tǒng)的分級方式也是有問題的。它僅以人類司機是否要介入作為標準。但“介入”的原因是什么？是“自動化”還是“自主化”不足呢？很明顯，后者才是問題的關(guān)鍵。因此，自動駕駛系統(tǒng)的級別應當以其“自主化”水平來界定。

但我們看到，即使是特斯拉“端到端”的FSD，也旨在覆蓋更多場景，讓AI能具備足夠強的“自動化”。可一旦AI碰到從沒見過的場景，就束手無策了。

究其原因，就在于當前AI的環(huán)境理解能力太弱。

這是當前AI的發(fā)展路徑所決定的。別說機器了，哪怕把人關(guān)在房子里，只讓他看文字資料，加上少量的圖片和視頻，不許去現(xiàn)場實踐，可想而知，這個人在新環(huán)境中的認知能力也一定比大部分人都要弱很多。

要知道，一個孩子在學會做家務(wù)之前，已經(jīng)通過眼睛、耳朵、手腳等感官，從真實物理世界中接收了大量信息。

更不用說，嬰兒出生就自帶一些物理常識，比如物體恒常性，他們還會通過玩耍、扔東西等方式不斷驗證和修正這些常識。

所以，如果AI真的要具備足夠強的環(huán)境理解能力，就至少得和人做同樣的事情?？赡壳癆I系統(tǒng)對物理世界的觀察和實踐程度，仍然相當粗淺。即使是當前最大的多模態(tài)模型訓練數(shù)據(jù)集，哪怕和孩子們幾年內(nèi)所接收的信息量相比，都還是天壤之別。

當然，這還不僅是數(shù)據(jù)量級差異的問題，AI還要能理解數(shù)據(jù)中的因果關(guān)系，甚至還要能自己預測后果，并通過實踐來驗證預測。要做到這些，需要新的模型，也注定需要很長時間。像楊立昆自己就明確聲明放棄了大模型，轉(zhuǎn)而研究世界模型，不過目前看來，他們的進展還很有限。

所以，其實這輪大模型引領(lǐng)的AI革命之后，我們又回到了歷次AI革命之后的同樣的起點：AGI要靠下一輪AI革命，而下一輪AI革命的到來，可能是三年，也可能是三十年。

最后，我想說的是，既然AGI還很遠，不如專注當前，此時“領(lǐng)域智能”和“人機協(xié)同”就尤為重要了。

就像特斯拉的FSD以及各個中國車企的自動駕駛系統(tǒng)，雖然還不能很好應對從沒見過的情景，但它們在見過的、特別是熟練的場景中，表現(xiàn)會優(yōu)于大部分人。

至少在城市通勤、高速公路等大部分常見場景，AI是能靈活應對的，那么讓大家在這些時候放松放松，無疑也是很有價值的。

更關(guān)鍵的是，如果AGI突然降臨，而我們的社會規(guī)則、觀念、習慣都還沒準備好，那AGI對人類社會的傷害其實會大于收益。AGI慢慢到來，反而給了我們一個人機共生的緩沖期。

因此，在未來很長一段時間里，AI都將扮演“韓信”，完成繁重的、重復性的工作；而我們可以當“劉邦”，專注于理解這個世界的因果關(guān)系，自主地創(chuàng)造前所未有的東西，并用一群能力各異的“韓信”們來自動化完成工作。

人和人的主要區(qū)別，就在于能否善用AI這個“韓信”。雖然這個時代人人都可以是劉邦，但如果其他人都會用AI，手下名將如云，而你空有“劉邦”的地位，卻是個光桿司令，那么也會被淘汰。

所以，向你推薦前哨AI小課，Tina老師手把手帶你掌握最新最好用的AI技能，想要用AI提升職場技能的朋友，千萬不要錯過！

以上就是今天的內(nèi)容，王煜全要聞評論，我們明天見。