AI最深层次的变革

当今Al模型：飞速进展关键信息1:惊人的发展速度。性能提升Hassabis形容过去一年“感觉就像把十年的发展压缩在了一年里”。以Gemini为例，其性能提升关键信息2:扩展并未碰壁。扩展模型规模仍然能带来显著的性能提升，但我指数级翻倍，但每一次迭代的投入仍然值得。关键信息3:数据挑战与创新。我们面临着可用数据耗尽的问题，但可以通过合成数据(尤其是在编码和数学等可验证领域)等研究方法来解决。收益递减但仍显著增长指数级增长期模型规模/投入“参差不齊的智能”:当前AI的核心悖论国际数学奥林匹克竞赛中获得金在筒单的高中数学题上犯“这很迷人，这可能是我们尚未达到AGI的关键原因之一。它们的表现仍然非常不均衡。”-DemisHassabis超越现状：构建更具一致性与推理能力的系统未来系统解决方案3:建立置信度未来系统解决方案3:建立置信度能够评估并输出自己答案的置信度。目前的橙型有时会“强迫”自己回答，即使它并不确定，从而导致“幻觉”。思考/验证循环思考/验证循环推理输入输入验证解决方案1:提升一致性解决方案2:赋予“思考”时间根本问题在于系统缺乏全局一致性。推理的各种缺口。新系统在推理时会花费更多时间“思考”,根本问题在于系统缺乏全局一致性。推理的各种缺口。应用：用AI解决科学领域的“根节点问题”張白质忻偿的根本性科学难题(“根材羁科甲节点问题”)材羁科甲“AlphaFold证明了解决这类根节点问题是可能的。现在我们正在探索所有其他的可能性。”目标：实现可控核聚变，获得无限的清洁能源。合作，利用AI帮助控制等离子体和设计新材料。的关键途径之一。目标：设计全新材料，如室温超导体和性能更好的电池。合作：利用机器学习帮助谷歌的量子AI团队进行量子纠错。须理解物理世界的因果关·系统需要具备“在线学习”·语言虽然比我们想象的更丰富，但它难以描述世界的空间动态、物理背景和机械原理。·很多知识是体验性的，无法用诈言完全描述(例如运动角度、气味等感官我们需要一种能够理解和模拟物理世界运行方式的新范式。构建心智的基石：世界模型与智能体核心概念1:世界模型(WorldModels)定义：一种理解世界力学因果关系的内部模型，即“直观物理”。实例：Genie.可以根据文本或图像提示生成一个可交互的、动态的2D世界。核心概念2:智能体(Agents)定义：能够在虚拟或现实世界中感知、决策和行动的AI系实例：SIMA.一种能理解自然语言指令井在复杂游戏中执行任务的通用游戏智能体。3.反馈与适应3.反馈与适应2.智能体探索这个循环可以自动设置和解决数百万个难度递增的任务，最终学到的技能可以应用于机器人和更广泛的领域。核心挑战：物理真实性解决方案：创建物理基准测试，利用游戏引擎生成大量简单但精确的物理现象视频，来训练和脸证模型的吻理引擎是否准确。终极机遇：科学的“终极工具”重新运行进化：在精确的模拟世界中，我们可以多次“重新运行”进化，以统计学的方式研究生命和意识的起源。理解复杂系统：建立天气、材料、生物等复杂系统的学习型模拟。“精确的模拟将是科学领域难以置信的福音。你可以用一种可控实验的方式，运行模拟数百万次，来回答那些在现实世界中极难研究的重大问题。”人类社会的未来：一场比工业革命快十倍、大十倍的变革现有模式的终结：DeepMind现有模式的终结：DeepMind联合创始人ShaneLegg认为，当经济体系在后AGI时代将无法正常运转。一个可能的起点，但可能不是完整的解决方超越UBI:Hassabis(社群报票)设想了更优越的系统，例如直接民主式的资源分配，社区成员可以用(社群报票)(资事分配)社会需要投入更多时间来思考这些问题，包括经济学家、社会科学家和政府。“很多人的目标感来自于他们的工作和为家庭提供生活保障……如果这些被取代了……那么目标的意义何在?”通过构建AGI,并将其作为人类心智的模拟，我们可以将它与真实的心智进行比较。这个过程将揭示人类的心智中那些独特且可能无法被计算的部分——或许是创造