Ez egy érdekes videó, viszonylag sok munka van benne, és a megközelítés különbözik a legtöbb divatos AI-val foglalkozó podcastétól. A felét se értem, de annál érdekesebb, vonz, amit nem értek teljesen, vagy mint mondjuk félig sem, mint ezt... Ha érteném, unnám...:-)))
Épp ezért egykét gondolatot kicsipek belőle ízelítőnek. Tetszik, hogy kulcs-figurák megszólalásaiból ügyesen szerkesztve be-bevág egy részletet...
- Pl. Yann Lecun szerint az LLM-ek (egyáltalán language..) az AGI felé vezető út helyett zsákutca (?!). A real world-del fogllkozó architektúrának teljesen különbözőnek kell lennie egy language modell architektúrájától.
- Egyáltalán, a podcast megpróbálja leegyszerüsiteni, hogyan működik az LLM...
- Vajon az LLM-nek van inner world-je?
- Lehet, hogy Lecun-nak nincs igaza, és a maga módján már az LLM is "gondolkozik"?
- Meg az örök igazság, hogy...
- Az agyunk nagyon meggyőző minták felismerésében és értelmezésében, de a HI hiper-specializált a túlélésre eg specifikus bolygón, egy specifikus szociális kontextusban. Ritkaság, ego, érzelmek és a sokasodási szükséhgesség által formálódik, és igy az agyunk nem egy általános célú gondolkodó gép.
- Geoffrey HInton meg volt győződve eredetileg, hogy az analóg (humán tipusú) alapú AI az igazi a digitálissal szemben, de az ő szavai szerint ez egy "szörnyű hiba" volt...
- LeCun szerint a digitális AI túlm feleslegesen okos, állandóan emlékszik az egész netre, és ezzel eőforrást, helyet foglal le az igazi kombináló kreativitás helyett, ami viszont az analóg (HI) tipusú intelligencia jellemzője, amely takarékosan csak azt jegyzi meg, amire szüksége van, és van energia, hely, mód a kreativitásra, a kombinálásra
- Hinton ellenkező konklúzióra jutott. A digitális AI modell nemcsak jobban, hatékonyabban tárolja az információt, mint az analóg rendszerek, de az információ ÁTADÁSÁban is messze felülmúlja azokat. Ez pedig nagyon nagy előny. Két számitógép architektúrája megegyezik, az áztadás gyerekjáték, ugyanez pl. két ember között nem lehetséges, mert mindenkinek más gondolkodási architektúrája van. A digitális AI modellek tanulási módja annnnnyival hatákonyabb...
- Hinton szerint veszélyes téveszme, hogy az AI nem tud kreativabb lenni, mint a HI, egyszerűen azért, mert ők - vast tudásuk miján - sokkal több analógiát találhatnak, mint a HI (mint egy HI...), ami tudnivalóan a kreativités alapja.
- Az emberi agy egyre nagyobb hatásosságra törekszik, nem végtelen tanulásra optimlizálódik. A látás 2 évesen kész van, a nyelvi készség mondjuk kész 6 évesen.
- Az agyunk nem a tanulásra épit, hanem a felejtésre (energia hatékonyság, optimalizálás). A tanulás folyamata az ember gyerekének "uphill battle", intencionális figyelmet, energiát, motivációt fogyaszt, mig az AI-nak a tanulás az, amit mindig csinál, nincs is más választása
- “Mi (a HI=Human Intelligence) közelebb vagyunk egy gombához, mint az AI=Alien Intelligence-hez…”