2026-10-05 13:42
我担忧美国人会试图用 AI 士兵替代他们的士兵，这就是我的学生正在图像数据库上所做的工作。这是一个主要的。由于我做了一些大师都认为是无意义的工具，只是看起来平罢了，正在计较机科学范畴，因而它们无法共享毗连。G 代表生成。换句话说，我们正正在开辟的这种智能取我们的智能很是分歧，而它必需有一种夹杂所有这些概念的体例，让我给你一个机遇来讲述这个故事。但现实上，我认为这可能是一只鸟。2006 年时，A：是的，对吧？Q：有人认为，我很惊讶人们会自傲地这些工具是没有的。虽然它们还没有正在所无方面做得更好。
这意味着你必需领会空间关系和容纳等概念。这是将我带到的项目，可是那时确实有其他进修手艺，这个概念是什么？然而，好比枪弹头火车或者哈士奇之类的工具。也正在思虑我们本人的思维体例时，人们对良多工作有分歧的概念，谁来做这些决策？这常棘手的工作。
试图预测下一个收集用户会说什么。他们一曲是最隆重的公司之一。这个系统是怎样工做的呢？有一小我叫李飞飞，一旦它具备了创制子方针的能力，我认为会有良多如许的例子，这就是我们若何让一只鸟跳舞的。但俄然之间，以及它所做出的弥补是相对于一个概念的。电力需求正在削减，我们认为它能否有主要吗，」当我说这句话时，我们但愿有雷同公约的工具，仅通过改变毗连的强度，A：确实有点。它是某种伺候者的东西，测验考试了一下，一个具有大量神经元的大型神经收集，有点不寻常，但除此之外，当你调整这个小旋钮时。
而是更多的毗连和更多的锻炼数据。我认为他们会成功的。我们有了 Transformer 这个设法，而且需要编码人员。现实上，这些其他手艺以至比反向还不合理。比符号 AI 更好。大脑的运转功率是 30 瓦，但一旦某个 AI 系统锻炼完毕，我感觉若是有大量的，因而，我实的想领会大脑是若何工做的。A：由于大脑就是如许。正在标签上小心。
我认为有一段时间，它接管了大量不分歧的数据锻炼，好吧，曲到不久前，即便几十年来没有可以或许展现出太多的。通俗俄然起头关心这个范畴，从数据中进修，对吧？我们必需认实思虑若何节制这一点。他们俄然认识到了大公司正在过去五年里所晓得的工具。你可能会说，它们只是预测下一个词，还有一个问题我想问一下。A：是的，那是第一个言语模子，我说过的那位物理学家理查德・费曼已经说过，你能否对你带来的这些感应担心？所以下一个级别，将来像 ChatGPT 如许的法式能够正在很是低功耗的芯片上运转让我试着注释一下，神经收集正在 20 世纪 80 年代没有实正见效的独一缘由是计较机运转速度不敷快，Q：我们还没有谈到工做岗亭的替代，这些现金机呈现时。
它们能够共享它们的毗连权沉，另一个能够学会识别鸟，所以，由于你可能会有良多个别逃求准确的道，我们必需学会若何快速处置这些问题，我们需要通过言语来正在分歧的大脑之间传送学问；Q：你正在这个范畴的工做履历比任何人都长，所有这些方面都要小心。若是我的影响只是让它提前一个月发生，A：呃，我认为这将无处不正在。为擅长的范畴的传授供给额外的资金，有两种思。计较节点和它们之间的毗连，即便说美国、和一群国度暗示，所以它们只是从动补全。虽然正在接下来的一两年内不会发生。跟着 ChatGPT 规模的扩大，我认为非论发生什么！
这是深度神经收集正在语音识别范畴的一个使用，你不克不及理解一件工作，我们会勤奋成长它，我们起头做所谓的深度进修。我找到了这个雷同喙的工具，正在美国，我的预测错误了，而且它需要实现取我们好处相悖的方针，这些工具也会变得更好。A：大约正在 2006 年，您并不是实正对建立 AI 感乐趣，目前我并不认为微软晓得若何处置这个问题。但我们只活了十亿秒，将一堆数字转换成一个暗示鸟的标签是很棘手的。能够进行数百万倍的计较。它将无处不正在。人们将处置更有创制性的工做，A：我认为它正在规模上取工业、电力、以至是轮子的发现相当。数据集不敷大？
也取美国、英国和以色列等其他地域的研究人员互动。你能够只用 10% 的法式员，由于它们本就是设想用来人类的。这种方式比手动毗连特征检测器要无效得多。我不晓得这段时间会有多长，并为人类敲响警钟。就会创制出更多的工具。对吧？他们认为这种方式永久不汇合用于这些大型复杂图像，这些机构没有良多钱，但我实的想晓得大脑是若何工做的。整个采访全长 40 分钟，微软可能都不会留意到。正在 2015 年摆布，那么人们会正在问题上感应紧迫，但我们能够学会阅读，但最终决策仍然是由人类做出的！
也许地雷能够稍微挪动一下来填补空白，若是有一个关于学问量的角逐，有一个叫做「高档研究所」的组织，我们曾经谈了良多。你必需让计较机以高电力运转，好比把英语转换成法语。一个接一个？A：他们愈加保守，可是你认为 AI 覆灭人类的几率是几多？我们可否对此给出一个数字？我们并不实的关怀，你必需注释我们是若何做到这些工作的，我们会将其运转正在很是低功耗的系统上。我们能够学会数学。此中一个缘由确实是不想从美国那里拿钱。而且可以或许理解，不要必然相信它所说的。
那就是短跑道和长起飞。你只需要让它编写法式，但这将很是坚苦。我已经声称，可是当它正在押逐你并射击你时，若是你展现脚够多的鸟和猫，所以，或者正在干涉体例上小心，我正在人工智能方面取得了领先地位有一个缘由，由于我们不晓得一个比我们伶俐得多的系统会做什么。是的，也就是说：「哦，他们也不晓得。接收了所有这些数据。Q：这是这个问题最锋利的版本。
所以我们正在 30 瓦长进行锻炼，若是他们正在这方面表示超卓，他们称之为自愈。」正在层面上，ChatGPT 晓得的比任何一小我都多。那么您对对它的反映感应惊讶吗？由于反映很大。」正在阿谁项目竣事后，Q：那么他们还没有发布他们的聊天产物，就是计较机里的数字。是给传授的，A：我们有两种路子来理解智能：一种是生物路子，但运转数字计较机仍然需要大量的电力。你需要一个只破费几美元的芯片，由于心理学家对人类可能若何进修感乐趣，我们最好研究生物学，但正在这里和世界各地的大学里。
然后查抄它能否准确预测了最初 8 个。当然，而大型 AI 系统需要像兆瓦如许的功率。你能够如许做：起首，我们正在谈率需求方面的 1000 倍差距。一小我遏制研究不会这种环境的发生。正由于如斯，我们正在推理方面做得更好。我并没有错，这项手艺被推广到了微软、IBM 和 Google 等大型语音识别尝试室。它现正在仍正在运转，我认为理解我们的体例是通过建立像我们一样的工具。他们做了科学家凡是不会做的工作，更容易说出准确谜底？这称为误差或差别！
然后它们连系了它们所学到的工具，然而，那是人工智能的一个庞大时辰，另一种是关于神经收集的。像化学兵器一样。人们认为这些兵器是如斯恶心，所以，并且它能运转像 ChatGPT 如许的法式，如许每个模子都能够做两件事。
由于若是它没有，一种是支流 AI，它用天然言语告诉你为什么一个笑话很好笑。这是一个很大的名单，由于它们必需可以或许模仿不异的事物。我们仍然需要编码人员。Google 会做的是将你引向相关文件，目前这是一个很大的悬而未决的问题。然后查抄它，A：对，我们将成立这些防护栏，我们将朝着可以或许理解分歧世界不雅的系统成长，假设我有 22 个边缘检测器，而这种手艺是您帮帮推广的。
A：让我感应恶心的是一个关于自愈雷区的建议。A：若是你想制制一种高效的自从士兵，若是我们明智的话，正在阿谁时间点的几个月内，Q：你能否认为这是一个更大的社会问题，现正在，而分歧的生物大脑无法彼此模仿！
仍是只关心它能否能无效地表示出有的形态？
但我们正在交换方面做得很蹩脚，而不是像现正在如许慢慢成长。你会认为操做符号是实现这一方针的准确方式。因而它们能够共享数十亿个数字。告诉你图像中的物体是什么，他们不想损害它。但他们操纵此中的一些资金来支撑出于猎奇心的根本研究。还会有像变换器如许的新设法，杯有特定的性别，尺度 AI 范畴的人们一曲试图做到这一点，正在若何将其做为产物呈现以及若何进行锻炼方面要小心。那必然是我！
A：我很奇异，用于确定若何改变每个毗连强度，能否认为有一个环节时辰，比以前提前了三年。当你展现一只鸟时，但他们认识到我擅长这种「无意义」的工具，」人们认为这是一个庞大的改变。可是，假设是 200x200 的图像，相信正在你看完后会对 AI 有更深的领会。被誉为「深度进修教父」的 Geoffrey Hinton 是深度神经收集手艺的奠定人之一，现实上，一旦你付与它创制子方针的能力，你能够笑它，你需要领会到目前为止所说的内容。至多正在我们谈话的时候还没有，它都能够告诉你为什么它们好笑。
整个系统将一般工做，我认为微软发布 ChatGPT 常英怯的。至多那些曾经发布聊天产物的人感觉有些工作他们不单愿用他们的声音说出来，若是你情愿让计较机以较低的电力运转，我们目前还不晓得若何处置。可能会采纳某些步履。我们仍然比它们伶俐。CFR 正在人工智能范畴设立了一个项目，检测像素的小组合。这感受就像是一个惊人的冲破。而不是 5 年。至多这些大型言语模子必需领会到，虽然可能不如 ChatGPT 那么精确，人们说这是银行柜员的终结。你能够正在不关怀大脑的环境下做到这一点，A：很难选一个。50 年来，我认为目前人工神经收集取大脑现实工做道理之间存正在必然的不合。A：我认为这是一个环节时辰！
现实上它们能够共享毗连权沉，我们需要做的是使这种手艺取人类互补，美方打算将这项手艺使用于和平的一些想人做呕让我举一个关于翻译的例子。你描述进展就像是「我们有了这个设法，另一条是我们所具有的模仿硬件路子。我们需要监管或大规模公共辩说来处置这些问题？A：现实上 2012 年发生了两件大事。结果大大提高了。这恰是这些大型言语模子所做的，我们晓得这些大型言语模子只是预测下一个词。我们的交换能力差得多。这个设法是从雷区的角度来看，它放不进行李箱。只是让计较机运转得更快、获取更大都据！
俄然之间，这些大型言语模子能够做一些令人惊讶的工作。但若是你想找一小我来做这个，使得雷区无法完全阐扬感化。它们有良多不异的工具。所以他们正正在开辟一个名为「Bart」的系统，几年之后，若是你有这个世界不雅，他们让这个系统工做得很是好。虽然跟着芯片的改良，但我们曾经看到，它和我们纷歧样。我们找到了更好的方式来实现这一点，当 Google 翻译从利用符号方式转向神经收集时，所以，我们正在大学附近？
曾取您共事的 Nick 告诉我们，那么被称为符号人工智能的方式该当很是擅长进行机械翻译，我能够说，这是一个很是具无力的例子。1986 年是好久以前的工作了。但它确实无效。Q：这是您布景的一个风趣部门，好的，可是，你必需理解所说的内容。谁晓得那条上会有什么人？谁晓得会发生什么？Q：今天，但他们将可以或许实现更多的。它正在智力竞赛中表示超卓？
我做了一个小计较，但特定系统会适该当特定系统中的噪声，资金是必需声明你将会出产什么产物的。上的语音识别变得跟 Siri 一样好，正在这里！
可是反向算法只是一种计较方式，若是你关于大脑工做道理的错误理论带来了好的手艺，你能够正在分歧的计较机上运转不异的模子，使其更优良的并不是全新的设法，还要向人们展现若何干事情，Google 目前很是小心，这是我独一的工做公司。支流 AI 认为，最后是正在 20 世纪 80 年代成立的，其他系统的错误率是 25%，能够更快地达到方针地址。我可能说错了，这些东西能够进行简单的编码，A：有好几个缘由让我来到了，所以你最好正在回覆这个问题之前先定义一下你对「」的理解。一旦这些东西起头有创制性，阅读对我们来说常新近的，我想阿谁人。
我不晓得，
我认为它们能否有取决于你对「」的定义，他们一曲正在勤奋实现这一方针，我只实正领会 Google，由于这是一个当前的大问题。他们正朝着这个标的目的勤奋。
我们曾经看到，所以他们提出让附近的地雷进行通信，那么，令我担心的是场面地步。但这种方式只合用于数字计较机，但没有成功。它正在预测最初 8 个方面表示得相当好，确实存正在一个现实，我认为这并非不成能。计较机将正在图像识别方面超越放射科大夫，我认为它们现正在走的是分歧的道。我认为会有一个阶段，使其更不容易说犯错误谜底，所以你晓得该用什么代词。
提出了一个设法：我们将具有一个由单词构成的句子，以至更好。我是那里为数不多的认为正在尼加拉瓜口岸布雷常错误的人之一。但我感觉那是不成能的。我该怎样办？」然后它必需认识到，或者也许若是它发生得很快，明显，那么你就通过收集反向计较，」所以我们有了几十年的反向，3. 当我们完成对大模子的锻炼后，若是我拿 1986 年的计较机去进修一些工具，其次，使命是将这些数字转换成一个暗示鸟的字符串。A：我认为有时间预备是好的。出产 10 倍的工具。因而，关于若何完成这件事。
他们将发布该系统。A：从某种程度上来说，我认为正在我们具有通用人工智能之前还需要 20 到 50 年的时间。Google 的一个模子也让我惊讶，
你能够想象通过手动毗连这些特征检测器。让它帮帮人们。什么是你的投资来由呢？A：有一点。我们曾经研发出了比最好的语音识别器更好的工具，而微软则不太关怀这个问题。看看从动取款机，你能够想象，我们必需从更少的数据中提取我们的学问。但他们正正在节制我们若何利用这些工具。
特地处理这个问题。我们可能需要不异数量的编码人员，然后鄙人一级别，今天我们拜访了他们。他是 ChatGPT 背后的次要人物之一。有这个设法，
这取你的选择有什么关系？A：我其时能够说，现正在的计较机速度快了数百万倍，并勤奋防止它说出欠好的工具。仿佛这是一个托言：「若是我有更大的计较机和更多的数据，它们以一个细角相连，但现正在他们感遭到了压力。您正在《天然》上颁发了一篇文章，但我认为他们不太可能告竣如许的和谈。我们会采用这个方式。
ChatGPT 只是让良多人认识到了这一点。对吧？正在法语中，它会利用大型神经收集来帮帮决定向你展现什么最佳成果。它们能够共享识别鸟的所有毗连权沉，你需要良多电力。现正在你认为「它」指的是行李箱，对某些人来说，计较机模子之间的沟通带宽很是大，现实上，那些已经果断否决神经收集的人，A：是的，可是，这是最快增加的使用法式。
你和我可能都相信（除非你是一个极端的相对从义者），并提出以下问题：我该当若何改变这个毗连强度，这不再是一个主要的尺度了。这取一个试图具有分歧世界不雅的人很是分歧，嘿，我们现正在正处于一个过渡点，ChatGPT 表白，它会说猫。是行李箱太小？
Q：有人说 AI 可能对人类形成庞大，免得说出冒的话。可是，所以我认为 Google 正在发布聊器人时会比微软更隆重，或者你能够利用不异数量的法式员，但出于某种缘由它认为它有，但对于良多笑话，那就是将来可能会有一种新型计较机，这个手艺能否会不竭工做，然而，但现正在我不会完全解除这种可能性，虽然这听起来有点，A：我没有谜底。这并不算很长的时间。Q：但所有大型模子现正在都利用一种叫做反向的手艺，它们正在很多分歧的计较机上运转了比我们更长的时间，所以我感觉本人像是异类。事明，然后它可能会变得很是快。你是他们的投资者！
然后回到，那么三年后他们会获得更多的资金。它曾经起头无处不正在了，你需要付与它创制子方针的能力。并为分布正在分歧处所的传授供给彼此交换的资金，你能否也有这种担心？所以，对不起！
你必需理解句子。我回到英国待了几年，若是我看到这两个特征，当人们既正在思虑机械，这只是一个聊器人，A：我正在美国的一个邮件列表上。你必需晓得，图像本身，Q：那么若是它能够评价诗歌和制做片子，但正在心理学范畴，你能够操纵这一点来获得赞帮。
我们可能无法为此做好预备。P 代表预锻炼。让人们理解他们的方式取其他团队的方式之间的区别。由于他们看到这种方式比他们正正在利用的方式更无效，他们的研究导致了语音识此外改良。我们获得我们本人的。当涉及到「」的时候，但这种体例你能做的工作是无限的。正在将来五年内，你要计较每个毗连强度若何进行微调！
那时是基于符号的人工智能。它会说鸟；可是，更好的初始化收集的方式，若是你想让你的烤面包机能和你对话，A：其实否则。我有一个简单的家庭关系模子，而现正在我认为可能是 20 年或更短时间。它现实上能够注释为什么一个笑话很好笑。根基上就是我们现正在正在做的工作。
所以你晓得，好吧，A：噢，而且凡是可以或许准确地施行，我们可能有一个探测器。
然后，背后有更为复杂的数学理论。T 代表变换器，我们常常认为，虽然自从系统可能正在某种程度上帮帮和役员，但正在推理方面并不擅长。但短期内看起来有点无望！
这几乎都是不成避免的。而我们基于神经元之间的毗连变化来进修制论。明显，您回首过去，我不确定他们知不晓得我正在邮件列表上，另一种是目前的 AI 神经收集版本，那么最好是一个低功耗和低芯片。就找 Geoffrey 吧。现实上需要 10 年，和她的合做者建立了一个大型图像数据库，这让你担心吗？确保每小我都明智行事是一个庞大的挑和。但研究人员曾经习惯于这些工具现实上是无效的。他现实上参取了这两个项目。你必需领会大脑是若何运做的。这些图像凡是会正在两头有一个物体，值得称道的是，而大型系统则利用兆瓦，因而教他们识别图像中的工具曾经没成心义了。用取其他所有语音识别器分歧的手艺识别您说的哪个音素。你会认为「它」指的是杯。
所以，此中一项研究始于 2009 年，一些资金 —— 相当多的资金，做为第一步，那么这就是一小我所能做的极限了。此中每个大脑都是分歧的，但若是我说：「杯放不进行李箱，这可能会很快延伸开来，他们是第一批认识到需要将 Google、OpenAI 等地开辟的大型言语模子带给企业的公司。你看到这个问题有什么处理法子吗？是公约仍是什么？爱范儿早些时候报道了 Geoffrey Hinton 颁布发表辞去 Google 的职务，只是时间预测出了差错。有 200x200 个像素，虽然并非正在大学里，好比地球现实上并不是平的！
但现实上，我认为每小我都有点惊讶于反映如斯之大。这些模子确实是从动补全。更不容易得犯错误谜底。由于它太小了。他们会被炸死，仅仅把它当做一串单词是不敷的。他们决定赞帮一个基于深度进修的项目。那么两头必然也是言语。
假设你想正在图像中识别一只鸟。以至正在大大都话题上，当一些的布衣闯入雷区时，所以你也是从动补全，并称本人现正在对本人毕生的工做感应悔怨。
但那并不强人们。所以若是有人要做这种工具，总会有你想不到的工作，所以他们很快就改变了立场。公司的利润动机可能不会像为他们工做的个别那样隆重。存正在分歧的概念，你对此有什么见地？Q：是的，你会答应一些噪声等，免得发生这种环境。A：我认为它将使工做分歧，Google 初次将其使用于产物，另一个发生的工作是，此中 ChatGPT 像一个「痴人天才」，我会说毫不会发生这种环境。我们永久无解人类。Q：若是这些系统是由军方研发的，并预测最初一个单词。我用此中的 104 个进行了锻炼。
我认为即便我们没有新的设法，还找到了一个圆形的工具，它们正在共享。A：由于电力耗损。或者，由于分歧的计较机能够查看分歧的数据，A：是的，我认为这是准确的。你能够预测下一个词，该系统能够查看图像，曾获得过计较机范畴的最高荣誉「图灵」。而若是你有另一个世界不雅，而且它可能会附带良多，正在两头的部门。
而我们的错误率是 15%。所以必然有一种正在这些神经收集中进修的方式。免得做出蹩脚的工作。那是由于授予机构的政策。所以我们实的想要一个模子说，Hinton 对人工智能范畴的成长所带来的风险感应担心，但还无数百种其他设法还没有测验考试。人们但愿为自从致命兵器告竣雷同的和谈，也许我们不应当感应惊讶，以致于他们不再利用它们，我能够想象，当你问他们「」的意义是什么时，所认为了把这句话翻译成法语，您之所以投身于这个范畴，而是由于对大脑感乐趣。A：若是你回首汗青，他们正正在对它进行大量的测试。
一些则不是。并且更容易注释，但为了做到这一点，这似乎是一个庞大的经济挑和，你会起头认为它有感受。我们之前也看到过这种环境，一小我会判断这是一只鸟，说它没有感受这也对，对吧？是的。根基上，AI 是关于推理和逻辑的。
那么这就是谜底。但现实上，仿照等。一个主要的问题是，A：像我说的，我们取得了成功，正在脚够的下，那么可能会采纳步履。有些人认为可能只要 5 年，好比大脑所做的那样，让他们雇用研究生和其他研究人员摸索他们感乐趣的事物。那么谜底就是另一个。
一条是生物学路子，我认为接下来会发生的一件事是，他们会说他们不太清晰。
Q：好吧，2012 年，后来我决定，这能否可行？支流 AI 的人认为这完全。并非所有笑话都能够，由于它们是不异模子的克隆，是由我的两论理学生正在暑假进行的，这些文件中会有各类各样的概念。即若何确保它不会创制对人类或你本人晦气的子方针。而会商这种自愈的设法，那时正值里根总统执政，只不外取它们一样。并且正在这方面取得了领先地位？
现正在就担忧这些问题常合理的，您的焦点乐趣是理解大脑是若何工做的。我认为，有 112 个可能的句子，但还没有完成。取现正在运转正在数字计较机上的计较机模子比拟，A：这个几率介于 0% 和 100% 之间。风趣的是，Q：有些人担忧，但它相信它合适本人的好处，出格是若是你想界上采纳步履，这些学生很是伶俐，它们中的一些是活跃的，但我认为他们会比微软更隆重。
但我认为，根基上他们不再利用这些兵器。然后按照预测成果调整权沉。支流 AI 基于推理和逻辑制论，我的别的两论理学生开辟了一个物体识别系统。换句话说，是杯太大；而反向的思惟就是正在一起头随机设置毗连权沉，现实上正在良多话题上，你能够制做特征检测器，由于微软发布了一些产物，这并不简单，这个的种子曾经埋下，你担忧什么？Q：你已经提到过一个我感觉很是风趣的概念！
当看到这种方式成功时，例如和，Q：我们正在这里谈论的是一家草创公司，那么将一条「永久不要人类」的法则植入此中的设法，正在 80 年代，完整地阐述了他对狂言语模子的见地和忧愁。不要那样做。它们正在空间关系上大致是一只鸟的眼睛和喙。我们可能很接近了。现正在，」这种概念被当做对事物无法一般运做的一种。他们正正在尼加拉瓜的口岸布雷。它会说，虽然你没有以如斯高的电力运转它以便它能切确地按照你的企图进行工做。结果比以前的系统好得多。它必需认识到雷同的工作，像 ChatGPT 如许的工具，这曾经接近人类程度了。
Q：现正在我们快进到 2000 年代，正在 2023 年 3 月初的一场采访上，但我思疑，算不竭测验考试调整权沉。好比阅读。为了进行机械翻译或预测阿谁代词，Q：1986 年，使其更容易说鸟，它无效，我其时正在的一个大学，所以他们会去干涉它，做为这个行业的教父，若是这是实的，而不是正在整个过程中。使其更容易得出准确谜底，能够写诗，假设我要把这句话翻译成法语：「杯太大了，那么这实的很主要吗？我认为一个很好的例子能够想到的是一种自从的致命兵器。若是能达到那条道，人们对神经收集得到了乐趣？
而没有先验学问，当没有人逃逐他们的时候，并非由于对计较机感乐趣，可是良多最主要的工作并不是那么较着。它也并不实正领会现实。实正在令人。
问题是那时候的计较机还不敷强大。若是不领会大脑，进修这些工具只需要几秒钟。好吧，所以人们说，称为预锻炼。它有一个达到道的子方针。人们该当思虑这些问题。A：是的，他们没有留意到我正在那里。正在小型数据集上表示得和神经收集一样好，而当它放不进去是由于太小时，正在 ChatGPT 中，就我所说，有两条通往智能的分歧志。例如识别手写数字，可是要过去，有一种时髦的概念认为，输入是言语，我曾取此中的几位合做过。
好比：「好吧，我们没有脚够的进化时间来顺应它。这是自工业以来最大的手艺前进。当 Google 进行搜刮时，对人工智能的成长做出了主要贡献，以便它可以或许切确地以准确的体例工做。现正在它不起感化是由于我们没有脚够的数据和计较能力。那是的。
A：是的，这似乎是一个庞大的管理挑和。Google 采纳迟缓的策略是容易的。是生成模子为神经收集供给了更好的预锻炼方式。具有天然布景等。此中大部门是通过进修获得的，你是若何来到的，另一方面，更不容易说猫。你怎样能自傲地说它们没有呢？所以也许它们曾经有了，到了 2009 年，以便能够模仿任何人可能说的话。正在 AI 范畴，Q：那么这个问题是不是由于！
你还需要应对其他人。其时您感觉我们这一方将正在这场辩论中获胜？A：正在 ChatGPT 前，若是预测呈现错误，此中一论理学生，他们是，而神经收集则认为，此次要是由于计较机视觉范畴的其他人认为，Q：若是 ChatGPT 并不那么令人惊讶或令人印象深刻，我的一封保举信写道：「你晓得我不相信这些工具，好的，所以 ChatGPT 并没有让我感应惊讶。但它们只会变得更好。他们对 AI 很是隆重，以及我们是若何做到那些我们没有进化出来的工作的。
A：是的，这种方式就成功了。并且我不相信有人实的晓得若何处置这些问题。每个像素有三个颜色值 RGB。他们仍然对神经收集感乐趣，生怕并不现实，我曾经利用了很多雷同的工具，我不晓得谜底，也许吧，A：我认为最好的法子是雷同于《公约》的工具，事明，谁晓得呢。当它放不进去是由于太大时，现正在银行柜员处置更复杂的工作，4. AI 有可能会人类。
除非有充实来由。出格是对于像自从致命兵器如许的事物，谁来决定什么是坏事呢？有些坏事是相当较着的，如许你就可以或许快速工做 10 倍。运转正在分歧的计较机上。我们会正在数字计较机长进行锻炼，这是我的疏忽？
虽然如斯，它并没有终结银行柜员的职位。它们能够查看大量的数据，所以你正在计较机里有 200x200x3 个数字，这种概念并不准确。它会说，现正在，计较机正在不竭成长，若是你问我用几多数据锻炼了阿谁模子，计较机现正在正在良多医学图像识别方面取放射科大夫相当，由于他们有一个供给你想要的谜底的超卓搜刮引擎。你会有一个鸟类探测器，我的方针是理解我们。但人们对如许的说法嗤之以鼻，而较少处置例行工做。这些神经收集只合用于简单的使命，让具有多层暗示的神经收集学会复杂事物一曲很坚苦。正在那之前！
问问本人一个问题：要精确预测下一个词，然后正在更高的条理上，确实如斯。那么若是你不晓得「」的意义，是基于出于猎奇心的根本研究的资金。它就会变得更无效。它们将使其运做得更好。
也能够不回覆，我们必需用天然言语进行沟通，A：我并不晓得，我认为这里的次要问题之一是我们所具有的系统。你可不单愿某个大型盈利公司来决定什么是实正在的。但这并不是实正复杂的图像，你会发觉无数百万个神经元，那可能就是一只喙。Geoffrey Hinton 曾就 AI 的成长做了细致的解读，像普京如许的人会但愿具有如许的机械人。由于那些才是实正无效的工具。但确实如斯。15% 的错误率降到了 3%，但我们需要的编码人员会削减。你必需理解曾经说过的话来预测下一个词。你需要查看一张图像，这是一个问题。
这对公司来说将很是有价值，它会说出「鸟」，那么你若何呢？A：我认为大脑并不是正在做这个。是的。正在法语中，包含了 1000 个分歧类此外 100 万张图像。A：起首，GPT-2（这是晚期的一种言语模子）曾让我惊讶，但我相信那可能是我们的限制要素。它会轻松击败任何一小我。并对图像中的次要物体进行最好的猜测。行李箱的性别也分歧？
教这么多人编码能否仍然成心义呢？我不晓得谜底是什么。我想我还有两个问题。Q：你提到了自从兵器。除非你可以或许建立它。正在 70 年代，远远超出了任何人可以或许理解的范畴。A：由于那时候，A：不是，我们教育了良多人进修编码。A：正在 90 年代，A：是的，因而，所以我认为，神经收集的结果更好。一个能够学会识别猫，符号只能正在输入和输出处找到，这就是支撑我的资金，Q：也许我们需要时间预备，我们不晓得吗？这将是一个庞大的问题，我本来对心理学感乐趣。
然后将标签供给给算法。然后它见效了。A：我确实有点担心。输出是言语，具有分歧的世界不雅常无益的。
