回应
按立场分组 · 点上方立场只看那一组
照直做大沿着现有语言模型这条路放大下去就能到达人类水平智能
同时放大算力、数据集与模型规模往往带来更好结果，并涌现出新能力
▶ 2:09杰夫·迪恩Jeff Dean (Google): Exciting Trends in Machine Learning2024
世界上的训练数据远未用尽，海量视频与音频几乎还没被用来训练模型
▶ 1:07:26杰夫·迪恩Jeff Dean (Google): Exciting Trends in Machine Learning2024
须换路子这条路到不了，得换一套以世界模型或因果为核心的做法
大语言模型并非在观察原始数据，而是在读取人类写下的、充满假设的世界模型
▶ 1:00:01朱迪亚·珀尔Turing Award Winner: Early AI, LLM Predictions, Causality | Judea Pearl2026
仅靠从互联网文本中学习的大语言模型无法通向超人智能或 AGI
▶ 1:02:51朱迪亚·珀尔Turing Award Winner: Early AI, LLM Predictions, Causality | Judea Pearl2026
检验机器智能的真正标准是让它面对原始数据自己做实验，而不是消化人写好的文章
▶ 1:09:45朱迪亚·珀尔Turing Award Winner: Early AI, LLM Predictions, Causality | Judea Pearl2026
值得追求的是世界模型：不存储问题和答案，而在需要时从少数基本原理推导出来
▶ 1:26:00朱迪亚·珀尔Turing Award Winner: Early AI, LLM Predictions, Causality | Judea Pearl2026
训练大语言模型所用的方法，用在真实世界里行不通
▶ 18:00杨立昆Do LLMs Understand? AI Pioneer Yann LeCun Spars with DeepMind’s Adam Brown.2025
智能系统应当学会对象的抽象表示并在抽象空间里预测，而不是在像素层面预测
▶ 33:02杨立昆Do LLMs Understand? AI Pioneer Yann LeCun Spars with DeepMind’s Adam Brown.2025
苏菲周报 · THE WEEKLY
每周一封，
追问一个大问题。 苏菲拉底的每周来信，写这一周在追问的问题和看到的回应。
追问一个大问题。 苏菲拉底的每周来信，写这一周在追问的问题和看到的回应。
苏菲拉底
ASK THE BIG QUESTIONS · THINK DEEPLY · SEE THE WORLD DIFFERENTLY
微信公众号
© 2026 苏菲拉底 · 内容仅供学习
[email protected]