熱門話題
#
Bonk 生態迷因幣展現強韌勢頭
#
有消息稱 Pump.fun 計劃 40 億估值發幣，引發市場猜測
#
Solana 新代幣發射平臺 Boop.Fun 風頭正勁
Big Brain AI
學會在 AI 接管時不要被落下
AMI Labs 創辦人 Yann LeCun 談到為什麼 LLM 讓我們上當，就像 AI 幾十年來一樣：
他主張每一代 AI 科學家都犯了同樣的錯誤：將任務表現與真正的智慧混淆。
LeCun 對當前炒作的核心挑戰：
「我們被誤導以為那些機器是智能的，因為它們能操控語言。我們習慣於那些能很好操控語言的人隱含地是聰明的。」
他明確表示 LLM 是有用的，但作為一個有用的工具和擁有智慧是兩回事。
真正的見解是他所經歷的歷史模式。
自 1950 年代以來，一波又一波的 AI 研究者聲稱他們的突破是通往人類智慧的道路。
Marvin Minsky、Herbert Simon、Frank Rosenblatt——他在 1950 年代發明了感知器，第一台學習機器——都預測機器在十年內會變得和人類一樣聰明。
「他們全錯了。」
LeCun 親眼目睹了這三個炒作與失望的循環。他對當前這一輪的評價直言不諱：
「這一代的 LLM 也錯了。這只是又一個被愚弄的例子。」
模式：一種新技術出現 → 機器在特定任務上變得出色 → 我們假設它們具備一般智慧
值得問的問題是：我們對這些工具感到印象深刻，是因為它們聰明，還是因為它們聽起來像是聰明的？
66
谷歌前首席執行官埃里克·施密特（Eric Schmidt）談到未來百億美元公司的數據策略：
他解釋說，他通過查看五年的增長軌跡來評估創業想法，並詢問是否有更具可擴展性的策略可用。
以一位創始人為例，他想為一個應用收取10美元。@ericschmidt的挑戰是：
「為什麼不免費提供，然後再向用戶推銷呢？」
但真正的洞察在於他預測哪些公司將主導的框架——這一切都與數據有關。
「五年前，我公開表示未來將是使用谷歌地圖、GPS並能做一些有用事情的智能手機應用。現在，我應該說的是Uber。」
那麼，他認為什麼將定義下一波巨型公司呢？
基於Android和iOS的系統、快速的網絡和強大的機器學習，並擁有關鍵的數據優勢：
「他們將利用群眾來學習一些東西。」
他用這個例子來說明：
支付皮膚科醫生每人1美元來對皮膚樣本進行分類。將這些數據輸入機器學習系統。然後將診斷服務賣回給他們，因為一個在數千名專家上訓練的系統將超越任何個體。
施密特總結了獲勝的數據策略：
「你眾包信息進來，學習它，然後再賣出去。[這]在我看來是下一百億美元公司的高度可能候選者。」
藍圖：大規模聚合專家數據 → 在該數據上訓練機器學習系統 → 將優越的見解賣回市場。
這就是下一代主導公司的建立方式。
194
熱門
排行
收藏