AI Godfather Stuns AI Community "No Way In HELL AGI In 2 Years"

Auf keinen Fall. Und was auch immer Sie von einigen meiner abenteuerlustigeren Kollegen hören Ä Es wird in den nächsten zwei Jahren nicht passieren. Es ist absolut unmöglich, dass. Das war also Jan Lun und er hat klar gesagt, dass wir in zwei Jahren auf keinen Fall künstliche Intelligenz erreichen werden. Bevor Sie jetzt wo Das ist völliger Unsinn. Bitte denken Sie daran, dass Jan Lun ein wirklich versierter und wichtiger Wissenschaftler ist, der den Weg dafür geebnet hat, dass Computer Bilder sehen und Dinge darin erkennen können. Er erfand Anfang der ER Jahre sogenannte konvolutional neue One Networks, und diese Erfindung legte den Grundstein dafür, wie Computer heute Bilder verstehen. Sie müssen verstehen, dass das nicht irgendjemand ist. Er ist derjenige, den viele zusammen mit Jeffrey Hinton und Joshua Bengio als einen der Paten der KI bezeichnen, weil sie alle an neuronale Netzwerke glaubten und sie entwickelten, als die meisten anderen Wissenschaftler sie für Science Fiction hielten. Man sollte bedenken, dass dieser Typ vorhergesagt hat, dass etwas funktionieren würde, obwohl alle anderen behaupteten, es würde nicht funktionieren. Vielleicht ist er hier also wieder auf der richtigen Spur. Er arbeitet tatsächlich bei Meta und hat den Turing Award gewonnen, den Nobelpreis für Informatik. Man muss also verstehen, dass er keine voreiligen Aussagen macht. Ihm sollte man zumindest aufmerksam zuhören und nicht allzu skeptisch sein, denn obwohl es AGI Hype von vielen verschiedenen Firmengründern gibt, ist er jemand, der sein Handwerk versteht und schon länger in diesem Bereich tätig ist, als manche von uns überhaupt leben. Schauen wir uns also den gesamten Clip an. Ich möchte ein paar Punkte aus der Aussage analysieren, denn mit der Zeit neige ich eher dazu, alles zu glauben, was Jan Lucan sagt, einfach weil manche Dinge in der KI einfach keinen Sinn ergeben. Aber hören Sie sich an, was er sagt. Normalerweise nicht. M Und was auch immer Sie von einigen meiner abenteuerlustigeren Kollegen hören Ä Es wird in den nächsten zwei Jahren nicht passieren. Es ist absolut unmöglich. Entschuldigen Sie meine Ausdrucksweise. M Die Idee, dass wir ein Land der Genialität in einem Rechenzentrum haben werden, das ist völliger Schwachsinn oder absolut unmöglich. Was, was wir vielleicht haben werden, sind Systeme, die mit ausreichend großen Datenmengen trainiert werden, sodass jede Frage, die ein vernünftiger Mensch stellen könnte, durch diese Systeme beantwortet werden kann. Und es würde sich anfühlen, als säße ein Doktor neben Ihnen, aber es ist kein Doktor. Es ist ein System mit einem gigantischen Speicher und einer enormen Abruffähigkeit. Kein System, das Lösungen für neue Probleme erfinden kann. Was ein Doktor eigentlich ist Absolut unmöglich. Und eine der Aussagen, die er in diesem Interview gemacht hat und die die meisten von Ihnen wahrscheinlich verpasst haben, ist eine Aussage. OK. Er sagte und ich lese jetzt weiter. Es ist absolut unmöglich. Entschuldigen Sie meine Ausdrucksweise, dass wir ein Land voller Genies in einem Rechenzentrum haben werden. Für die meisten von Ihnen ist das wahrscheinlich nur eine normale Aussage, aber ich erinnere mich, etwas mit genau dieser Zeile gelesen zu haben, worauf er sich bezieht. Okay, ich möchte hier keinen Twitter Krieg anzett so etwas wissen Sie, Irgendjemand wirft hier einen Schatten. Ich betreibe nur investigativen Journalismus. Aber das Thema Land voller Genies in einem Rechenzentrum habe ich bisher nur in einem Essay gelesen.

OK.

Und dieser Essay stammt von Dario Amade, dem CEO von Anthropic, der Firma, die die Modelle Claude herstellt. Dario Amade hat diesen Artikel Blog Essay geschrieben, wie auch immer Sie es nennen wollen. Darin spricht er über die Zukunft der KI und wie KI die Welt zum Besseren verändern könnte. Der Film heißt Machines of Love and Gre. Ich habe ein ausführliches Video dazu gemacht. Es ist unglaublich faszinierend und vermittelt einem wirklich ein Verständnis für die Zukunft der KI. Verrückterweise bezeichnet er leistungsstärke KI tatsächlich als ein Land der Genies in einem Rechenzentrum. Schauen Sie sich das einmal an, denn wir müssen verstehen, wovon er spricht in diesem Kontext. Es geht ja darum, ob wir KI in einem Rechenzentrum haben werden. Aber sehen Sie sich an, was Daria Amit tatsächlich sagt. Der Grund, warum Sie den Kontext verstehen müssen, ist, dass Sie die Behauptung verstehen, die Jan widerlich Er meint mit leistungsstarker KI ein Modell, das in gewisser Form dem heutigen LMS ähnelt, obwohl es auf einer Architektur basiert, die mehrere interagierende Modelle umfasst und die folgenden Eigenschaften haben wird. Das sind also die Eigenschaften, die Sie verstehen müssen, wenn Sie sich KI in einem Rechenzentrum ansehen oder in einem Land der Genies. Er spricht davon, dass Sie in relevanten Bereichen Biologie, Programmierung, Mathematik, Ingenieurwesen und Schreiben intelligenter sein wird als ein Nobelpreisträger. Das bedeutet, dass Sie ungelöste mathematische Theoreme beweisen, hervorragende Romane schreiben und komplexe Codebasen von Grund auf neu erstellen kann. Außerdem wird sie über Schnittstellen für virtuell arbeitende Menschen verfügen, darunter Text, Audio, Video, Maus und Tastatursteuerung sowie Internetzugang. Sie kann Aktionen ausführen, kommunizieren, ferngesteuert operieren, Menschen Anweisungen geben, Experimente durchführen, Videos ansehen, Videos erstellen und so weiter. Und all diese Aufgaben erledigt sie mit Fähigkeiten, die die der fähigsten Menschen der Welt übertreffen. Jede dieser Millionen Kopien kann unabhängig voneinander Aufgaben erledigen oder bei Bedarf zusammenarbeiten, wie es Menschen tun würden. Vielleicht Apps mit unterschiedlichen, fein abgestimmten Unterfunktionen, die für bestimmte Aufgaben besonders gut geeignet sind. Und hier sehen Sie, dass er sagt, wir könnten das Ganze als ein Land voller Genies in einem Rechenzentrum zusammenfassen. Die Ressourcen, die zum Trainieren des Modells verwendet werden, können natürlich für Millionen von Instanzen umfunktioniert werden. Das Modell kann Informationen aufnehmen und Aktionen mit etwa der zehn bis hundertfachen menschlichen Geschwindigkeit generieren, wobei es wahrscheinlich durch die physische Welt eingeschränkt wird. Diese krasse Behauptung meint Yanlik im Grunde, das wird absolut unmöglich sein. Natürlich haben andere darüber diskutiert und es ist sehr interessant, ihre Ansichten zu hören. Stellen Sie sich eine Million Genies in einem Rechenzentrum vor, von denen jedes für seine Leistungsfähigkeit quasi nobelpreiswürdig ist, aber mit der hundertfachen menschlichen Geschwindigkeit läuft, nie müde wird, nie schläft, nicht essen muss und nicht in den Urlaub fahren muss. Man kann sie einfach kopieren und einfügen und so viele davon haben, wie man möchte. Sie können miteinander interagieren, Sie können gemeinsam Pläne schmieden. Wissen Sie, es gibt Millionen von Ihnen. Es ist eher eine Gesellschaft, eine Nation oder eine Zivilisation als ein KI System. Stellt man sich das vor, könnten wir in ein paar Jahren so etwas haben. Fragt man sich nun, wie man dieses Ding kontrolliert oder einfach abschaltet, Denkt man, das ist doch eher wie das Abschalten eines Landes als einer Maschine, oder? Wenn dieses Ding weiß, dass man es vielleicht abschalten will, wird es Maßnahmen ergreifen. Es ist Intelligenz auf Nobelpreisniveau, und Millionen davon arbeiten hundertmal schneller als der Mensch.

Sie sind uns weit voraus. Mit anderen Worten, sie sind euch weit voraus.

Jan Lacan sagt also ganz Seht, das wird absolut unmöglich sein. Das wird es bei uns nie geben. Er meint damit natürlich, dass alle anderen in der KI Branche KI voraussagen. Sie wird wahrscheinlich viel früher kommen. Und Jellikin sagt im Grunde, dass wahrscheinlich alle den falschen Weg einschlagen. Und wenn wir uns die Vorhersagen der Leute ansehen, worauf ich mich hier kurz konzentrieren möchte, können wir sehen, dass Leute wie Dario Amadei, der Autor von Machines of Laughing Grace, viel kürzere Zeitpläne haben als andere. Dario Amadeday sagte kürzlich, sein Zeitrahmen liege möglicherweise zwischen 2026 und 2027.

2026 2027 ist also das Jahr, in dem man AGI effektiv auf breiter Front erreicht. Und das ist der Wendepunkt. Wer dann die Nase vorn hat, hat die Nase für immer vorne. Ist es das, was Sie sagen?

Potenziell. Ich meine, wir wissen diese Dinge nicht, aber es besteht das Risiko, dass dies.

Zu einem geopolitisch besonders unsicheren Zeitpunkt geschieht. Aber darauf kommen wir noch zu sprechen. In denselben Jahren wurde wissen Sie Folgendes gesagt? Nein, ich bin mir bewusst, wie beängstigend das ist.

Wenn wir uns Demi ansehen, sehen wir, dass er einen eher konservativen Zeitplan verfolgt. Er ist der chef von Google Ski by Deep. Wir arbeiten seit über 20 Jahren daran. Wir waren uns einig, dass AGI ein System ist, das alle kognitiven Fähigkeiten des Menschen besitzt. Ich denke, wir kommen diesem Ziel immer näher, aber ich denke, wir sind wahrscheinlich.

Noch ein paar Jahre davon entfernt.

Und wenn wir uns ansehen, was bei OpenAI hinter den Kulissen vor sich geht, arbeiten offenbar promovierte Superagenten.

Einige Artikel beziehen sich auf die promovierten Agenten von OpenAI. Es handelt sich um Superagenten Key Tools, die entwickelt wurden, um komplexe, vielschichtige Probleme der realen Welt zu lösen. Der menschliche Verstand hat Schwierigkeiten, sich zu organisieren und zu meistern, anstatt nur auf einen einzigen Befehl zu reagieren und ein Ziel zu verfolgen. Superagenten verarbeiten riesige Informationsmengen, analysieren Optionen und liefern Produkte.

Und es war verrückt, denn mehrere OpenAI.

Mitarbeiter äußerten sich ins REDS begeistert und.

Verängstigt über die jüngsten Fortschritte.

Auf der einen Seite gibt es OpenAI Mitarbeiter, die seht her, da sind diese verrückten KI Agenten. Dario Amadei meint, AGI werde wahrscheinlich in den Jahren 2026 und 2027 verfügbar sein.

Yanu Khan hingegen behauptet, das sei absolut unmöglich. Das ist völliger Schwachsinn. Aber was ist Janu Khans tatsächliche KI Prognose überhaupt? Wie lange wird es dauern? Ich denke, es könnte ein System geben, das sich zumindest für die meisten Menschen wie ein System mit mehreren Funktionen anfühlt. Genau wie Menschen, wenn all unsere Pläne.

Und unsere Vorstellungen funktionieren. Diese JPA Architekturen und einige andere Ideen, mit denen wir experimentieren, werden sich meiner Meinung nach in weniger als 5 oder 6 Jahren durchsetzen.

Okay, aber wird es in 5 oder 6 Jahren passieren?

Passieren.

Und ich denke, es gibt eine Verteilung mit einem sehr langen Schweif. Und die Geschichte der KI zeigt, dass die Leute immer wieder unterschätzen, wie schwierig sie ist.

Ich mache wahrscheinlich gerade dieselben Fehler. Genau denselben Fehler. Wenn ich von 5, 6 Jahren spreche, meine ich das. Wenn wir nicht auf ein großes, unvorhergesehenes Hindernis stoßen, wenn all die Dinge, die wir ausprobieren wollen, tatsächlich funktionieren, wenn die Dinge skaliert werden, wenn Computer beschleunigt werden und all das. Es gibt also vieles, viele Planeten, die in einer Reihe stehen müssen, damit das passiert. Das ist also der beste Fall, oder? Es wird nicht nächstes Jahr passieren.

Sie haben vielleicht schon von anderen Leuten gehört. Ja, richtig. Hoffentlich. Alman, Elon, Mus, verschiedene Leute oder Dario. Ich meine, sie sagen ja, es wird in den nächsten zwei Jahren passieren.

Nein, wir müssen also darüber nachdenken, dass Janukan klar sagt, dass AGI nicht passieren wird. Und ich glaube, er ist nicht der Einzige, der das sagt. Es gibt verschiedene KI Kritiker und ich denke, sie haben eine solide Grundlage. Aber wie gesagt, dieser Typ ist im KI Bereich erfolgreich. Er ist in der Szene extrem wichtig und denkt daran, Vorher sprach er über Dinge, die praktisch jeder abgeschrieben hatte. Es ist also sinnvoll, genau hinzuhören, was er sagt. Ich habe euch diesen Clip schon einmal gezeigt, aber dies ist ein weiterer Ausschnitt aus einem aktuellen Interview, in dem er eine einfache Berechnung beschreibt. Wir brauchen viel mehr, als wir derzeit haben, und LLMs werden einfach nicht zu AGI führen. Schaut euch das mal an. Ich zeige euch gleich einen kurzen Clip, in dem er seine Argumentation erklärt, denn ich habe sie am Anfang nicht erklärt. Manche denken vielleicht, er kritisiert nur, weil er sich auf Metaebene befindet. Aber glaubt mir, es basiert auf realen Fakten. Vergleicht man das mit der Informationsmenge, die in den ersten vier Lebensjahren über das visuelle System in unser Gehirn gelangt, ist es ungefähr genauso viel. In vier Jahren ist ein Kleinkind insgesamt etwa Stunden wach. Die Informationsmenge, die über den Sehnerv ins Gehirn gelangt, beträgt etwa 2 Megabyte pro Sekunde. Rechnen Sie nach. Das sind etwa 10 hoch 14 Bytes. Das ist ungefähr dasselbe. In vier Jahren hat ein Kleinkind so viele Informationen oder Daten gesehen wie die größten LLMs. Das zeigt, dass wir durch reines Texttraining niemals KI auf menschlichem Niveau erreichen werden. Wir müssen Systeme entwickeln, die die reale Welt verstehen, und in der realen Welt ist das wirklich schwierig. Er sagte also etwas, das wissen Sie nicht gerade revolutionär. LLMs werden keine künstliche Intelligenz erreichen, weil sie nur auf Text basieren. Man versucht, menschliches Denken nur mit Hilfe von Text nachzubilden. Natürlich gab es dazu verschiedene Debatt und Argumente, aber auf den ersten Blick erscheint seine Aussage gar nicht so abwegig, wenn man bedenkt, dass der Mensch seit Millionen von Jahren konstruiert wird und das Gehirn ein hochentwickeltes System ist. Der CTO von Meta hat in seinem jüngsten Interview sogar gesagt, man solle nicht gegen Yanlun wetten. Er spricht über Robotik und die Tatsache, dass die Weltmodelle, die sie entwickeln, einfach mehr Daten benötigen. Sie brauchen einfach etwas anderes.

Ich bin begeistert von unserer aktuellen Situation. Ich bin ein überzeugter Anhänger. Ich möchte auch, dass wir in diese Weltmodelle investieren und sie vom Terminal befreien. Und sind die Weltmodelle und der Begriff.

Frei frei vom Terminal grundlegend neue Technologien.

Die sich von der Art des Skalentransformators unterscheiden?

Ist es eine Art gemischte Kombination, so als würde man durch ein dunkles Glas schauen und darüber nachdenken, wie das gemacht werden könnte. Ja, ich denke wirklich, dass das Weltmodell etwas Neues ist, und daher denke ich.

Dass es eine unvorhersehbare Zeitlinie ist. Wissen Sie, wenn ich an das Weltmodell denke, erinnere ich mich ein wenig daran, wo wir mit maschinellem Lernen stehen. Als ich 2004 meinen Abschluss in Harvard.

Machte und einen Kurs zur Einführung in künstliche Intelligenz gab, lernte ich Mark kennen.

Er war einer meiner Studenten in diesem Kurs.

Wir lehrten tatsächlich, dass neuronale Netze eine einst vielversprechende Technologie waren. Die heute als tot gilt.

Hm Und jeder musste ein neuronales Netz zur Handschrifterkennung bauen und es funktionierte. Und Sie Ja, das ist alles, wofür Sie es verwenden können.

Das war's.

Herzlichen Glückwunsch. Hier ist Ihr Abschluss. OK. Und jetzt Neuronale Netzwerke auf der ganzen Welt. Und Yanl hatte recht, wissen Sie? Und Jeffrey Hinton und Benji, Sie hatten Recht und Sie Alle gewannen den Turing Award.

Gott segne ihn. M. Und es bedurfte einer Reihe weiterer Neuerungen, insbesondere GPUs, um den Punkt zu erreichen, an dem diese Technologie florieren konnte. Also, wissen Sie, ich würde nicht wissen.

Sie, langfristig gegen Loon wetten, aber ich weiß noch nicht, was die Neuerung in diesem Bereich ist.

Ich denke, der verkörperte Teil kann beides.

Der verkörperte Teil wird einen großen Nutzen bringen und vielleicht bei der Weltmodellierung sehr hilfreich sein, sobald diese Sensoren da draußen sind und bessere, umfangreichere Daten vorliegen. Wenn Sie Robotikdaten haben, die Ihnen Propriozeption ermöglichen, die Ihnen Reibung ermöglicht, denke ich, dass das eine große Neuerung sein wird. Ich denke, die verkörperte Komponente ist vielleicht die falsche Reihenfolge. Die verkörperte Komponente ist wahrscheinlich das Mittelding. Es nützt den aktuellen Modellen enorm, diese Daten zu erhalten und in diesem Kontext zu stehen. Außerdem sind es wahrscheinlich einige der Daten, die man braucht, um zu verstehen, was es braucht, um ein Weltmodell zu erstellen.

Daher halte ich seine Aussage für sehr Man braucht definitiv eine reichhaltige Datenquelle und natürlich auch reale Daten, um Systeme zu entwickeln, die in der realen Welt agieren und natürlich die von Menschen gesetzten Ziele erreichen können.

Menschen existieren einfach nicht im Textparadigma.

Wir haben Sehvermögen, Geruchssinn, Tastsinn. All diese Daten fließen ständig in uns ein und bilden unser Weltmodell, das uns sehr effektives Denken ermöglicht.

Das ist meiner Meinung nach natürlich ein sehr wichtiger Punkt.

Wir stoßen an die informationstheoretischen Grenzen und.

Wir haben über Rechenleistung und Skalierungsgesetze gesprochen.

Aber wenn man zurückgeht zu Norbert Weiner und seiner Kybernetik, den ersten Konstrukten der Informationstheorie dieser Idee, wie viele Bits wir aus etwas herausziehen können, die verallgemeinerbar sind, die ausreichend verallgemeinerbar sind. Und wir stellen fest, dass das für alle jemals produzierten menschlichen Medien nicht ausreicht. Es reicht nicht. Das finden wir in der Robotik Robotik ist ein Projekt, das wir kürzlich innerhalb von Meta in Partnerschaft gestartet haben, sozusagen als Ergänzung zu unserem Lama Programm. Und egal, wie viele Videos man von.

Jemandem hat, der nach einer Kaffeetasse greift.

Man erhält nicht die benötigten Daten, weil.

Man die Propriozeption der angewendeten Kraft und.

Deren Erkennung nicht kennt.

Okay, das ist ein Plastikbecher.

Er wird sich bis zu einem gewissen Punkt verbiegen und es bildet sich Kondenswasser darauf.

Ich muss also etwas mehr Kraft aufwenden, um dem Reibungsverlust entgegenzuwirken, den ich erlebe. Wir tun das ganz automatisch.

Wir denken dabei nicht einmal bewusst darüber nach.

Aria, Wenn du dein Handy aus der Tasche nimmst, weißt du nicht, welchen Winkel dein zweiter Finger hat oder wie viel Kraft du mit deinem Daumen aufwendest, um die Tasten nicht zu erwischen.

Bis zu einem gewissen Grad meinen wir mit Intelligenz die höheren Funktionen des menschlichen Gehirns. Das ist wohl der weniger beeindruckende Teil der Intelligenz. Das Tiefenhirn, das Mammalon, die Amydala, diese Intelligenz des Reptilienhirns, die für uns in der modernen Zeit nur sehr schwer zu erfassen ist. So sehr mich das Wort Rechner auch begeistert. Ich glaube fest an Yanluns Vision, dass man diese Pionierarbeit leisten muss, um ein Weltmodell zu entwickeln, das gesunden Menschenverstand nutzt und Kausalität substantieller versteht, nicht in Form eines statistischen Suppentopfs, sondern modellbasiert.

Sie haben genau das gesehen, was ich gerade gesagt habe.

Der Punkt ist, dass Menschen über eine.

Eingebettete Intelligenz verfügen, die wir als selbstverständlich.

Voraussetzen und diese KI Systeme nur mit visuellen Daten zu trainieren, etwa mit einem Video, damit sie die Welt verstehen. Und etwas Text ist keine Verkörperung realer Intelligenz, da sie nicht in Kombination mit allem anderen existiert. Es gibt sozusagen all diese unausgesprochene Intelligenz.

Die wir einfach als selbstverständlich voraussetzen.

Was also ist laut Yanlic die Lösung? Er hat natürlich die Aussage getroffen, dass.

Dies überhaupt nicht passieren wird. Der CTO von Meta hat zugestimmt und natürlich sagten Wir werfen all diese Daten in den Müll und nichts funktioniert wirklich.

Jennekin hielt eine Präsentation, in der er.

Über die Abkehr von generativen modellen zugunsten gemeinsamer Einbettungsarchitekturen sprach er verlassen. Sie das probabilistische Modell zugunsten energiebasierter Modelle, Verzichten Sie auf kontrastive Methoden zugunsten regularisierter Methoden und verzichten Sie auf Reinforcement Learning.

Zugunsten modell prädiktiver Regelung. Er sagt also, wer an KI auf menschlichem Niveau interessiert ist, sollte nicht an LLM arbeiten. Erinnern Sie sich?

Ich habe in einem anderen Video darüber.

Gesprochen, dass all diese Unternehmen über AGI und ASI sprechen.

Wenn Sie sich jedoch für KI auf menschlichem Niveau interessieren, sind LLMs vielleicht nicht der richtige Weg. Schauen Sie sich diesen Clip an, denn ich halte ihn für sehr wichtig, weil er ihn besser erklärt, als ich es je könnte.

Im Grunde sagt er aber, dass wir noch einen langen Weg vor uns haben, um die wahre Intelligenz zu erschließen, die KI Systeme für komplexe Aufgaben benötigen.

Lassen Sie mich zum Fazit kommen. Ich habe einige Empfehlungen. Verzichten Sie auf generative Modelle. Die derzeit beliebteste Methode, an der alle arbeiten. Hören Sie auf, daran zu arbeiten. Arbeiten Sie an Jetpacks. Das sind keine generativen Modelle. Sie prognostizieren Wahrscheinlichkeitsmodelle im Repräsentationsraum, weil das unlösbar ist. Verwenden Sie energiebasierte Modelle. Wir haben seit 20 Jahren kontroverse Diskussionen darüber. Verzichten Sie auf kontraktive Methoden zugunsten regulierter Methoden. Verzichten Sie auf Reinforcement Learning. Aber ich sage das schon Wir wissen, dass es ineffizient ist. Reinforcement Learning sollte nur als letztes Mittel eingesetzt werden, wenn Ihr Modell ungenau ist oder Ihre Kostenfunktion ungenau ist. Aber wenn Sie an KI auf menschlichem Niveau interessiert sind, arbeiten Sie nicht an LLM. Das hat keinen Sinn. Wenn Sie in der Wissenschaft arbeiten, arbeiten Sie nicht an LLM, denn Sie konkurrieren mit Hunderten von Leuten, mit Zehntausenden von GPUs. Sie haben nichts beizutragen. Machen Sie etwas anderes. M Es gibt eine Reihe von Problemen zu lösen, wenn man diese Dinge mit großen Datenmengen trainiert. Planungsalgorithmen sind ziemlich ineffizient. Wir müssen uns bessere Methoden einfallen lassen. Wenn Sie sich also für Optimierung und angewandte Mathematik interessieren, ist das großartig. Ja, mit latenten Variablen. Hier sehen Sie deutlich, dass er empfiehlt, LMS aufzugeben und an anderen Architekturen zu arbeiten, die sich auf reale Intelligenz konzentrieren, nicht nur auf die Vorhersage des nächsten Tokens. Also lassen Sie mich wissen, was Sie davon halten. Glauben Sie, dass Yanlin recht hat? Natürlich glaube ich nicht, dass die meisten von uns als etablierte KI Forscher gelten, aber ich denke, seine Aussage hat definitiv etwas für sich. Ich denke, die Vorhersage des nächsten Tokens führt natürlich zu einigen Formen von Intelligenz, aber sie repliziert das menschliche Intelligenzniveau, die Komplexität. Ich denke, es ist wahrscheinlich viel weiter fortgeschritten, als wir denken und ich denke, wir werden das vielleicht in Zukunft sehen. Wer weiß. Es wird super interessant zu sehen sein, denn es gibt viel zu beachten. Aber ich wollte dieses Video machen, weil ich es ziemlich interessant fand.