他们正在和一个机器人打交道。 “图灵测试通过了吗？”，我们当时问自己。我们正式进入智能机器时代了吗？2022 年 6 月，轮到了智能系统 LaMDA和谷歌工程师 Blake Lemoine，在与这个聊天机器人进行了长时间的对话后，他确信 LaMDA 已经有了知觉。 最后，显然还有 的例子，这是Open 在 GPT-3 的基础上创建的聊天机器人即通过文本进行通信的系统 ：一个配备了超过 2000 亿个参数的庞大深度学习系统我们可以粗略地计算出这些参数。
考虑一下我们神经元的数字等
效物并使用超过 800 GB 的信息进行训练，其中包括整个英语维基百科。 在这篇文章中，我们将特别看到： 和 GPT-4：进步还是倒退？ 深 马来西亚 BC 数据 习算法目前的局限性 加托和他的智能 我们能达到通用智能吗？ 目前自动驾驶失败的原因 深度学习：提高质量，减少数量 深度学习是否已达到极限？ – 高级媒体实验室 订阅我们的时事通讯 与阅读我们新闻通讯的 多名订阅者一起，深入探讨与 360 度数字化转型相关的问题。
报名 和 GPT-4：进步还是倒退？
能够通过响应我们的简单命令，使所有类生例如，您可以要求它创作一首带有讽刺意味的莎士比亚风格的诗歌，或者创作一篇关于任何主题的科学论文，这已经产生了很多成果。的关注，确保它被视为绝对的新奇事物。 尽管这个神经网络的规模和训练数据量确实是前所未有的，但 并不代表什么新鲜事，而只是深度学习系统向前迈出的又一步。 这同样适用于即将推出的GPT-4，它将具有更多的参数，并将使用更令人印象深刻的数据量进行训练，但将具有相 带来很多好但仔细考虑所涉及 同的学习特征我们将回到这些功能系统，它将具有相同的优点，并将再次展示相同的局限性和缺陷。
正如神经科学教授加里·马库
斯Gary Marcus在 Duplex 演示中所解释的那样，这些系统仍然有局限性，因为它们代表了真正智能的萌芽阶段： “现实是，智能专家不知道如何 博茨瓦纳 电话号码 成功地做得更好。比那个。” 深度学习算法目前的局限性 鉴于智能的不断进步——虽然总是渐进的而不是革命性的——也许说计算机科学家不知道如何推进这些系统就太过分了。 然而可以肯定的是，到目前为止我们所讨论的所有系统以及所有其他深度学习算法——即目前以智能为基础的学习方法——都在向我们展示什么是限制和障碍有些这些工具所面临的挑战正如我们将看到的，也许是不可克服的。
