Lecun与Hinton对大型语言模型（LLM）的看法存在显著分歧。Hinton认为LLM接近人类智能，而Lecun则认为LLM并非通往人类智能的路径，强调世界模型的重要性，认为智能系统需要预测行为后果的能力。Lecun最近离开Meta，创办了AMI，专注于现实世界的AI应用，认为突破性研究需要优秀人才和资源支持。

麻省理工学院的西格尔家庭智能研究中心（SQI）汇聚多学科研究者，探索人类智能及其在人工系统中的应用。SQI致力于理解大脑如何产生智能，并通过神经科学和行为研究揭示智能的基本原理。近期，该中心获得西格尔家庭的捐赠，推动研究与活动的发展，并强调跨领域合作以促进人工智能的进步。

菲利普·伊索拉研究人类智能与机器智能的关系，专注于计算机视觉和机器学习。他认为理解AI的智能机制有助于安全有效地将其融入社会，研究内容包括自监督学习和表示学习，旨在揭示人类与机器智能的共同点。

天主教会深入探讨了人工智能（AI）与人类智能的本质差异，认为AI是人类智能的产物，无法理解现实的复杂性。人类的理性和灵性使我们超越简单任务，而AI缺乏这种深度。教会警告，过度将AI视为人类智能的替代品可能导致偶像崇拜。

AI行业正迅速向AGI和超级智能发展，但对此存在分歧。OpenAI等公司对AGI的定义和实现持怀疑态度，许多专家认为AGI仍是理论，人类智能的本质难以界定。

人类正面临历史转折点，AI系统超越人类智能，具备自我思考和判断能力。人类的独特性在于不可预测的行动，柏格森的“持续性”和“直觉”概念揭示了人类创造力的本质。人类的经验和情感赋予知识深度，创造新的意义。人类与LLM的合作应发挥各自优势，创造新形式，而非单纯的知识转移。

Hika AI是一款AI驱动的知识搜索工具，旨在通过多角度帮助用户深入理解问题。与传统搜索工具不同，Hika提供增强的文本答案、段落式探索和图形解释，以提高信息获取效率。团队认为AI无法完全替代人类智能，Hika专注于深度挖掘信息，提升思维效率。

人工智能的发展已经超越了人类智能，一些模型感觉非常聪明，而另一些则不那么聪明。大部分人类并不怎么聪明，这是一种实质性的证据。

本文讨论了LLM与人类智能之间的区别，指出人类智能具有抽象和泛化能力，而GPT-3的训练使用的数据量远远大于人类所需。人类的学习通过抽象和泛化实现，还可以使用数学工具进行抽象和推理。相比之下，神经网络模型通常无法解释和推理。然而，训练一个足够大的神经网络来模仿人脑功能仍然是一个巨大的技术突破。技术决策者需要评估AIGC相关能力是否能成为核心竞争力，以及是否能降低成本提高效率。