通用人工智能到超级智能的发展将带来智能爆炸,加速算法进步,引发军事和经济爆炸。然而,自动化人工智能研究仍面临挑战。
本文讨论了扩展语言大模型(LLMs++)对实现通用人工智能(AGI)的有效性和影响。正方认为,通过扩展模型规模、算法进步和硬件改进,有望在2040年之前实现AGI。反方则认为,数据不足、模型泛化能力有限以及基准测试的局限性可能阻碍了扩展的有效性。作者个人观点是,通过扩展+算法进步+硬件进步,有70%的可能性在2040年之前实现AGI。
自2012年以来,训练神经网络达到ImageNet分类相同性能所需的计算量每16个月减少一半。与2012年相比,训练达到AlexNet水平的计算量减少了44倍,表明算法进步超过了传统硬件效率。
完成下面两步后,将自动完成登录并继续当前操作。