- Интеллект: динамический процесс, а не статичная характеристика.
- Большие языковые модели (LLM) делают ставку на предсказание, меняя понимание ИИ.
- Шиблер переопределяет ИИ, подчеркивая его утилитарность как инструмента.
В смелой и провокационной критике Джозеф Шиблер оспаривает преобладающее повествование вокруг искусственного интеллекта (ИИ) и его приложений, предлагая фундаментальную переоценку терминологии и концептуализации.
Шайбер утверждает, что современная номенклатура искажает природу и возможности систем, которые обычно называют «искусственным интеллектом», особенно больших языковых моделей (LLM).
Переопределение LLM: Настоящие инструменты, а не искусственные
Первое утверждение Шайбера оспаривает саму терминологию, используемую для описания этих систем. Проводя параллели с такими бытовыми приборами, как стиральные машины и автомобили, Шайбер полагает, что называть LLM «искусственными» — это некорректный термин.
В отличие от поддельных или фальшивых конструкций, LLM являются подлинными помощниками, созданными для упрощения и улучшения человеческой деятельности. Их достижения в понимании и языковом восприятии, отмеченные в недавних исследованиях, подчеркивают их практическую полезность.
Ложность понятия «Искусственный интеллект»
Шайбер утверждает, что сам термин «искусственный интеллект» вводит в заблуждение, так как он подразумевает уровень когнитивных способностей, которого у LLM нет. Признавая значительный прогресс, достигнутый LLM, Шайбер утверждает, что интеллект — это непрерывный процесс, а не статичная характеристика. Он опровергает аргументы, основанные на сознании, воплощении и опыте, вместо этого фокусируясь на природе интеллекта как на коллективном, эволюционном стремлении, направляемом институтами.
Развенчание заблуждений: Интеллект против предсказания
В основе аргументации Шайбера лежит важное различие между целями человеческого интеллекта и LLM. В то время как человеческий интеллект стремится к поиску истины через тестирование и итерации, LLM отдают приоритет предсказанию ответов на основе существующих данных.
Шайбер предполагает, что LLM преуспевают в генерации правдоподобных ответов, похожих на человеческие, а не в точном отражении реальности. Это критическое различие подрывает их классификацию как интеллектуальных сущностей.
Критика Шайбера бросает вызов общепринятым взглядам и вызывает переоценку того, как общество воспринимает и называет достижения в области искусственного интеллекта. Переосмысливая LLM как подлинные инструменты и подчеркивая их предсказательную, а не поисковую истину природу, Шайбер предлагает нюансированную перспективу, которая побуждает к более глубокому размышлению о природе интеллекта и роли технологий в формировании человеческой деятельности.
Последствия для будущего развития
Анализ Шайбера имеет значительные последствия для ongoing разработки и внедрения технологий ИИ. Признавая ограничения текущей терминологии и концептуальных рамок, исследователи и политики могут принять более нюансированный подход к управлению и этике ИИ.
Призыв Шайбера переоценить цели и возможности LLM способствует переходу к более прозрачным и ответственным практикам разработки ИИ.
Переопределение ИИ требует смены парадигмы
Критика Джозефа Шайбера бросает вызов преобладающим представлениям об искусственном интеллекте, выступая за переоценку терминологии и концептуальных рамок. Переосмысливая LLM как подлинные инструменты и подчеркивая их предсказательную природу, Шайбер способствует более глубокому пониманию целей и ограничений технологий ИИ.
По мере того как общество продолжает разбираться с последствиями ИИ, идеи Шайбера предлагают ценную перспективу для навигации по сложному пересечению технологий и человеческого интеллекта.
Самые умные крипто-энтузиасты уже читают нашу рассылку. Хотите присоединиться? Присоединяйтесь.
Отказ от ответственности. Предоставленная информация не является торговой рекомендацией. Cryptopolitan.com Мы не несем ответственности за любые инвестиции, сделанные на основе информации, представленной на этой странице. Мы настоятельно рекомендуем проводить независимое исследование и/или проконсультироваться с квалифицированным специалистом перед принятием любых инвестиционных решений.
Эмман Омванда
Экспертиза Эммануэля Омванды охватывает рынки криптовалют, включая фундаментальный и технический анализ. Ранее он работал в различных крипто-медиа-изданиях перед присоединением к Cryptopolitan, включая CoinEdition, The Crypto Basic, CryptoNews Flash и DroomDroom. Он имеет степень бакалавра наук (BSc.) по математике и компьютерным наукам Университета Кеньятта (Кения) и в настоящее время находится на последнем году обучения по степени бакалавра искусств в области коммуникаций и медиаисследований.
