通过无限的后训练『补丁』，就能实现AGI吗？

文章预览

本文来自往期 PRO会员通讯精选解读，文末关注「机器之心PRO会员」，查看更多专题解读。 o1 模型的推出将研究方向从预训练带向了推理层，尽管给大模型「打补丁」的方式取得了一定效果，但无限地通过扩展测试时间计算，就能实现通用人工智能吗？规模能扩展到什么程度？计算资源、时间成本问题如何解决？无限的知识和数据是否意味着大模型具有真实的泛化能力？ 强化学习之父 Richard Sutton 这样形容当下的业内研究方向，「就像是在路灯下找钥匙的问题，我丢了钥匙会在路灯下找，因为那里能看见，尽管那可能不是钥匙所在的地方。」 分别来自阿尔伯塔大学、Google DeepMind的两项研究工作跳出了「在路灯下找钥匙」的视野范围，指出了实现更强 AI 的两个可能方向。 目录 01. o1 还不能称为 AGI：推理计算之外，实现 AGI 还有哪些不一样的思路？ o1 ………………………………