AIGC動態(tài)歡迎閱讀

原標(biāo)題：圖靈獎(jiǎng)得主楊立昆：LLM缺乏對世界的理解力、孩子看到的視覺信息量媲美大模型全網(wǎng)文本訓(xùn)練數(shù)據(jù)量
關(guān)鍵字：模型,系統(tǒng),世界,架構(gòu),表示
文章來源：人工智能學(xué)家
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

來源：圖靈人工智能
本文講座圖文講稿整理自Yann LeCun在Hudsonforum Youtube頻道的講座，公開發(fā)表于2024月10年13日。原始內(nèi)容參考：https://www.youtube.com/watch?v=4DsCtgtQlZU
楊立昆在Hudsonforum的主題講座★內(nèi)容導(dǎo)讀：
Yann LeCun在本次演講中主要闡述了以下觀點(diǎn)：
對人類水平AI的需求與現(xiàn)狀差距： 我們迫切需要人類水平的AI來增強(qiáng)人類智能，提高生產(chǎn)力與創(chuàng)造力。但當(dāng)前AI系統(tǒng)（包括LLM）缺乏理解世界、記憶、直覺、常識、推理和規(guī)劃等人類能力。
現(xiàn)有AI技術(shù)的局限性： 當(dāng)前AI的成功依賴于自監(jiān)督學(xué)習(xí)，特別是通過重建來學(xué)習(xí)表示。但這種方法主要局限于離散數(shù)據(jù)（文本等），無法處理連續(xù)數(shù)據(jù)（視頻等），也無法實(shí)現(xiàn)真正的推理和常識學(xué)習(xí)。Moravec悖論體現(xiàn)了這一點(diǎn)：對人類來說簡單的事，對機(jī)器卻很難；反之亦然。
數(shù)據(jù)量與學(xué)習(xí)方式的差異： 人類幼兒在短短幾年內(nèi)獲取的數(shù)據(jù)量與大型語言模型相當(dāng)，但學(xué)習(xí)方式截然不同。人類的學(xué)習(xí)依賴于豐富的多模態(tài)數(shù)據(jù)（視覺、聽覺等），而不僅僅是文本。
目標(biāo)驅(qū)動AI架構(gòu)的提出： 為了克服現(xiàn)

原文鏈接：圖靈獎(jiǎng)得主楊立昆：LLM缺乏對世界的理解力、孩子看到的視覺信息量媲美大模型全網(wǎng)文本訓(xùn)練數(shù)據(jù)量

聯(lián)系作者

文章來源：人工智能學(xué)家
作者微信：
作者簡介：