AI推理范式、AGI定义、机器人经济等讨论
另类观点：
1. 双胞胎和三胞胎未显示较低的神经密度——因此哺乳动物神经元的极限可能是一个务实的环境限制，而非物理限制。在动物世界的其他部分，非洲灰鹦鹉展示了相对较小大脑的卓越能力（神经元数量更多，但消耗能量更少）。大脑功能比神经元数量更复杂。
2. 通过牺牲时间来使用相同计算量获得更好答案的推理范式具有广泛影响：GPT-OSS让你在比GPT-4更旧的家用计算机系统上获得GPT-4级别的智能。这就像让老鼠大脑总结莎士比亚。
3. 如果小型玩家没有从前沿实验室模型蒸馏出的数万亿个token进行训练，他们是否能创建最好的模型还有待观察。这是一个令人不安的事实，但却是现实。
4. OpenAI在全力推进前沿的同时，也在多个方面押注应用层心态。GPT-5-mini足以满足99%的ChatGPT查询。Google也采取了多模型方法。
5. 我从未听说有人将AGI描述为“能完成所有人类之事”。“I”在AGI中代表“智能”，而非“物理”。
6. 通用机器人的目标是创建能够以比专用机械更低的成本完成各种任务的系统。一台500吨金属压机不会逐年降低500吨金属压机的成本。通用机器人可以做到这一点。你可能仍然需要500吨金属压机，但它们会逐年变得更便宜，而不是更贵。
7. 我所了解的每一个超级智能努力都在整合现实世界数据。Chan-Zuckerberg BioHub聘请Evolutionary Scale的Alex Rives作为首席研究员，一楼摆满了电子显微镜。像Segment Anything Model 3这样的AI工具经过训练可识别细胞机器。
8. 计算（超越标准GPU）有多种持续改进的路径。例如专为推理与训练设计的定制硅、晶圆级和光子学。
怀疑论者和支持者讨论AGI时都缺乏对能力的明确预测。我非常好奇，想知道你认为到2030年AI系统无法完成哪些具体任务，而这些任务是普通人今天可以做到的。
1. 双胞胎和三胞胎未显示较低的神经密度——因此哺乳动物神经元的极限可能是一个务实的环境限制，而非物理限制。在动物世界的其他部分，非洲灰鹦鹉展示了相对较小大脑的卓越能力（神经元数量更多，但消耗能量更少）。大脑功能比神经元数量更复杂。
2. 通过牺牲时间来使用相同计算量获得更好答案的推理范式具有广泛影响：GPT-OSS让你在比GPT-4更旧的家用计算机系统上获得GPT-4级别的智能。这就像让老鼠大脑总结莎士比亚。
3. 如果小型玩家没有从前沿实验室模型蒸馏出的数万亿个token进行训练，他们是否能创建最好的模型还有待观察。这是一个令人不安的事实，但却是现实。
4. OpenAI在全力推进前沿的同时，也在多个方面押注应用层心态。GPT-5-mini足以满足99%的ChatGPT查询。Google也采取了多模型方法。
5. 我从未听说有人将AGI描述为“能完成所有人类之事”。“I”在AGI中代表“智能”，而非“物理”。
6. 通用机器人的目标是创建能够以比专用机械更低的成本完成各种任务的系统。一台500吨金属压机不会逐年降低500吨金属压机的成本。通用机器人可以做到这一点。你可能仍然需要500吨金属压机，但它们会逐年变得更便宜，而不是更贵。
7. 我所了解的每一个超级智能努力都在整合现实世界数据。Chan-Zuckerberg BioHub聘请Evolutionary Scale的Alex Rives作为首席研究员，一楼摆满了电子显微镜。像Segment Anything Model 3这样的AI工具经过训练可识别细胞机器。
8. 计算（超越标准GPU）有多种持续改进的路径。例如专为推理与训练设计的定制硅、晶圆级和光子学。
怀疑论者和支持者讨论AGI时都缺乏对能力的明确预测。我非常好奇，想知道你认为到2030年AI系统无法完成哪些具体任务，而这些任务是普通人今天可以做到的。