杰弗里·辛顿（Jeffrey Hinton）关于WAIC的完整演讲：AI发展的历史，知识传播特征

作者林YI 来源：关键点 2025年世界人工智能会议（WAIC）将于7月26日至7月29日在上海举行。杰弗里·欣顿（Jeffrey Hinton）是2024年诺贝尔奖获得者，也参加了2018年图灵奖的获得者，并参加了演讲。 欣顿说，人类可能是一个大型语言模型，因为人们以与大型语言模型相同的方式理解语言。人类具有幻觉，例如大型语言模型，但较大的语言模型与人类根本不同，甚至比人类更强大。 欣顿说，几乎所有专家都认为，人工智能似乎比人类聪明。为了完成任务，AI代理可能希望生存并获得更多的控制和操纵人类。就像抚养老虎作为宠物一样，刚刚出现AI是不现实的，并且在抬起它后可能会受到损害。人类无法消除AI，因为它们在许多领域都起着重要作用。 他希望建立AI安全代理和国际社会学习和培训AI。各国可以在主权范围内研究和分享结果。全球或主要国家应考虑建立相关网络并研究如何培训智能AI以支持人类，而不是破坏或控制人类。这是人类长期以来面临的重要问题。 我们为您建立要点： 1。AI发展的历史 两个范式：在过去的60年中，AI有两个不同的范式和路径。一个是上个世纪占主导地位的逻辑范式。人们认为，逻辑智能的本质在于推理，并且通过符号规则对符号表示的操纵是为了理解Consit的另一种方法的代表是理解基于生物学基础的AI。图灵（Turing）和冯·诺曼（Von Neumann）认为，智力的基础在于学习了解神经元网络的速度。 早期的1985年的尝试：Spekeer0创建了一个小型模型，并收集了以前的两个理论。关节，我们为每个单词配置了几种不同的特征，并尝试预测以下单词记录数值特征。在此过程中，没有保存句子，生成句子，以预测随后的词汇。相关性的知识取决于单词语义属性的相互作用。 随后的发展：十年后，Beio使用类似的模型来建模和扩展量表，成为自然语言的真正模拟。二十年后，计算语言学家开始接受向量的完整性来表达单词的含义。 30年后，Google发明了Trance，Openai显示了结果。自1985年以来，当今的大型语言模型被认为是相关研究的延续，使用更多单词和更多的神经元结构来建立更复杂的特征互动模式NS。 2。大型语言模型和对人类语言的理解 相似性：大型语言模型理解问题的方式类似于人类理解语言，将语言转化为特征并完美整合它们的方式。使用乐高构造隐喻，每个单词都像一个多维的乐高构造块，它使您可以构建不同的内容。语言成为建模，并且可以根据情况进行调整单词，以便每个单词都有多个“手”，而“手紧”的方法代表不同的含义。理解人脑或神经元网络意义的过程类似于氨基酸蛋白的组合，以产生更重要的含量。 区别：基本差异是计算机科学将硬件软件分开。该软件的知识将永远存在。即使破坏了硬件，也可以在它在那里。为了实现这种不朽，晶体管必须高速和高速运行，硬件特征是不稳定和可靠的。模拟了人的大脑，神经元连接的方式因人而异，并且知识的传播与硬件有关。 3。知识的传播和效率 人类和数字智能的比较：人类知识的传播效率低下，为TrspeechAvés提供每100位的信息。可以同时共享数字智能，以相同的神经元网络软件，在不同的硬件副本中幸存的知识，平均重量位置和数十亿个信息。例如，GPT4在各种硬件中执行，可以共享从Internet学到的信息。 能源消耗与知识交换之间的商业：数字计算的能源消耗很大，但代理可以获得相同的重量，对Sharin很有用g经验。生物计算的能源消耗很小，但是知识的交换很困难。当能源低时，数字计算机科学的好处更为明显。 4。人与人类反应的未来发展 对AI的潜在威胁：几乎所有专家都认为，AI似乎比人类聪明。为了完成任务，这些代理商会操纵人类和简单的人，他们将把它们拒之门外，这是不现实的，并且在长大后会受到他们的伤害，就像他们被抚养长大一样。 措施：人类无法消除AI，必须找到训练AI以避免排除的方法。尽管各国很难与网络攻击和其他方面进行合作，但在冷战期间，诸如美国和苏联等世界上占主导地位的人口统计始终存在兴趣。预计将建立一个人工智能和研究和培训AI的国际社会，使各国能够对其进行调查并分享其成果自己的。有人建议在全球或人工智能的主要国家建立网络，以研究如何培训智能AI以支持人类工作。 话语的转录如下所示（由AI编辑）。 我借此机会分享了自己的个人意见，人工智能的历史及其未来的历史。 它已经存在大约60年了，AI具有两个不同的范式和路径。一个是合乎逻辑的。换句话说，上个世纪是基于逻辑范式的。这意味着什么？每个人都认为这是推理中逻辑智能的本质。为了实现推论，我们使用一些符号规则来操纵符号表达式。因此，这就是如何将知识用于其他知识的方式。了解表达什么有帮助吗？这是基于AI的生物学的理解，这就是图灵和冯·诺伊曼相信的。它是学习和更好地了解学习网络中一些连接速度的智力的基础。 理解在此过程中丁是一个优先事项，可以帮助您实现学习。结合这两种理论，它是AI的象征原理。由于这些数字是丑陋的事物，这些数字最终是否可以关注单词之间的关系？内心的天才，他是另一种理论，显然是完全不同的理论。数字的含义实际上是一组语义属性。这些特征存在，并且自然在1985年变得与众不同。我创建了一个很小的模型，并希望结合这两种理论，以更好地理解人们如何理解单词。因此，每个单词都有几种不同的特征。然后，当在上一个数字中记录此函数时，它可以预测以下数字是多少，以下单词是什么以及以下单词是什么，并预测以下单词。 这个过程不会存储祈祷，而是产生祈祷，然后预测下一个单词将是什么。其次，协会的知识也很重要关于不同语义单词和属性如何相互作用的ND。未来30年将会发生什么？十年后，他使用了这样的模型来建模Beior，但它使其更大。这与自然语言的真实模拟相媲美。二十年后，计算语言学家终于开始接受了刻有特征的向量来表达单词的含义。 然后，30年后，Google发明了变压器，而歌剧研究人员向所有人展示了他能做什么。然后，我们今天的大语言模型认为这是微信语言模型的后代。自1985年以来，他们使用更多的单词作为进入和更多的神经元结构层。因为有需要。大量模棱两可的数字用于在学习功能之间建立更复杂的相互作用模式。 但是，就像我所做的小型模型一样，统一模型是管理语言的人。这与理解它一样。基本理解是翻译这些厌倦了几种特征，并以非常完美的方式整合它们。这就是在各个层面上发生的事情。因此，我了解大型语言模型确实理解了他们如何理解问题。这与人类理解语言一样。因此，我将在这里举一个例子，祈祷理解什么，其中包含什么？该符号的AI是什么？ 该系列是将该系列变成几种符号和不可变的语言，但是这样的人类并没有理解真实情况。我想在这里举一个例子。这是为了创建一个乐高建筑块。您可以通过乐高构造块创建任何3D。一个允许您创建小型汽车型号的模型。尝试每个单词作为多维乐高建筑块。可能有数千个不同的维度，因此这种类型的乐高构造块可以制造如此多的维度，可以对其进行建模，并且可以使许多延期延迟。 这使得语言模型。这种语言可以随时与人们交流并命名这些构造块。其次，每个构造块都是一个单词。因此，有许多乐高积木与几个不同的乐高积木之间的差异不同。有一些单词，例如乐高构造块，但是单词的形状，其符号，其形式基本上是一种配置，但也基于各种情况。 进行调整后，乐高模型将相对可靠，将正方形插入一个小方孔中。但是，语言是不同的，并且可以想象每种语言中的每个单词都有许多手。 例如。如果您想更好地理解这个词，则可以在这个词和另一个单词之间正确挥动。因此，当这个词的形状转换时，您用另一个词给自己的庄园的方式会延迟。这是优化问题。在我的话转变后，它们的含义改变了。所以我们如何用以下单词摇动这个词并获得更好的含义？这是人脑的意思吗？这个神经元网络对于理解含义很重要。 这是最基本的。因此，它是将蛋白质蛋白结合在一起的。通过几种氨基酸模型整合并合并蛋白质。稍后将其结合起来将带来更重要的内容。这就是人脑理解单词的方式。语言道路。 因此，到目前为止，我已经说过的一件事是，人们理解语言的方式大致与语言模型理解语言的方式大致相同。因此，人类可以成为大型语言模型，并且人类也创造出幻觉为大语言模型。 您如何执行大型语言模型？但是，也有一些重要的基本方法：单位模型与人类不同，并且比人类更强大。计算机科学的基本原理是应该考虑软件和硬件ed分别。这意味着可以在各种硬件中完成。然后是相同的软件。这与我们不同，这是计算机科学的存在。 如果您可以工作，那么软件知识将永远存在。该软件始终放在程序上，并且始终存在。您可以破坏最大的硬件，而LM中存在的硬件将被破坏。但是，从这个意义上讲，这种计算机程序的知识是永恒的，并且不会死亡，只要该软件继续存在。那么有什么区别呢？因此，为了实现这种不朽，我们以很高的力量执行并产生了二进制措施。这个过程非常昂贵。 这些属性稳定且不可靠，因此无法利用粒子与硬件的丰富特性。每个。是的，这是一个模拟，因此每次计算它时都会有所不同。模拟了人的大脑。人脑不是数字化的。每次刺激神经元时，它都会模拟，并且每次都相同。因为我每个人的连接都不同，并且我们每个人的连接都不同，所以我的神经元连接方法适用于我大脑的神经元结构。 其次，知识的传播和硬件的传播意味着人的大脑和硬件是不同的，这带来了问题。 如果您无法实现永生，这些知识软件。由于Noit取决于硬件，因此是不朽的，并提供了两个巨大的好处。 我们可以用很少的电力使用这种电力，只有30瓦的大脑就足够了。具有数十亿个神经元连接，情况与电子管的情况相同。您不必花很多钱就可以创建完全相同的硬件。但是我们仍然有很大的问题。这是将从模拟模型转移到另一个模型，然后从那里转移该知识。这非常低效，非常困难。我ca不要用我的东西向你展示我内心的一切。那不是真的。我们所能做的就是使用其他方法。 让我解释一下我学到的东西。因此，解决此问题的最佳方法称为蒸馏。这就是这样做。这是将大型神经元网络的知识转移到小型神经元网络中进行蒸馏。根据这个想法，这是一种大师研究的关系，在某些情况下，Mastan可以将事物联系起来，将单词与另一个上下文联系起来，说相同，但请调整这一点。这是我们训练和将知识从一个人转移到另一个人的方式相同的，但是他效率很低。 因此，100位语句可能不包含太多信息。这限制了可以转移给他人的知识量。我可以以非常缓慢的方式成为知识。最好每秒使用约100位。了解我所有的话，效率不是那么高，但是与挖掘之间的知识的效率相比，效率有很大的差异斜体情报。我没有相同的神经元网络。该软件制作了数百个不同的副本，并将其放置在不同的硬件中。所有使用数字。他们能够以相同的方式使用自己的费率分享自己的知识，并升级这种职位。 互联网可以拥有数千份，它们可以更换您的权重，然后取平均值，以便可以转移，并且上述转移的速度取决于您拥有的连接点的数量。 这样，您每次都可以分享几次碎屑，而不是数十亿次。然后，它比人类知识快数千万。因此，GPT4非常好，具有不同的硬件执行的不同副本，这使您可以共享您从Internet学习的不同信息。如果您有一个在现实世界中运行的代理商，这一点更为重要。因为它们可以加速并连续复制，如果有很多代理商，他们将学习n比单个代理多。他们可以共享权重，模拟软件或模拟硬件无法做到这一点。 因此，我们认为，数字计算需要大量的能量，但是代理可以轻松地获得相同的重量并分享他们从几种体验中学到的知识。生物计算机科学使用的能量较少，但是共享知识很困难。正如我现在所表明的那样，当能量便宜时，数字计算机科学要好得多。那也担心我。 因为几乎所有专家都认为我们比我们更聪明。 由于我们习惯于成为最聪明的生物，许多人是否很难想象如果AI比世界上的人类聪明会发生什么？您可以这样看到。如果您想知道会发生什么，如果不是人类，还是最聪明的？会发生什么？我们可以询问鸡并创建IA代理。他们可以帮助我们完成任务。这些代理已经有能力复制它们。他们可以给出亚物体CL调解。然后，他们想做两件事，我们将生存下来，我们将实现我们所给的他们的目标。 他们还希望获得更多的控制权，同时实现我们实现的目标，因此这些代理人希望生存并获得更多控制权。 我认为我们不能将它们放在关注的中心。他们非常方便地操纵使用它们的人。他们大约3年，然后成为成年人。操纵3年的孩子非常容易。 因此，如果有人认为他们很聪明，我们将其关闭。这是不现实的。他们操作并说服那些控制机器的人，以免我们关闭它们。 所以我认为我们处于当前情况。有些人将老虎视为宠物。老虎也可以用作老虎幼犬，这是一只非常漂亮的宠物。 但是，如果您有这只宠物，则应确保您长大后不会杀死您。 总体而言，养一只老虎作为宠物不是一个好主意，所以只有两个options。 如果您训练它，他不会杀了你。或者，如果您杀死他，如果我们使用AI，我们将无法消除它。 AI非常好，做很多事情。在《注意力学》，教育，气候变化，新材料，AI中提到了其中的许多，这些任务做得很好，以至于帮助所有行业提高效率。我们无法消除AI。如果一个国家消除了人工智能，其他人则不会。因此，这不是一个选择。换句话说，如果您想生存，则必须找到一种训练AI的方法，以免摧毁它们。 现在我表达了我的意见。我认为，该国无法在某些方面进行合作，例如网络攻击，致命武器或操纵公众舆论的虚假视频。不同国家的利益是不一致的，并且具有不同的观点。我认为在这方面没有有效的国际合作。它可以防止某些人创建病毒，但是这些方面是国际的，没有合作社n。但是我们共同努力的一个方面，我认为这也是最重要的问题。 让我们看一下1950年代冷战的顶部。 Estados Unidos和苏联合作避免了全球核战争。没有人愿意与一场核战争作斗争。他们在许多方面都处于冲突状态，但是他们可以在这一点上共同努力。我们目前的情况是，没有国家不希望AI控制世界，所有国家都希望人类控制世界。如果一个国家找到一种防止AI运营的方法，那么这个国家肯定会很高兴与其他国家进行交流。因此，我们希望拥有一个由AI安全机构组成的国际社会，以学习技能，培训和提高技能。 我们希望训练AI。这与AI智能技术的培训不同。因此，所有国家都可以进行自己的研究以使AI变得好。您可以调查您的主权人工智能，不能将其交给其他国家，但是您可以与所有人分享结果，也就是说，如何培训AI使AI变得好。 然后，他建议世界或主要国家或人工智能国家应该考虑如何建立一个网络，其中包括来自几个国家的几个机构来研究这些问题，以及如何培训AI，这已经是非常聪明的。这将摧毁人类并统治世界，因此请让它愿意进行援助工作。 AI比人类聪明得多，但我不知道该怎么做。从长远来看，这是人类面临的最重要问题。我们的好消息是，所有国家都可以在这个问题上共同努力，谢谢。 官方NINA Finance帐户 24-最新信息和财务视频的流离失所，以及扫描QR码以关注更多粉丝（Sinafinance）