对人工智能大模型能力边界的初探和一种新的AGI实现途径
对人工智能大模型能力边界的初探和一种新的AGI实现途径
A Preliminary Study on the Capability Boundaries of LLM and a New Approach to AGI
摘要
目前主流的人工智能，普遍采用“注意力机制 + 深度学习”+“强化学习”的技术道路。我们认为“强化学习”无法适用到那些难以大量“试错”的领域。所以，要想实现能适用于任何领域的通用人工智能，我们必须转变实现道路。所以，我们提出了一套不同于“深度学习+强化学习”的机器学习方案，它通过小样本、累积学习，同样实现了和 transformer 相似的注意力机制，也同样创建了全连接知识网络。并且，它不需要采用试错学习的方式，就可以实现和环境的互动决策。并且人类可以给它预置不同的先天需求，来实现多目标平衡，从而实现远高于目前人工智能的安全性。在本文中，我们提出了一套从0 到1 的新机器学习技术方案。
评论