详细内容或原文请订阅后点击阅览
随着更好的聊天机器人越来越难构建，人工智能转向模拟世界
为了追求人类水平的智能，研究人员正在开发通过在虚拟环境中行动来学习的智能体，而不是简单地吸收更多文本
来源:Science Magazine在一家初创公司的纽约办公室，人工智能 (AI) 程序梦想着一个动态的世界。当我玩视频游戏时（在房间中导航、与其他角色对峙），每一帧都是在新泽西州的数据中心实时生成的。但这个挑战并不是为人类设计的。我停了下来，一个自主的人工智能代理接替了我。 General Intuition 联合创始人 Adam Jelley 表示：“一个人工智能在另一个人工智能的大脑中运行。”
General Intuition 押注这种系统（人工智能代理通过在模拟世界中行动来学习）最终将超越大型语言模型 (LLM)，后者是 ChatGPT、Claude、Gemini 和 Grok 等聊天机器人背后的主导人工智能模型。
在过去十年左右的时间里，业界理所当然地认为法学硕士规模越大越好。这是 2020 年一篇被大量引用的论文的结论，该论文发现，只要提高模型的大小、训练数据或用于训练模型的计算能力，性能就会提高。研究负责人、约翰·霍普金斯大学理论物理学家贾里德·卡普兰表示，“我们对趋势的一致性感到非常惊讶”。这些“缩放定律”似乎在几个数量级上成立。人工智能行业的教训是明确的：不惜一切代价实现增长。
自该论文发表以来，这些公司已经这样做了。他们每年花费数千亿美元来构建具有数千亿甚至数万亿个可调整参数的人工智能模型，并根据从互联网上抓取的数万亿个单词和图像进行训练。据估计，OpenAI 最新的 GPT 模型的大小是其最大的 2020 年模型的几倍，并且使用的数据量要多出一个数量级。最近，公司增加了另一个扩展杠杆：测试时计算。通过让模型在回答之前思考更长时间，可以提高性能，而不必在更多数据上训练更大的模型。
我开玩笑说，我们今天拥有的最智能的系统还没有家猫那么聪明。