DeepMind описала 4 пути перехода от AGI к ASI
DeepMind вместе с исследователями из нескольких университетов разложила путь от AGI к ASI на четыре параллельных сценария: скейлинг, смену парадигмы, рекурсивное самоулучшение и мульти-агентные системы. Самый трезвый момент в докладе — никаких обещаний «одного скачка»: авторы ждут цепочку локальных сдвигов, а не фокус с внезапным сверхразумом.
При этом список тормозов выглядит вполне приземлённо: дорогие чипы, дефицит качественных данных, регуляторы и «барьер абстракции», если модели упрются в пределы человеческих данных. И ещё важная оговорка: даже AGI не станет всеведущим — физика, сложность и математика никуда не деваются.
Источники: Machinelearning, Data Science by ODS.ai
Все новости: ai.popovs.tech
В этом посте были ссылки, но мы их удалили по правилам Сетки
