Тёмный

秒懂人工智慧【四】AGI與GAI差別在哪!? 

曲博科技教室 Dr. J Class
Подписаться 361 тыс.
Просмотров 20 тыс.
50% 1

#人工智慧 #AI #機器學習 #ML #生成式人工智慧 #GPT #chatgpt #gpt4 #AGI #GAI #通用人工智慧 #決策式人工智慧

Наука

Опубликовано:

 

24 янв 2024

Поделиться:

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист
Посмотреть позже
Комментарии : 33   
@LyndaChangChen
@LyndaChangChen 2 месяца назад
謝謝🙏
@user-xe5ip9ey2o
@user-xe5ip9ey2o Месяц назад
推論,不一定要用於預測未來,也可用於推估過去或現在,且推估這些也可有助預測未來。
@yiuhhsinggou3666
@yiuhhsinggou3666 2 месяца назад
在见到真正的AI之前,人类应该已经自我毁灭了。
@loverpeace3031
@loverpeace3031 5 месяцев назад
到有AGI 時就是人類被機械取代的時候。
@Ansforce
@Ansforce 5 месяцев назад
不過這個還要很久。
@user-xe5ip9ey2o
@user-xe5ip9ey2o Месяц назад
基於類神經網路的機器學習主要是被卡在要以簡略或增加訓練資料多樣性(註:規模越小越需要專家學者)/規模來減少過適的機率或強度。不會是硬體進步來擴大資料規模就可以達到AGI或ASI,而是要改變演算法(使非基於類神經網路),就像餵給資料庫程式再多資料,或是讓超級電腦去運算(註:量子電腦較不穩定,且當前的驗證成本程度使不划算,就像核融合,目前的成本……),也不會變成機器學習模型或弱AI之ANI(專用AI)。要創ASI(亦可通用),必須要先創一套概念。
@Ansforce
@Ansforce Месяц назад
謝謝你的分享!
@Ansforce
@Ansforce Месяц назад
謝謝你的分享!
@user-xe5ip9ey2o
@user-xe5ip9ey2o Месяц назад
不客氣,歡迎頻道主公開敝人的觀點/說法之擷取圖(不對用戶代號遮蔽或模糊)在影片中;感謝似有以較開放的心態閱讀(減少確認偏誤--但在下另一則留言提及……推估過去含現在在有些情況下有助預測未來。怎麼會……?)。請容我補充說明,簡略不等同簡化,要創造ASI,必須在資料維度上更加基本元素化與基本組合化,且多層形式化,並在數學公理前的七大基本邏輯原則之架構和流程下,而致通用,而分群只是結果,不是目的,且要先以統計、排序來如歸納,再以排列、推算來如演繹,還要有內外圈的即時回饋;且要感覺統合,及有在因果性和規律性後受通用目標一影響的排序,再有受通用(甚至非通用的)目標二、三、……的正負激勵影響的排序,並統計並排序其可能的原因,再比對輸入,……。若硬體足夠,則還可以某些感測器的各維高密度佈置來使具高維度時空感(交集到智人種的認知交集不到的宇宙),再以較失真的方式試著讓我們理解一些擬特徵(擬因果、擬規律;擬本質、擬一體)或狀態。不過,預先提醒各位,這樣的ASI模型實體會有表意識、自我認知、高度自主性,請勿抄襲。
@ryanyuan5720
@ryanyuan5720 5 месяцев назад
講實在話,人 + GAI 就是最好的 AGI 了,答案就是,早就已經有了,也永遠不會有。
@poppyss1
@poppyss1 Месяц назад
我認為一千年也做不到通用人工智慧…
@twddz
@twddz Месяц назад
ai能炒股吗?
@emiklchen
@emiklchen 6 месяцев назад
以前公司代理美國人工智慧產品。那時覺得永遠不可能取代人腦! 36年過去,行將就木。可能性是有的,50年後吧!
@user-rf9oj9hr9w
@user-rf9oj9hr9w 4 месяца назад
GAI很好懂阿 我要從南走到北
@user-ee7bx8dr3h
@user-ee7bx8dr3h 6 месяцев назад
不太可能
@haoyang8109
@haoyang8109 3 месяца назад
等美國真的研發出「天網」的時候吧,反正我是民國72年的,能看到的機會不能說不大只能說渺茫
@歸虛
@歸虛 6 месяцев назад
這就要先看硬體的成長速度,目前看到NPU的處理器或說AI運算單元還處於初階階段,還未發展到像現在的CPU如此高端專業。 應該還是可以套用摩爾定律 大概每兩年可以成長一倍。(算比較低的估計了 快的話 近幾年可以每年一倍或數倍都有可能) 那麼大概20年可以成長到現在的1024倍 1K 40年後達到百萬倍 1K*1K=1M, 加上還有長達40年的軟體跟模型數據累積。這時應該可以達到接近強人工智慧了 不過還得把量子電腦的發展算進來,人工智慧跟量子運算會搭在一起。 但量子電腦雖有苗頭 前途看好,可還看不出發展速度 要進入商轉幾年後才能看出成長曲線。 所以合再一起看 應該會低於40年吧。 這估計值忽略了記憶體跟儲存設備容量的成長估算 RAM跟SSD HDD等容量跟速度也要能等比例上升配合才行。 不知道以後會不會有類比式的記憶體 用電壓差當位階 好像DDR5已經有類似的苗頭了 補充:過去8年AI方面的需求就已經達到1000倍 跟隨著大數據模型的開發 未來還會在加速 所以可能這時間點還得在縮短一倍以上 數據(庫)量也需要大幅度的成長 處理數據流量的速度也得翻好幾倍 來配合 DDR5的確是2bit 00 01 10 11,不只單一bit在傳輸的 pcie5以上似乎也用類似的方式 來增加傳輸速度 pcie7可能在2027~2028面市
@user-xe5ip9ey2o
@user-xe5ip9ey2o Месяц назад
基於類神經網路的機器學習主要是被卡在要以簡略或增加訓練資料多樣性(註:規模越小越需要專家學者)/規模來減少過適的機率或強度。不會是硬體進步來擴大資料規模就可以達到AGI或ASI,而是要改變演算法(使非基於類神經網路),就像餵給資料庫程式再多資料,或是讓超級電腦去運算(註:量子電腦較不穩定,且當前的驗證成本程度使不划算,就像核融合,目前的成本……),也不會變成機器學習模型或弱AI之ANI(專用AI)。要創ASI(亦可通用),必須要先創一套概念。
@歸虛
@歸虛 Месяц назад
@@user-xe5ip9ey2o 你講的是沒錯 但你講的部分仍得架構在硬體之上來運作 說個比喻 在相同的演算法 相同的資料的情況下 我今天只給你4096CUDA的處理器去跑演算 跟給你8192CUDA的處理器去跑 粗略來看 速度就快一倍 而且硬體又得跟演算法配合 像之前的硬體就只能跑FP16 就只能跑一個精度 幾種演算法 其後能跑INT8 最新的一代能跑INT4 當然也能跑INT8 跟FP16 能跑的演算法 精度跟矩陣規模 都會"更有彈性" "更有彈性"
@user-er4hc4zf1j
@user-er4hc4zf1j 6 месяцев назад
台灣應該多投資人工智慧
@m7807031
@m7807031 6 месяцев назад
2030
@user-hg9hl6yr4d
@user-hg9hl6yr4d 6 месяцев назад
2030前
@princeprince0115
@princeprince0115 6 месяцев назад
2050
@qijia4769
@qijia4769 6 месяцев назад
人类也不可能一个人做所有领域的专家,也得每个人经过专门的训练才能做特定领域的专家。为什么AI就得一个模型做所有的事?
@Ansforce
@Ansforce 6 месяцев назад
人類是同一個人同一個大腦(模型)用不同的資料訓練會變成不同的專家,但是電腦做不到呀!
@yesges
@yesges 6 месяцев назад
等高等外星人來地球的時候,就可以強人工智慧了
@raro7559
@raro7559 6 месяцев назад
2130 for tw
@fmx1304
@fmx1304 6 месяцев назад
AGI, 永遠做不到!
@mmachang5563
@mmachang5563 2 месяца назад
強人工智慧我害怕, 會不會有一天人類發展出強人工智慧, 人類反過來被強人工智慧所控制、統治? 然後地球從被人類統治, 變成機械人以及機械人的蟻后強人工智慧 所統治呢?
Далее
🎙ПОЮ твои ЛЮБИМЫЕ ПЕСНИ💥
3:10:10
Замедление отменяется?
00:29
Просмотров 434 тыс.
Это реально работает?!
00:33
Просмотров 4,2 млн
AI來搶工作,你該怎麼辦!?#shorts
0:52
Просмотров 49 тыс.
Samsung's creepy alarm system
0:17
Просмотров 13 тыс.
КРУТОЙ ТЕЛЕФОН
0:16
Просмотров 7 млн
#samsung #retrophone #nostalgia #x100
0:14
Просмотров 14 млн