نویسنده (ها): مروارید
در ابتدا منتشر شده در به سمت هوش مصنوعیبشر
پارادوکس ریاضی در قلب بزرگترین چالش AI
وقتی از توانایی یک مدل بزرگ زبان شگفت زده می شوید ، به یاد داشته باشید که آن را در ریاضیات قرن قدم می زند.
کشف نیوتن از مشتق ، زمینه را برای بازگشت به عقب فراهم کرد. همین اصل هر تنظیم وزن را در یک شبکه عصبی امروز راهنمایی می کند.
با جفت کردن مطالعه شمعدان خود با یک “مغز” درخشان ، ما فاش می کنیم که توهم یک اشکال مدرن نیست بلکه یک تکرار از این تکنیک بنیادی است.
این سیستم های هوش مصنوعی ، که برای پردازش و تولید متن مانند انسان با تسلط چشمگیر طراحی شده اند ، به طور فزاینده ای “با حیوانات خانگی خود” بلند می شوند-با استفاده از مکانیسم هایی که آنها را قدرتمند می کند.
همانطور که Openai خود را با افزایش نرخ توهم در مدل های جدیدتر (O3 و O4) دچار تعجب می کند ، ما شاهد آنچه بسیاری از بدبینان هوش مصنوعی مدت ها پیش بینی کرده اند ، شاهد هستیم: یک محدودیت اساسی که ممکن است ذاتی خود معماری ترانسفورماتور باشد.
ارتباط بین حساب نیوتن و هوش مصنوعی مدرن چیزی بیش از چیزهای بی اهمیت تاریخی نیست – این کلید درک این مسئله است که چرا توهم به عنوان یک مشکل غیرقابل حل ادامه دارد.
شبکه های عصبی اساساً به تکنیک های بهینه سازی متکی هستند که به کار نیوتن در مورد مشتقات باز می گردند. Backpropagation ، الگوریتمی که در این سیستم ها به یادگیری می پردازد ، اساساً کاربرد قانون زنجیره ای حساب برای تنظیم وزن و به حداقل رساندن خطا است.
این سلسله ریاضی چیزی عمیق را نشان می دهد: … وبلاگ کامل را به صورت رایگان در رسانه بخوانیدبشر
منتشر شده از طریق به سمت هوش مصنوعی