大卫·西尔弗，DeepMind 的科学家，因其在 2016 年战胜世界围棋冠军李世石而闻名，已筹集 11 亿美元启动一家公司，押注于下一个人工智能时代不会来源于今天的主导技术。

西尔弗的公司，无法形容智能，于 1 月份以 51 亿美元的估值启动，正在押注于强化学习，这是一种人工智能系统通过试错提高自身能力的方法。西尔弗认为，这种方法，而不是现在主导该领域的大型语言模型，提供了通向超智能的更可信之路。

“我认为我们的使命是与超智能进行首次接触，”西尔弗对《连线》说。“我所说的超智能，确实是指一些不可思议的东西。它应该能够自行发现新形式的科学、技术、政府或经济。”

由哲学家尼克·博斯特罗姆在其 2014 年的书《超智能》中普及的术语，指的是在几乎所有领域超越人类智能的人工智能，而人工通用智能或AGI，描述的是能够在广泛任务中匹配人类推理水平的系统。



西尔弗认为，大型语言模型在根本上是有限的，因为它们是从人类生成的数据中学习的，而不是通过经验建立自己的理解。

“人类数据就像一种化石燃料，提供了一条惊人的捷径，”他说。“你可以把自我学习的系统视为可再生燃料——一种可以不断学习、学习和学习的东西，没有限制。”

西尔弗在职业生涯的大部分时间里都在推进这个论点。AlphaGo，它结合了人类训练数据、强化学习和自我对弈，制定的策略甚至让顶尖人类玩家感到惊讶，并展示了人工智能如何在狭窄领域超越人类的先例。

“我觉得有一个精英人工智能实验室，完全专注于这种方法是非常重要的，”他对《连线》说。“这不仅仅是另一个地方专注于大型语言模型的一角。”

无法形容智能计划建立西尔弗所称的“超级学习者”——将人工智能代理放置在模拟环境中，在那里它们可以追求目标、失败、适应并提高，而不受静态人类数据集的限制。西尔弗拒绝描述这些模拟环境的样子，但表示这种方法将使代理能够协作并自主开发能力。

西尔弗认为，大型语言模型受限于其训练的数据，补充说如果一个模型在一个人人都相信地球是平的世界中训练，它可能会保持这种信念，除非它能够自行测试现实。他说，通过经验学习的系统可能会发现其他事实。

无法形容智能未立即回应Decrypt的评论请求。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。