对人工智能大模型能力边界的初探和一种新的AGI实现途径

分类： 计算机科学 >> 自然语言理解与机器翻译 分类： 图书馆学、情报学 >> 机器翻译 提交时间： 2023-04-18

曾婷 陈永聪 陈星月

摘要： 目前主流的人工智能，普遍采用注意力机制 + 深度学习+强化学习的技术道路。我们认为强化学习无法适用到那些难以大量试错的领域。所以，要想实现能适用于任何领域的通用人工智能，我们必须转变实现道路。所以，我们提出了一套不同于深度学习+强化学习的机器学习方案，它通过小样本、累积学习，同样实现了和 transformer 相似的注意力机制，也同样创建了全连接知识网络。并且，它不需要采用试错学习的方式，就可以实现和环境的互动决策。并且人类可以给它预置不同的先天需求，来实现多目标平衡，从而实现远高于目前人工智能的安全性。在本文中，我们提出了一套从0 到1 的新机器学习技术方案。

同行评议状态:待评议

 点击量 2462  下载量 378  评论