… 我认为在喧嚣之中可能并不明显的是，我们还有很多工程工作要做。你能够将神经网络的权重压缩到每个参数3位仍然有效——这说明我们在成熟这项技术方面还有很长的路要走。多模态、对其用户体验的改进、人机交互部分。这些都是基本的技术问题，但它们首先是工程问题。降低延迟。提高效率。设计体验，然后将其构建出来。25年前，互联网上的早期技术演示曾承诺每个人都会在线购物、娱乐、社交等。充满激情的炒作。5年后，整个东西崩溃了，但它从未消失。人们只是需要时间去了解如何使用它以及它有什么用，去发现它的局限性。10年后，工程努力被系统化并应用于仍然存在的困难问题。现在：看看我们现在所处的位置。这只是需要时间而已。
源讨论GPT-4o原帖 2,366 条评论 · 导入时统计就像另一个评论提到的，sigmoid曲线[1]在神经网络系统中很常见。神经网络系统可能会让人上瘾，因为从无到80%似乎非常“容易”（相对而言），在极短的时间内就能实现。因此，似乎可以轻易达到100%。但实际上，之后的每1%都会变得越来越慢，我们往往会遇到看似无法逾越的渐近线，远在我们期望的位置之前。 大约8年前，自动驾驶技术非常热门，每家大公司都纷纷加入，展示越来越令人印象深刻的技术演示，当时看起来完全合理，我们会很快进入一个完全自动驾驶的世界。我记得当时曾在线上嘲笑过一个正在考C类驾照/商用车驾照的人。然而，十年后，现在卡车的数量更多了…
完整原文把你的经验，加入这段讨论。
我不认为他在说AGI是不可能的——现在几乎没人会认为它不是一项工程挑战。争论的只是规模问题，也就是解决这个工程挑战需要多长时间。有些人认为可能在几年内。我认为它可能需要几十年，如果能实现的话。
完整原文Waymo的汽车在天气良好和道路质量好的区域被高度限制。他们只是在1月份才获得了在高速公路上驾驶的能力。 等你能让Waymo在冬季从纽约开车到蒙特利尔的时候告诉我吧。
完整原文尊重不同观点，分享具体经验。
登录后即可发帖、评论、转发和引用。