在我开始这个替代性项目的时候，GPT-3 还没发布，当时看起来非常有前景（有很多神经科学启发的解决方案，和 Transformer 相比有很大不同），但我不得不暂停了，因为我想接触的投资者似乎只愿意投资于 LLM 相关的项目。现在几年过去了，我再次尝试接触投资者，却发现现在他们想要投资的是那些利用 LLM 创造价值的公司，仍然对新的基础模型类型不感兴趣……：/ 我想这可以理解，目前利用现有的 LLM 创造价值的空间仍然很大，不过可能一些容易实现的成果已经被挖掘了，谁知道呢。我听过 John Carmack 很多关于他自己的替代性（也是神经科学启发的）想法，听起来和我的项目非常相似，主要区别在于他能够自己资助项目：）我想现在要资助一个“非 LLM AI”的项目，需要找到像 Carmack 这样的人来加入——我仍然认为传统投资者并没有那么失望，以至于愿意在其他类型的项目上冒险。
源讨论GPT-5：关键特性、定价和系统卡原帖 295 条评论 · 导入时统计> 这似乎有点让我觉得纯粹的规模最大化主义真的正在消亡，不过最大的问题是，投资者是否会开始资助那些一直预测这一点（并有证据支持）并尝试其他途径的人。 但说实话，为什么要把所有的鸡蛋放在一个篮子里？我一直对此感到困惑。为什么还要资助另一个LMM到AGI的初创公司？太空已经被大公司占据了很多年了。即使LMM可以做到这一点，也不意味着其他东西不会更快、更便宜地做到。而且你似乎也需要一个备份，以避免泡沫破裂。技术S曲线仍然适用于AI。 虽然我也有类似的偏见，但我和我认识的每个有强大数学和/或科学背景的人都有这种偏见（我在我的论文中多次提到过，哈哈）。 只需扩展就是一切，这并不成立
完整原文把你的经验，加入这段讨论。
> 我猜现在资助一个“局外人”非 LLM 的 AI 项目需要找到像 Carmack 这样的人来加入。 我认为这是一个大问题。尤其是因为这些投资往往比现有的要便宜得多。该死的，我博士期间有一些被搁置的东西，还有我制作的几个模型，我确信如果用不到一百万美元的计算资源，我就能将性能提高一倍。我的方法已经可以竞争，而且需要的计算资源更少，那为什么不让它们有机会扩展呢？我看到过数百种方法都这样。如果“规模就是一切”，那么是否应该相信这些方法也都能扩展？
完整原文市场非常擅长从有时荒谬的项目中榨取利润，但对基础研究却非常不利。 这是我们将经济生活组织成这种方式，或者更确切地说，唯一这种方式所导致的问题。
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。