实现通用人工智能（AGI）可能比我们想象的更近

实现通用人工智能（AGI）可能比我们想象的更近

用户kenshin9000的Twitter帖子表明，我们离实现人工通用智能（AGI）比看起来更接近。该用户提供了初步证据，即当以命题逻辑上的“概念”提示GPT4时，这个基于transformer的自回归大型语言模型在被认为是AGI级别的ConceptARC基准测试中的性能从13%跃升至100%，而无需训练示例。这种性能改进延伸到所有文本基准。

该用户计划发布一系列帖子，讨论基于transformer的自回归大型语言模型的潜力、由AI模型Llama2-70B和GPT3.5下棋游戏结果以及基于GPT4开发并发布的完整国际象棋引擎。该用户声称GPT4 的“高效输出”将在任何规模比赛中击败目前存在的任何其他国际象棋引擎。

该用户还计划讨论他们开发出来新架构，声称可以通过建立数字连接创建“智能”，最终形成比单个或多个标记所暗示得复杂得多得“概念”。该用户相信，如果用于训练数据足够丰富，并且具有广泛分布在人类行动和交流中数值表示方面，则基于变压器的自回归大型语言模型将会持续改进。

最后，该用户指出一旦第一个AGI被建立起来, 人类将需要很短时间就会找到方法使其与其他同类进行对话。他们警告说，在引入”非人类概念”之后, 如果不确切理解 AGI “思考”方式，则验证方式增加显著风险。