如何在这波产业革命中立足

[fantasist]

这个use case我之所以说
还真就是我之前回国用过
就是完全不能用
比如我要去好几个地方
那机票酒店得衔接上吧
有的地方只是为了休息住一晚等第二天的飞机
那得找个离机场近的酒店吧
然后从酒店到机场的时间
航班价格和时间的compromise
就这些个人类agent能很快根据common sense判断的问题
现在的chatgpt 和 Gemini 斗搞不定
试了几个Agent 错误就更多了

一个task你掰开揉碎
是有很多小task
然后每个task 都要做判断决定
每个tssk之间也不是independent

感觉你提到的问题通过prompt engineering都可以一定程度地解决。

[TheMatrix]

以我的标准AGI已经实现了，否则我不会是帖子里这种立场。当然以后会越来越好表面上看和现在很不一样，甚至算法都很可能会变，但是这些都只是渐变。事实上一直都只有渐变，但是每一步都不可或缺。你可以去看原始的麦克斯韦方程组，或者原始的门捷列夫元素周期表，甚至想想8086芯片，这些东西和它们今天的形态都想去甚远，但是同时又差不了多少。如果把现在的chatgpt放到20年前，甚至可以把最近20年的新知识都去掉，当时的人类会认为这个软件是一种超级智能。

看来是你是把社会化的智能当作了AGI（这当然是AGI，甚至远超人类个人AGI），然后又把这个智能当成是这波AI的贡献。

[wdong]

看来是你是把社会化的智能当作了AGI（这当然是AGI，甚至远超人类个人AGI），然后又把这个智能当成是这波AI的贡献。

这波AI当然只是摘走了果子。要说实际贡献，可以追溯到整个人类文明。所有数据都被拿来用作训练了。

[sdxia]

确实，一个是知识，一个是智慧，这是质的区别。LLM我站hci这边，本质还是知识压缩，根源上实现不了AGI。但在应用上我赞成wdong的思路, LLM不一定要实现AGI才能应用，准确认识这波AI的边界，更有助于想清楚应用的领域。

这个llm怎么和common sense，常识（应为常理，不是常识，common knowledge)，联系起来。
我感觉现在的llm是知识，而不是智能，而智能需要的是常理，就是一种举一反三的能力。
我看现在的主流看法是，llm学的东西多了，他的智能就上去了，这不是扯淡吗。这是死记硬背的方法。llm里头灌的东西已经太多了，但是完全没有常理，比如1.9和1.11哪个大，说明它没有常理。
那常理是什么，我觉得是一种归纳推理的能力。