對於當前人工智慧發展的觀點
對於大型語言模型（LLMs）的興趣下降
目前對於大型語言模型的興趣正在下降。這些模型現在主要掌握在業界產品人員手中，他們正致力於邊際改進，例如獲取更多數據、增加運算能力或生成合成數據。
更令人感興趣的研究方向
更有趣的研究方向包括以下四個方面：
- 如何讓機器理解物理世界： 這也是輝達（NVIDIA）執行長黃仁勳在主題演講中提到的。
- 如何讓機器擁有持續記憶： 這個議題較少人關注。
- 如何讓機器進行推理： 目前有一些嘗試讓大型語言模型進行推理，但認為這是一種過於簡化的方式。
- 如何讓機器進行規劃： 存在更好的方法來實現機器推理。
這些研究方向可能在未來五年內引起科技社群的廣泛關注，但目前可能僅存在於一些不太受重視的學術論文中。
對於通用人工智慧（AGI）的看法
許多人認為通用人工智慧（AGI）或更精確地說是「高級機器智能」（AMI）即將到來。對此持有以下觀點：
- AGI 這個詞具有誤導性： 「通用人工智慧」一詞通常指具有人類水平智能的系統，但人類智能高度專業化，因此稱之為「通用」並不準確。
- 更傾向於使用「高級機器智能」（AMI）這個詞： AMI 指的是能夠學習和運用世界的抽象心理模型進行推理和規劃的系統。
- 短期內實現 AMI 的可能性： 預計在三到五年內，我們將能在小規模上成功實現 AMI。
- 長期發展方向： 之後將是擴大規模的問題，直到達到人類水平的人工智慧。
對於人工智慧發展歷史的觀察
在人工智慧的歷史上，每一代研究人員都會發現新的範式，並聲稱在 5 到 10 年內將實現人類水平的智能。這種情況已經持續了 70 年。
當前人工智慧浪潮的局限性
目前的這一波人工智慧浪潮也存在局限性。認為僅僅通過擴大大型語言模型的規模，或讓它們生成數千個標記序列並選擇好的序列，就能達到人類水平的智能是錯誤的。
- 對於近期應用抱持樂觀態度： 當然，在不久的將來，肯定會有許多應用程式能達到博士水平。
- 對於整體智能的看法較為保守： 然而，在整體智能方面，我們仍然相距甚遠。即使是在十年內實現的可能性也不高。