Sitio web oficial www.binance.com/zh-cn :ingrese el sitio web oficial ☜☜
Aplicación: ☞☞Official App Download☜☜
En el campo de la inteligencia artificial, Noam Brown, director de investigación de razonamiento en OpenAI recientemente hizo un comentario estimulante en la conferencia NVIDIA GTC. Propuso que si los investigadores hubieran dominado los métodos y algoritmos correctos hace 20 años, algunas formas de "inferencia" modelos de IA podrían haber estado disponibles hace mucho tiempo. Este punto de vista revela posibles puntos ciegos y direcciones de investigación descuidadas en el desarrollo de la inteligencia artificial.

Brown revisa su experiencia en la investigación de IA de juegos en la Universidad Carnegie Mellon, especialmente desarrollando un sistema PLURIBUS que puede vencer a los mejores jugadores de póker humanos. Hizo hincapié en que la singularidad de este sistema de IA es su habilidad de "razonamiento" en lugar de depender de la computación violenta simple. Esta capacidad de razonamiento le permite a la IA pensar profundamente en situaciones complejas, similar al proceso de pensamiento de los humanos cuando enfrentan dificultades.
Como uno de los arquitectos del modelo de IA de OpenAI, Brown, Brown introdujo una tecnología innovadora llamada "Inferencia en las pruebas". Esta técnica permite que el modelo "piense" antes de responder a una consulta, impulsando alguna forma de "inferencia" a través de cálculos adicionales. Este modelo de inferencia muestra una mayor precisión y confiabilidad en campos como las matemáticas y la ciencia, abriendo nuevas direcciones para el desarrollo de la IA.
Durante la discusión, Brown también habló sobre el papel de la academia en la investigación de IA. Aunque los colegios y universidades generalmente carecen de recursos informáticos, él cree que los académicos aún pueden desempeñar un papel importante al explorar áreas con bajos requisitos informáticos, como el diseño de la arquitectura modelo. Hizo hincapié en la importancia de la colaboración entre los laboratorios fronterizos y la comunidad académica, señalando que los laboratorios fronterizos monitorearán de cerca las publicaciones académicas y evaluarán si los argumentos que presentan son lo suficientemente convincentes.
Brown mencionó específicamente el campo de la evaluación comparativa de IA, creyendo que la academia puede desempeñar un papel importante en él. Criticó el estado actual de los puntos de referencia de IA, señalando que estas pruebas a menudo examinan el conocimiento esotérico y son menos relevantes para la competencia de las tareas que a la mayoría de las personas les importa. Pidió mejoras en los puntos de referencia de IA, creyendo que esto no requiere una gran cantidad de recursos informáticos, pero puede mejorar significativamente la comprensión de las capacidades y mejoras del modelo.
Vale la pena señalar que los comentarios de Brown se basan principalmente en su experiencia en la investigación de IA de juegos de azar antes de unirse a OpenAI, en lugar de modelos de inferencia como O1. Sus puntos de vista proporcionan una nueva perspectiva para la investigación en el campo de la inteligencia artificial, destacando la importancia de las capacidades de razonamiento en el desarrollo de la IA y el potencial de colaboración entre la academia y los laboratorios de vanguardia.