La relation et la différence entre l'intelligence artificielle générale (AGI) et le modèle de langage grand (LLM) sont une question importante dans le domaine actuel de l'intelligence artificielle. AGI est défini comme un système qui comprend et simule parfaitement l'intelligence humaine, et pas seulement bien sur des tâches spécifiques. Bien que le modèle grand langage ait fait des progrès significatifs dans le traitement du langage naturel, il a encore de nombreuses limites, telles que la création d'illusions et le manque de capacité d'inférence causale. L'existence de ces problèmes met en évidence la nécessité de construire un modèle qui comprend vraiment le monde.
Le noyau d'AGI est sa capacité à effectuer une cognition et un raisonnement profonds, pas seulement le traitement superficiel des données. Bien que les grands modèles de langage puissent générer du texte lisse, ils sont toujours insuffisants pour comprendre les relations causales complexes et mener un raisonnement logique. Cet écart fait de la mise en œuvre de l'AGI un objectif plus difficile qui doit aller au-delà du cadre technique actuel.
Un problème majeur avec le modèle grand langage est qu'il est sujet à «l'illusion», c'est-à-dire pour générer du contenu qui ne correspond pas aux faits. Ce phénomène suggère que les modèles ont des défauts fondamentaux dans la compréhension du monde et la réalisation du raisonnement. En revanche, AGI devrait avoir des capacités d'inférence causales plus fortes et être en mesure d'extraire des structures et des lois profondes des données pour prendre des prédictions et des décisions plus précises.
La clé de la mise en œuvre de l'AGI est de créer un modèle qui peut effectuer une inférence causale. Ce modèle doit non seulement comprendre la corrélation entre les données, mais doit également révéler la relation causale derrière. De cette façon, AGI peut mieux simuler des processus cognitifs humains, prenant ainsi des décisions plus intelligentes dans des environnements complexes.
En général, la différence entre AGI et les grands modèles de langue est de savoir s'ils ont une réelle compréhension. Bien que le modèle grand langage fonctionne bien dans la gestion des tâches linguistiques, elle doit encore être améliorée dans la compréhension et le raisonnement. Construire un modèle qui peut faire l'inférence causale et comprendre le monde est une direction importante pour réaliser AGI et un objectif clé pour le développement futur de l'intelligence artificielle.