Hubungan dan perbedaan antara kecerdasan buatan umum (AGI) dan model bahasa besar (LLM) adalah masalah penting dalam bidang kecerdasan buatan saat ini. AGI didefinisikan sebagai sistem yang sepenuhnya memahami dan mensimulasikan kecerdasan manusia, tidak hanya berkinerja baik pada tugas -tugas tertentu. Meskipun model bahasa yang besar telah membuat kemajuan yang signifikan dalam pemrosesan bahasa alami, ia masih memiliki banyak keterbatasan, seperti penciptaan "ilusi" dan kurangnya kemampuan inferensi kausal. Keberadaan masalah ini menyoroti kebutuhan untuk membangun model yang benar -benar memahami dunia.
Inti dari AGI adalah kemampuannya untuk melakukan kognisi dan penalaran yang mendalam, bukan hanya pemrosesan data yang dangkal. Meskipun model bahasa besar dapat menghasilkan teks yang halus, mereka masih tidak cukup dalam memahami hubungan kausal yang kompleks dan melakukan penalaran logis. Kesenjangan ini membuat implementasi AGI menjadi tujuan yang lebih menantang yang perlu melampaui kerangka teknis saat ini.
Masalah utama dengan model bahasa yang besar adalah rentan terhadap "ilusi", yaitu menghasilkan konten yang tidak sesuai dengan fakta. Fenomena ini menunjukkan bahwa model memiliki kelemahan mendasar dalam memahami dunia dan melakukan penalaran. Sebaliknya, AGI harus memiliki kemampuan inferensi kausal yang lebih kuat dan dapat mengekstraksi struktur dan hukum yang dalam dari data untuk membuat prediksi dan keputusan yang lebih akurat.
Kunci untuk mengimplementasikan AGI adalah membangun model yang dapat melakukan inferensi kausal. Model ini tidak hanya perlu memahami korelasi antara data, tetapi juga perlu mengungkapkan hubungan sebab akibat di baliknya. Dengan cara ini, AGI dapat mensimulasikan proses kognitif manusia dengan lebih baik, dengan demikian membuat keputusan yang lebih cerdas di lingkungan yang kompleks.
Secara umum, perbedaan antara AGI dan model bahasa besar adalah apakah mereka memiliki pemahaman nyata. Meskipun model bahasa besar berkinerja baik dalam menangani tugas bahasa, itu masih perlu ditingkatkan dalam pemahaman dan penalaran. Membangun model yang dapat membuat inferensi kausal dan memahami dunia adalah arah penting untuk mewujudkan AGI dan tujuan utama untuk pengembangan kecerdasan buatan di masa depan.