A relação e a diferença entre a inteligência artificial geral (AGI) e o Modelo de Linguagem de Grande (LLM) são uma questão importante no campo atual da inteligência artificial. A AGI é definida como um sistema que entende e simula completamente a inteligência humana, não apenas um bom desempenho em tarefas específicas. Embora o grande modelo de linguagem tenha feito um progresso significativo no processamento de linguagem natural, ele ainda tem muitas limitações, como a criação de "ilusões" e a falta de capacidade de inferência causal. A existência desses problemas destaca a necessidade de construir um modelo que realmente entenda o mundo.
O núcleo da AGI é sua capacidade de realizar profunda cognição e raciocínio, não apenas o processamento superficial dos dados. Embora os grandes modelos de linguagem possam gerar texto suave, eles ainda são insuficientes no entendimento de relacionamentos causais complexos e na condução do raciocínio lógico. Essa lacuna torna a implementação da AGI uma meta mais desafiadora que precisa ir além da estrutura técnica atual.
Um grande problema com o grande modelo de idioma é que ele é propenso a "ilusão", ou seja, para gerar conteúdo que não corresponde aos fatos. Esse fenômeno sugere que os modelos têm falhas fundamentais para entender o mundo e a condução do raciocínio. Por outro lado, a AGI deve ter recursos de inferência causal mais fortes e poder extrair estruturas e leis profundas dos dados para fazer previsões e decisões mais precisas.
A chave para a implementação da AGI é criar um modelo que possa executar a inferência causal. Esse modelo não apenas precisa entender a correlação entre os dados, mas também precisa revelar a relação causal por trás disso. Dessa forma, a AGI pode simular melhor os processos cognitivos humanos, tomando decisões mais inteligentes em ambientes complexos.
Em geral, a diferença entre AGI e grandes modelos de linguagem é se eles têm entendimento real. Embora o grande modelo de idioma tenha um bom desempenho ao lidar com tarefas de linguagem, ele ainda precisa ser melhorado no entendimento e no raciocínio. Construir um modelo que pode fazer inferência causal e entender o mundo é uma direção importante para alcançar a AGI e um objetivo -chave para o desenvolvimento futuro da inteligência artificial.