2025年世界人工智能会议（WAIC）将于7月26日至7月29日在上海举行。杰弗里·欣顿（Jeffrey Hinton）是2024年诺贝尔奖获得者，也参加了2018年图灵奖的获得者，并参加了演讲。欣顿说，人类可能是一个大型语言模型，因为人们以与大型语言模型相同的方式理解语言。人类具有幻觉，例如大型语言模型，但较大的语言模型与人类根本不同，甚至比人类更强大。欣顿说，几乎所有专家都认为，人工智能似乎比人类聪明。为了完成任务，AI代理可能希望生存并获得更多的控制和操纵人类。就像抚养老虎作为宠物一样，刚刚出现AI是不现实的，并且在抬起它后可能会受到损害。人类无法消除ABA，因为它们在许多领域都起着重要的作用。他希望建立一个AI安全机构和一个国际社会来学习和训练AI。各国可以在主权范围内研究和分享结果。全球或主要国家应考虑建立相关网络并研究如何培训智能AI以支持人类，而不是破坏或控制人类。这是人类长期以来面临的重要问题。 1。AI发展历史上的两个范式：在过去的60年中，AI有两个主要的范式和路径。一个是上个世纪占主导地位的逻辑范式。据信，逻辑智能的本质在于推理，并且通过符号规则对符号表示的操纵是为了理解知识的表示。另一种方法是根据生物学基础了解AI。图灵和冯·诺伊曼（Von Neumann）认为，智力的基础在于学习了解神经网络的运动速度。 1985年的早期尝试：Spekeer0创建了一个小型模型，并将其结合在一起Ories要配置每个单词的多个不同特征，并试图预测以下单词记录数值特征。在此过程中，没有保存该声明，该语句是生成的，词汇将稍后预测。相关性的知识取决于单词语义属性的相互作用。随后的发展：十年后，Beio使用类似的模型来建模和扩展量表，成为自然语言的真正模拟。二十年后，计算语言学家开始接受向量的完整性来表达单词的含义。 30年后，Google发明了Trance，Openai显示了结果。自1985年以来，今天的模型被认为是相关研究的延续，使用更多单词信息和更多的神经元结构，以建立更复杂的特征相互作用模式。 2。大规模语言模型与对人类语言的理解之间的统一性：如何了解大型语言模型类似于人类理解语言，转换函数并完全集成语言的方式。使用乐高构造隐喻，每个单词都像一个多维的乐高构造块，它使您可以构建不同的内容。语言成为建模，并且可以根据情况进行调整，并且每个单词都有多个“手”。不同的“握手”方法代表的不同含义类似于理解脑膜或神经元网络含义的过程，从而产生更重要的含量和相似的氨基酸蛋白质组合。差异：基本差异在于通过计算机科学，软件知识的软件和硬件分离。即使硬件被销毁，也可以在软件存在时，可以恢复永恒的存在。为了实现这种不朽，晶体管需要高速运行，硬件特征是你nstable可靠。人脑是模拟的，神经元的连接方法因人而异，知识的传播与硬件有关。 3。知识和效率的扩散。人类和数字智能的比较：人类知识的传播效率低下，通过语音提供每100位的信息。数字智能可以使用相同的神经元网络软件在硬件的区分，平均重量位置和数十亿个信息中共享知识。例如，GPT4在从Internet Poder中汲取的各种硬件信息和动作进行了工作。能源消耗与知识交换之间的商业：数字计算的能源消耗很大，但是代理可以获得相同的权重，对于共享体验很有用。生物计算的能源消耗很小，但是知识的交换很困难。当能源低时，数字计算机科学的好处是mo很明显。 4。解决AI可能威胁的未来和人类发展：几乎所有专家都认为，AI看起来比人类聪明。为了完成任务，这些代理商操纵人类，只是将它们关闭是不现实的，并且在抚养他们后可能会受到伤害，就好像它们是在饲养老虎作为宠物一样。措施：人类无法消除AI，必须找到训练IA的方法以避免排除。尽管各国很难与网络攻击和其他方面进行合作，但在冷战期间，诸如美国和苏联等世界上占主导地位的人口统计始终存在兴趣。预计建立一个国际AI并进行研究和培训AI的国际社会将是优越的，使各国能够自行调查和分享其成果。有人建议在全球或人工智能的主要国家建立网络，以研究如何培训智能AI以支持人类工作。以下是演讲的转录（由人工智能）。我想借此机会与您分享自己的个人观点：与您的AI及其未来的历史。它已经存在大约60年了，AI具有两个不同的范式和路径。一个是合乎逻辑的。在其他文字中，上个世纪是基于逻辑范式的。这意味着什么？每个人都认为这是推理中逻辑智能的本质。为了实现推论，我们使用一些符号规则来操纵符号表达式。那么，这是否有助于我们更好地了解知识如何表达另一个知识？这是基于AI的生物学的理解，这就是图灵和冯·诺伊曼相信的。它是学习和更好地了解学习网络中一些连接速度的智力的基础。在此过程中理解是优先事项，实现学习可以做到这一点。结合这两种理论，它是AI的象征原理。由于这些数字是丑陋的事情，这些数字最终可以关注关系在单词之间？心理学家，这是另一种理论，显然是一种完全不同的理论。数字的含义实际上是一组Semá属性。这些特征存在，当然，它们在1985年变得与众不同。我想创建一个很小的模型并使用这两种理论，然后结合起来，然后更好地理解人们如何理解单词。因此，每个单词都有几种不同的特征。然后，当在上一个数字中记录此函数时，它可以预测以下数字是多少，以下单词是什么以及以下单词是什么，并预测以下单词。这个过程不会存储祈祷，而是产生祈祷，然后预测下一个单词将是什么。其次，对关联的知识还取决于不同的语义单词和属性如何相互作用。未来30年将会发生什么？十年后，他使用这样的模型来建模贝奥（Beio），但使其更大。这与成为自然语言的真实模拟。二十年后，林肯普特尔·古斯塔斯（LincomputerGüistas）终于开始接受嵌入特征的向量来表达单词的含义。然后，30年后，Google发明了变压器，而歌剧研究人员向所有人展示了他能做什么。然后，我们今天的大语言模型认为这是微信语言模型的后代。自1985年以来，他们使用更多的单词作为进入和更多的神经元结构层。因为有需要。大量模棱两可的数字用于在学习功能之间建立更复杂的相互作用模式。但是，就像我所做的小型模型一样，统一模型与人类理解语言相同。基本的理解是将这些语言转化为几种特征，并以一种非常完美的方式整合它们。这就是在各个层面上发生的事情。因此，我了解大型语言模型确实了解他们如何理解问题。这是一样的方式人类理解语言。因此，我将举一个例子：祈祷理解什么，其中包含什么？该符号的AI是什么？该系列是将该系列变成几种符号和不可变的语言，但是这样的人类并没有理解真实情况。我想在这里举一个例子。这是为了创建一个乐高建筑块。您可以通过乐高构造块创建任何3D。一个允许您创建小型汽车型号的模型。尝试每个单词作为多维乐高建筑块。可能有数千个不同的维度，因此这种类型的乐高构造块可以制造如此多的维度，可以对其进行建模，并且可以制造许多不同的内容。这使语言成为模型。这样的语言可以随时与人交流，也可以为这些基本组成部分命名。第二，每个构造块都是一个单词。因此，有许多乐高砖与几个不同L之间的差异不同自我砖。有些单词具有无数的单词，因此乐高的形式已修改，但是该单词，其符号，其形式的形式基本上是可以创建配置的原因，但是它也可以基于各种情况。进行调整后，乐高模型将相对可靠，将正方形插入一个小方孔中。但是，语言是不同的，并且可以想象每种语言中的每个单词都有许多手。例如。如果您想更好地理解这个词，则可以在这个词和另一个单词之间正确挥动。因此，当这个词的形状转换时，您用另一个单词将手放置的方式将有所不同。这是优化问题。在我的话转换后，其含义改变了。那么，我们如何用以下单词摇动这个词并获得更好的含义呢？这是人脑的意思吗？这个神经元网络意味着了解含义。这是最基本的。因此，它是结合蛋白N蛋白质。通过几种氨基酸模型整合并合并蛋白质。稍后将其结合起来将带来更重要的内容。这就是人脑说的是如何理解。语言道路。因此，到目前为止，我已经说过的一件事是，人们理解语言的方式大致与语言模型理解语言的方式大致相同。因此，人类可以成为大型语言模型，并且人类也创造出幻觉为大语言模型。如何制作大型语言模型？但是，也有一些重要的基本方法：模特师范者与人类不同，并且比人类更强大。计算机科学的基本原则是，应分别考虑软件和硬件。这意味着可以在各种硬件中完成。然后是相同的软件。这与我们不同，这是计算机科学的存在。如果您可以工作，那么软件知识将永远存在。这个软件是始终放置在程序上，并且始终存在。您可以破坏最大的硬件，而LM中存在的硬件将被破坏。但是，从这个意义上讲，这种计算机程序的知识是永恒的，并且不会死亡，只要该软件继续存在。那么有什么区别呢？因此，为了实现这种不朽，我们以很高的力量执行并产生可靠的二进制动作。这个过程非常昂贵。这些特性稳定且不可靠，因此，粒子与硬件的丰富特性的罐头优势。每个。是的，它是模拟的，因此每次计算时都会有所不同。模拟了人的大脑。人脑不是数字化的。每次刺激神经元时，它都会模拟，并且每次都相同。我无法将大脑中人脑神经元的结构转移到您的大脑中。因为我们每个人的联系方式都不同，并且我们每个人的联系方式都不同，所以我的神经元连接适应了我大脑的神经元结构。其次，知识的传播和硬件的传播意味着人的大脑和硬件是不同的，这带来了问题。如果您无法实现永生，这些知识软件。因为它不取决于硬件，所以它是不朽的，并提供了两个巨大的好处。 Erachi几乎没有Inergía使用这种电力，而我们的大脑只有30瓦就足够了。具有数十亿个神经元连接，情况与电子管的情况相同。您不必花很多钱就可以创建完全相同的硬件。但是我们仍然有很大的问题。这是将从模拟模型转移到另一个模型，然后从那里转移该知识。这非常低效，非常困难。我不能用我的东西向你展示我心中的一切。那不是真的。我们所能做的就是使用其他方法。让我解释一下我学到的东西。因此，最好的方法o解决此问题称为蒸馏。这就是这样做。这是将大型神经元网络的知识转移到小型神经元网络中进行蒸馏。根据这个想法，这是一种大师研究的关系，在某些情况下，老师可以将事物联系起来，将单词与另一个上下文联系起来，说相同，但请调整此操作。这是我们训练和将知识从一个人转移到另一个人的Misma方式，但他效率很低。因此，100位语句可能不包含太多信息。这限制了可以转移给他人的知识量。我可以以非常缓慢的方式成为知识。最好每秒使用约100位。了解我所有的词语，效率不是那么高，但是与数字智能之间的知识转换效率相比，效率有很大的差异。我没有相同的神经元网络。该软件制作了数百个不同的副本，并将其放置在不同的硬件中。全部使用数字。他们可以以相同的方式使用自己的费率分享他们的知识，并升级这种职位。互联网上有成千上万的副本。他们可以自己改变权重，平均值，转移上述转移的知识和速度取决于您拥有的连接点的唱片。这样，您每次都可以分享几次碎屑，而不是数十亿次。之后，人们共享数十亿美元的速度比您需要知道的要快。因此，GPT4非常好，具有不同的硬件执行的不同副本，这使您可以共享您从Internet学习的不同信息。如果您有一个在现实世界中工作的代理商，这一点更为重要。如果副本中有很多代理商，他们会学到多个代理商。他们可以共享权重，模拟软件或模拟硬件无法做到这一点。因此，我们认为，数字计算需要大量的能量，但是代理可以轻松CQUIRE具有相同的体重，并分享他们从几种经验中学到的知识。生物计算机科学使用的能量较少，但是共享知识很困难。正如我现在所表明的那样，当能量便宜时，挖掘计算机科学意见会好得多。那也担心我。因为几乎所有专家都认为我们比我们更聪明。由于我们习惯于成为最聪明的生物，许多人是否很难想象如果AI比世界上的人类聪明会发生什么？您可以这样看到。如果您想知道会发生什么，如果不是人类，还是最聪明的？会发生什么？我们可以询问鸡并创建IA代理。他们可以帮助我们完成任务。这些代理已经有能力复制它们。他们可以提供亚瞄准性分类。然后，他们想做两件事，他们想生存并实现我们给他们的东西。他们还希望获得更多的控制权，同时实现我们的目标香港专业教育学院，因此这些试剂希望生存并获得更多的控制。我认为我们不能将它们放在关注的中心。他们非常方便地操纵使用它们的人。它年满了3年，然后成为成年人。操纵3年的孩子非常容易，那么，如果有人认为他们很聪明，我们将其关闭。这是不现实的。他们操作并说服那些控制机器的人，以免我们关闭它们。所以我认为我们处于当前情况。有些人将老虎视为宠物。老虎也可以用作老虎幼犬，这是一只非常漂亮的宠物。但是，如果您有这只宠物，则应确保您长大后不会杀死您。总的来说，养一只老虎作为宠物不是一个好主意，因此只有两个选择。如果您训练它，他不会杀了你。或者，如果您杀死他，如果我们使用AI，我们将无法消除它。 AI非常好，做很多事情。许多人提到医疗护理，教育，气候变化E，新材料，AI等。这些任务做得很好，几乎可以帮助所有行业提高效率。没有式来消除AI。如果一个国家消除了人工智能，另一个国家就不会这样做。因此，这不是一个选择。换句话说，如果您想生存，则必须找到一种训练AI的方法，以免摧毁它们。现在我表达了我的意见。我认为，该国无法在某些方面进行合作，例如网络攻击，致命武器或操纵公众舆论的虚假视频。国家的利益是不一致的，并且具有不同的观点。我认为在这方面没有有效的国际局势。我会合作。它可以防止某些人创建病毒，但是在这些方面没有国际合作。但是我们共同努力的一个方面，我认为这也是最重要的问题。让我们看一下1950年代冷战的顶部。美国和苏联合作避免了全球核战争。没有人愿意与一场核战争作斗争。在许多方面发生冲突，但他们可以在这一点上共同努力。我们目前的情况是，没有国家不希望AI控制世界，所有国家都希望人类控制世界。如果一个国家找到一种防止AI行动的方法，那么这个国家一定会去另一个国家。我很乐意与您分享。因此，我们希望有一个由AI安全机构组成的国际社会，可以研究技能，培训和改进它们。我们希望训练AI。这与AI智能技术的培训不同。因此，所有国家都可以进行自己的研究以使AI变得好。您可以调查您的主权AI，并且不能将其交给其他国家，但是您可以与所有人分享结果，也就是说，如何培训AI使AI变得好。然后，他建议世界或主要国家或人工智能国家应在Pensar中如何建造LD网络，其中包括来自几个国家的几个机构来研究这些问题，以及如何培训AI，这已经是非常聪明的。这将摧毁人类并统治世界，因此请让它愿意进行援助工作。 AI比人类聪明得多，但我不知道该怎么做。从长远来看，这是人类面临的最重要问题。我们的好消息是，所有国家都可以在这个问题上共同努力，谢谢。 （Kepoints重印）预计阿里巴巴将在Quark AI的发展方面发布进展，并正式设置2025年世界人工智能会议。 AI教父Hinton揭示了他想做的两件事