智能也许并非全部
关于人工智能智能局限性的一场讨论，强调深度学习可以准确建模像蛋白质折叠这样的复杂系统，但现实世界中的交互仍受制于机器人技术。
近日，一场关于人工智能智能本质的讨论在社交媒体上引发热议。Clifford Sosin提出“智能也许并非全部”的观点，暗示了智能本身的局限性。随后，Aleksey Skryl回应指出，深度学习已经能够准确建模那些曾被经典计算机科学视为无法模拟的复杂系统。蛋白质折叠便是一个典型例证，尽管其微观物理机制的显式推导仍具有挑战性，但深度神经网络已能实现高精度预测。Artem则从机器人技术的角度补充道，当前AI在现实世界中的应用瓶颈并非表征学习，而是物理交互的硬件限制。我们正经历表征空间的爆炸性发展，但物理现实空间的变革尚未同步到来。然而，Artem预测，这种物理变革将很快发生，并受到基本物理定律的约束，而表征空间的进步将加速这一过程。最后，用户Tenobrus以“@pangram slop?”的简短评论表达了对讨论质量的质疑。这场对话凸显了AI理论潜力与现实落地之间的鸿沟。