Blaise Arcas y Y Arcas 和 Melanie Mitchell：我们离人工智能有多近？
人工智能是 1956 年在达特茅斯研讨会中创造的一个术语，在过去的 66 年中经历了几次繁荣和萧条周期。 这次繁荣有什么不同吗？

自 2017 年以来，该领域最激动人心的进展是创建了“大型语言模型”，即使用基于网络的大量文本数据库进行训练的巨型神经网络。 大型语言模型是高度实验性的，尚未在任何消费产品中大规模实施。 Alexa、Siri 或 Google Assistant 等智能/语音助手仍在使用较旧的脚本方法。

大型语言模型在执行涉及语言处理的常规任务方面远远优于它们的前辈。 他们可以给人留下好印象，即使他们不可靠。 大型语言模型的能力远远超过以前的人工智能形式，后者仅限于涉及感知、分类或判断的特定任务。 他们甚至可以通过图灵测试。 这是以艾伦图灵的思想实验命名的，图灵在该实验中假设，当 AI 无法可靠地与人区分开来时，它们就达到了一般智能。

大型语言模型能理解任何东西还是它们只能模仿语言的“形式”？ 我们可以谈谈我们在机器内创造真正智能方面取得的进展。 “智能”或“理解”是什么意思？ 谷歌研究院研究员、圣达菲研究所复杂性教授梅兰妮·米切尔·戴维斯 (Blaise Arcas) 通过广泛的演讲和讨论解决了这些难题。

来源和详细信息：
https://www.youtube.com/watch?v=Bi8IIolOq2g