¿Qué sigue para la IA? Quizás inteligencia físicamente específica, más que inteligencia artificial general. Aquí hay un borrador de tesis. (1) Primero, la IA ahora está entrando en el punto más bajo del ciclo de exageración. Todos los técnicos, sin importar cuán asombrosos sean, pasan por esto. En realidad, es uno de los mejores momentos para invertir y construir una vez que el espacio comienza a adelgazar. (2) En segundo lugar, la IA es muy útil para la búsqueda, el resumen, la visualización y la creación de prototipos *y* una fuente muy molesta de spam, estafas y basura. Demasiados se centrarán únicamente en las desventajas. (3) En tercer lugar, la meseta exacta de la IA es bastante inesperada. El hecho de que los modelos actuales parezcan haber alcanzado un máximo de "búsqueda y resumen web mucho mejores" no es donde la mayoría lo habría fijado en 2022. Interrumpir Google es un logro histórico, pero no es el dios de las máquinas. (4) Una tesis de por qué los modelos se estancaron de esta manera es que la IA digital al estilo LLM realmente *está* repitiendo, en lugar de pensar realmente. Es río abajo, no río arriba. Ahora, puedes llegar mucho más lejos con esto de lo que la mayoría pensaba. Pero no puedes llegar hasta los pensamientos novedosos. (5) Eso lleva a otro punto: como he dicho antes, la IA digital lo hace de medio a medio, no de extremo a extremo. Porque el cuello de botella para la IA digital es impulsar y verificar. (6) Sin embargo, la IA *física*, en el sentido de guía robótica, *puede* hacer las cosas de extremo a extremo, aunque después de la inversión de mucha energía en casos extremos. Por ejemplo, los autos autónomos ahora realmente pueden llevarlo del punto A al punto B. Lo hacen de principio a fin. (7) Por lo tanto, los problemas del mundo físico extremadamente bien especificados y económicamente valiosos como "conducir del punto A al punto B" son donde deberíamos ver un progreso significativo de la IA. Llamemos a esto inteligencia física específica. (8) Los robots chinos, en particular, clavarán tarea tras tarea, en muchos factores de forma más allá de los automóviles o los humanoides. Los robots de acera y los drones de reparto ya están disponibles en China, junto con los automóviles autónomos, y su sector de hardware se está acelerando. (9) Una razón para ser más a corto plazo Lo optimista sobre la inteligencia física específica en lugar de la inteligencia artificial general es que el mundo físico es real, mientras que el mundo digital puede ser ficticio. @drfeifei señaló que el concepto de libro de texto de ubicación y mapeo simultáneos (SLAM) es en realidad un modelo de mundo físico explícito, algo que todos sabemos que falta en el ámbito digital. (10) En particular, si tiene N robots diferentes que hacen SLAM (o equivalente) y cargan sus datos de sensores en una base de datos central, todos están en cierto sentido aprendiendo del mismo mundo físico y entre sí. Los millones de millas de entrenamiento recorridas por automóviles autónomos muestran que esta estrategia funciona. (11) Contrasta esto con el mundo digital. El texto puede ser falso, puede ser ficticio y, de hecho, a menudo lo es. Y esto es doblemente cierto a medida que el texto de IA impregna la web. (12) Así que N robots que perciben el mundo físico convergerán en una realidad consensuada. Un robot Unitree y un robot Tesla percibirán los mismos objetos. Por el contrario, los agentes N en el mundo digital siguen ingiriendo texto e imágenes, que pueden ser inconsistentes y lo serán. (13) En ausencia de firmas digitales, los datos en línea utilizados para el entrenamiento de IA no solo serán internamente incoherentes, sino falsos de manera sutil o profunda. De hecho, los modelos de IA generalizados aseguran que muchos datos digitales (fuera de las fronteras digitales duras) se vuelvan falsos, o descuidados, o que los agentes de IA hablen entre sí....