Hva kommer videre for AI? Kanskje fysisk spesifikk intelligens, mer enn kunstig generell intelligens. Her er et utkast til avhandling. (1) For det første går AI nå inn i bunnen av hype-syklusen. Hver teknologi, uansett hvor fantastisk den er, går gjennom dette. Det er faktisk en av de beste tidene å investere og bygge når plassen begynner å tynnes. (2) For det andre er AI både svært nyttig for søk, oppsummering, visualisering og prototyping *og* en svært irriterende kilde til spam, svindel og slop. Altfor mange vil fokusere utelukkende på ulempene. (3) For det tredje er det nøyaktige platået for AI ganske uventet. Det faktum at dagens modeller ser ut til å ha toppet seg på «langt bedre nettsøk og sammendrag» er ikke der de fleste ville ha knyttet det i 2022. Å forstyrre Google er en historisk prestasjon, men det er ikke maskinguden. (4) En tese for hvorfor modeller flatet ut på denne måten er at digital AI i LLM-stil egentlig bare gjentar, i stedet for å virkelig tenke. Det er nedstrøms, ikke oppstrøms. Nå kan du komme mye lenger med dette enn de fleste trodde. Men du kan ikke komme helt til nye tanker. (5) Det fører til et annet poeng: Som jeg har sagt før, digital AI gjør det middels til midt, ikke ende-til-ende. Fordi flaskehalsen for digital AI er tilskyndende og verifiserende. (6) Imidlertid *fysisk* AI – i betydningen robotveiledning – *kan* mulig* gjøre ting ende-til-ende, om enn etter investering av mye energi på edge-tilfeller. For eksempel kan selvkjørende biler nå virkelig ta deg fra punkt A til punkt B. De gjør det fra ende til annen. (7) Så ekstremt velspesifiserte og økonomisk verdifulle fysiske verdensproblemer som "kjør fra punkt A til punkt B" er der vi bør se betydelig AI-fremgang. Kall dette fysisk spesifikk intelligens. (8) Spesielt kinesiske roboter vil spikre oppgave etter oppgave, i mange formfaktorer utover bare biler eller humanoider. Fortausroboter og leveringsdroner er allerede live i Kina, sammen med selvkjørende biler, og maskinvaresektoren deres akselererer. (9) En grunn til å være mer kortsiktig Bullish på fysisk spesifikk intelligens i stedet for kunstig generell intelligens er at den fysiske verden er virkelig mens den digitale verden kan være fiktiv. @drfeifei gjorde det relaterte poenget at lærebokkonseptet med samtidig plassering og kartlegging (SLAM) faktisk er en eksplisitt fysisk verdensmodell, noe vi alle har visst mangler i det digitale riket. (10) Spesielt, hvis du har N forskjellige roboter som alle gjør SLAM (eller tilsvarende) og laster opp sensordataene sine til en sentral database, lærer de alle på en måte av den samme fysiske verden og hverandre. De millioner av treningsmil kjørt av selvkjørende biler viser at denne strategien fungerer. (11) Sammenlign dette med den digitale verden. Tekst kan være falsk, den kan være fiktiv, og det er faktisk ofte slik. Og dette er dobbelt så ettersom AI-tekst gjennomsyrer nettet. (12) Så N-roboter som registrerer den fysiske verden vil konvergere mot en konsensusvirkelighet. En Unitree-robot og en Tesla-robot vil oppfatte de samme objektene. Derimot fortsetter N-agenter i den digitale verden bare å ta inn tekst og bilder, noe som kan og vil være inkonsekvent. (13) I fravær av digitale signaturer vil nettdataene som brukes til AI-opplæring ikke bare være internt inkonsekvente, men falske på subtile eller dype måter. Faktisk sikrer utbredte AI-modeller at mye digitale data (utenfor harde digitale grenser) vil bli falske, eller slop, eller AI-agenter som snakker med hverandre....