Wat komt er daarna voor AI? Misschien fysiek specifieke intelligentie, meer dan kunstmatige algemene intelligentie. Hier is een concept thesis. (1) Ten eerste, AI komt nu in de put van de hypecyclus. Elke technologie, hoe geweldig ook, gaat hier doorheen. Het is eigenlijk een van de beste momenten om te investeren en te bouwen zodra de ruimte begint te krimpen. (2) Ten tweede, AI is zowel uiterst nuttig voor zoeken, samenvatten, visualiseren en prototypen *als* een uiterst vervelende bron van spam, oplichting en rommel. Te veel mensen zullen zich uitsluitend op de nadelen richten. (3) Ten derde, het exacte plateau van AI is behoorlijk onverwacht. Het feit dat huidige modellen lijken te zijn uitgekomen op "veel betere webzoekopdrachten en samenvattingen" is niet waar de meesten het in 2022 zouden hebben ingeschat. Google verstoren is een historische prestatie, maar het is niet de machinegod. (4) Een thesis voor waarom modellen op deze manier zijn gestagneerd, is dat LLM-stijl digitale AI echt *gewoon* herhaalt, in plaats van echt te denken. Het is downstream, niet upstream. Nu kun je hier veel verder mee komen dan de meesten dachten. Maar je kunt niet helemaal naar nieuwe gedachten komen. (5) Dat leidt tot een ander punt: zoals ik eerder heb gezegd, digitale AI doet het midden-tot-midden, niet eind-tot-eind. Omdat de bottleneck voor digitale AI het aansteken en verifiëren is. (6) Echter, *fysieke* AI — in de zin van robotgeleiding — *kan* haalbaar dingen eind-tot-eind doen, zij het na de investering van veel energie in randgevallen. Bijvoorbeeld, zelfrijdende auto's kunnen je nu echt van punt A naar punt B brengen. Ze doen het eind-tot-eind. (7) Dus, extreem goed gedefinieerde en economisch waardevolle problemen in de fysieke wereld zoals "rijd van punt A naar punt B" zijn waar we aanzienlijke AI-vooruitgang zouden moeten zien. Noem dit fysieke specifieke intelligentie. (8) Chinese robots zullen in het bijzonder taak na taak perfect uitvoeren, in veel vormen verder dan alleen auto's of humanoïden. Stoeprobots en bezorgdrones zijn al actief in China, naast zelfrijdende auto's, en hun hardwaresector versnelt. (9) Een reden om meer op de korte termijn optimistisch te zijn over fysiek specifieke intelligentie in plaats van kunstmatige algemene intelligentie is dat de fysieke wereld echt is terwijl de digitale wereld fictief kan zijn. @drfeifei maakte het gerelateerde punt dat het tekstboekconcept van gelijktijdige locatie en mapping (SLAM) eigenlijk een expliciet model van de fysieke wereld is, iets waarvan we allemaal weten dat het ontbreekt in het digitale rijk. (10) In het bijzonder, als je N verschillende robots hebt die allemaal SLAM (of equivalent) doen en hun sensorgegevens naar een centrale database uploaden, leren ze allemaal in zekere zin van dezelfde fysieke wereld en van elkaar. De miljoenen trainingskilometers die door zelfrijdende auto's zijn gereden, tonen aan dat deze strategie werkt. (11) Vergelijk dit met de digitale wereld. Tekst kan nep zijn, het kan fictief zijn, en inderdaad is het vaak zo. En dit is dubbel zo nu AI-tekst het web doordringt. (12) Dus N robots die de fysieke wereld waarnemen, zullen convergeren op een consensusrealiteit. Een Unitree-robot en een Tesla-robot zullen dezelfde objecten waarnemen. In tegenstelling tot N agenten in de digitale wereld die gewoon tekst en afbeeldingen blijven opnemen, die inconsistent kunnen zijn en zullen zijn. (13) In de afwezigheid van digitale handtekeningen, zal de online data die voor AI-training wordt gebruikt niet alleen intern inconsistent zijn, maar ook op subtiele of diepe manieren nep. Inderdaad, wijdverspreide AI-modellen zorgen ervoor dat veel digitale data (buiten harde digitale grenzen) nep, of rommel, of AI-agenten die met elkaar praten, zullen worden. ...