O que vem a seguir para a AI? Talvez inteligência fisicamente específica, mais do que inteligência geral artificial. Aqui está um rascunho de tese. (1) Primeiro, a AI está agora entrando no vale do ciclo de hype. Toda tecnologia, não importa quão incrível, passa por isso. Na verdade, é um dos melhores momentos para investir e construir uma vez que o espaço começa a se afinar. (2) Em segundo lugar, a AI é tanto altamente útil para busca, sumarização, visualização e prototipagem *quanto* uma fonte altamente irritante de spam, fraudes e lixo. Muitos se concentrarão apenas nos lados negativos. (3) Em terceiro lugar, o exato platô da AI é bastante inesperado. O fato de que os modelos atuais parecem ter atingido o auge em "busca e resumo na web muito melhores" não é onde a maioria teria apostado em 2022. Desafiar o Google é uma conquista histórica, mas não é o deus máquina. (4) Uma tese para explicar por que os modelos se estabilizaram dessa forma é que a AI digital no estilo LLM realmente *está* apenas repetindo, em vez de realmente pensar. É a jusante, não a montante. Agora, você pode ir muito mais longe com isso do que a maioria pensava. Mas você não pode chegar até pensamentos novos. (5) Isso leva a outro ponto: como já disse antes, a AI digital faz isso de meio a meio, não de ponta a ponta. Porque o gargalo para a AI digital é a solicitação e verificação. (6) No entanto, a AI *física* — no sentido de orientação robótica — *pode* fazer coisas de ponta a ponta, embora após o investimento de muita energia em casos extremos. Por exemplo, carros autônomos agora realmente podem levá-lo do ponto A ao ponto B. Eles fazem isso de ponta a ponta. (7) Portanto, problemas do mundo físico extremamente bem especificados e economicamente valiosos, como "dirigir do ponto A ao ponto B", são onde devemos ver um progresso significativo da AI. Chame isso de inteligência fisicamente específica. (8) Robôs chineses, em particular, vão acertar tarefa após tarefa, em muitas formas além de apenas carros ou humanoides. Robôs de calçada e drones de entrega já estão ativos na China, ao lado de carros autônomos, e seu setor de hardware está acelerando. (9) Uma razão para ser mais otimista a curto prazo sobre a inteligência fisicamente específica em vez da inteligência geral artificial é que o mundo físico é real, enquanto o mundo digital pode ser fictício. @drfeifei fez o ponto relacionado de que o conceito de livro didático de localização e mapeamento simultâneos (SLAM) é na verdade um modelo explícito do mundo físico, algo que todos nós sabemos que está faltando no reino digital. (10) Em particular, se você tiver N robôs diferentes todos fazendo SLAM (ou equivalente) e enviando seus dados de sensores para um banco de dados central, todos eles, de certa forma, estão aprendendo com o mesmo mundo físico e entre si. As milhões de milhas de treinamento percorridas por carros autônomos mostram que essa estratégia funciona. (11) Contraste isso com o mundo digital. O texto pode ser falso, pode ser fictício, e de fato, muitas vezes é. E isso é ainda mais verdadeiro à medida que o texto da AI permeia a web. (12) Portanto, N robôs sensando o mundo físico convergirão para uma realidade consensual. Um robô Unitree e um robô Tesla perceberão os mesmos objetos. Por outro lado, N agentes no mundo digital continuam apenas ingerindo texto e imagens, que podem e serão inconsistentes. (13) Na ausência de assinaturas digitais, os dados online usados para o treinamento da AI não serão apenas internamente inconsistentes, mas falsos de maneiras sutis ou profundas. De fato, modelos de AI amplamente difundidos garantem que muitos dados digitais (fora de fronteiras digitais rígidas) se tornem falsos, ou lixo, ou agentes de AI conversando entre si. ...