Vad kommer härnäst för AI? Kanske fysiskt specifik intelligens, mer än artificiell generell intelligens. Här är ett utkast till avhandling. (1) För det första är AI nu på väg in i botten av hype-cykeln. Varje teknik, oavsett hur fantastisk den är, går igenom detta. Det är faktiskt en av de bästa tiderna att investera och bygga när utrymmet börjar tunnas ut. (2) För det andra är AI både mycket användbart för sökning, sammanfattning, visualisering och prototyper *och* en mycket irriterande källa till skräppost, bedrägerier och slask. Alltför många kommer enbart att fokusera på nackdelarna. (3) För det tredje är den exakta platån för AI ganska oväntad. Det faktum att nuvarande modeller verkar ha toppat på "mycket bättre webbsökning och sammanfattning" är inte där de flesta skulle ha pekat ut det 2022. Att störa Google är en historisk bedrift, men det är inte maskinguden. (4) En tes till varför modellerna hamnade på en platå på detta sätt är att digital AI i LLM-stil egentligen bara upprepar, snarare än att verkligen tänka. Det är nedströms, inte uppströms. Nu kan du komma mycket längre med detta än de flesta trodde. Men du kan inte komma hela vägen till nya tankar. (5) Det leder till en annan punkt: som jag har sagt tidigare gör digital AI det från mitten till mitten, inte från början till slut. Eftersom flaskhalsen för digital AI är uppmaningar och verifiering. (6) Men *fysisk* AI – i bemärkelsen robotstyrning – *kan* göra saker från början till slut, om än efter att ha investerat mycket energi i gränsfall. Till exempel kan självkörande bilar nu verkligen ta dig från punkt A till punkt B. De gör det från början till slut. (7) Så, extremt välspecificerade och ekonomiskt värdefulla fysiska världsproblem som "kör från punkt A till punkt B" är där vi bör se betydande AI-framsteg. Kalla detta för fysisk, specifik intelligens. (8) Kinesiska robotar i synnerhet kommer att klara uppgift efter uppgift, i många formfaktorer utöver bara bilar eller humanoider. Trottoarrobotar och leveransdrönare finns redan i Kina, tillsammans med självkörande bilar, och deras hårdvarusektor accelererar. (9) Ett skäl till att vara mer kortsiktig Hausse på fysiskt specifik intelligens snarare än artificiell generell intelligens är att den fysiska världen är verklig medan den digitala världen kan vara fiktiv. @drfeifei gjorde den relaterade poängen att lärobokskonceptet med simultan lokalisering och kartläggning (SLAM) faktiskt är en explicit fysisk världsmodell, något som vi alla har vetat saknas i den digitala världen. (10) I synnerhet, om du har N olika robotar som alla gör SLAM (eller motsvarande) och laddar upp sina sensordata till en central databas, lär de sig alla på sätt och vis av samma fysiska värld och av varandra. De miljontals träningsmil som självkörande bilar kör visar att denna strategi fungerar. (11) Jämför detta med den digitala världen. Text kan vara falsk, den kan vara fiktiv och det är faktiskt ofta så. Och detta är dubbelt så eftersom AI-text genomsyrar webben. (12) Så N-robotar som känner av den fysiska världen kommer att konvergera mot en konsensusverklighet. En Unitree-robot och en Tesla-robot kommer att uppfatta samma objekt. Däremot fortsätter N-agenter i den digitala världen bara att ta in text och bilder, vilket kan och kommer att vara inkonsekvent. (13) I avsaknad av digitala signaturer kommer de onlinedata som används för AI-träning inte bara att vara internt inkonsekventa utan även falska på subtila eller djupgående sätt. Faktum är att utbredda AI-modeller säkerställer att mycket digital data (utanför hårda digitala gränser) kommer att bli falska, eller slaskiga, eller att AI-agenter pratar med varandra....