tgoop.com/ComputerScienceBY/172
Create:
Last Update:
Last Update:
آقای Yann LeCun
:
اگر به کاربردهای LLM علاقهمند هستید، روی آنها کار کنید — این مدلها ابزارهای مفیدی هستند.
اما توجه داشته باشید:
که LLMها مسیر رسیدن به هوش مصنوعی در سطح انسان نیستند.
اگر واقعاً میخواهید نسل بعدی سیستمهای هوش مصنوعی را بسازید، این مسیر را دنبال کنید:
🔹 بهجای مدلهای تولیدی (Generative Models)، از معماریهای تعبیهی مشترک (Joint-Embedding Architectures) استفاده کنید.
🔹 بهجای مدلهای احتمالاتی (Probabilistic Models)، مدلهای مبتنی بر انرژی (Energy-Based Models) را در نظر بگیرید.
🔹 بهجای روشهای کنتراستی (Contrastive Methods)، روشهای منظمشده (Regularised Methods) را به کار ببرید.
🔹 بهجای یادگیری تقویتی (Reinforcement Learning)، از کنترل پیشبینی مدل (Model-Predictive Control) بهره بگیرید.
🔹 فقط زمانی از RL استفاده کنید که برنامهریزی به نتیجه مورد انتظار نرسد و نیاز به اصلاح مدل جهان یا منتقد وجود داشته باشد.
اگر به ساخت هوش مصنوعی در سطح انسان علاقه دارید، وقت خود را صرف LLMها نکنید.
و اگر دانشجو یا پژوهشگر دانشگاهی هستید، سراغ مدل های نسل بعدی بروید.
لینک
@silicon_brain | از هوش مصنوعی عقب نمانید
BY Computer Science
Share with your friend now:
tgoop.com/ComputerScienceBY/172