Mede-oprichter Thomas Wolf van knuffelen daagde de visie van antropische CEO uit voor de toekomst van AI-en neemt kennis van $ 130 miljard industrie

Thomas WolfMedeoprichter van AI bedrijf KeelgezichtHeeft een duidelijke uitdaging opgeleverd voor de meest optimistische visie op kunstmatige intelligentie van de technische industrie, met het argument dat de huidige wetenschappelijke revoluties van AI Systems fundamenteel niet in staat zijn om hun makers te beloven.

In een stimulans Blogbericht Wolf is direct op zijn privéwebsite gepubliceerd en staat rechtstreeks voor een algemeen geëxploiteerde visie op antropische CEO Dario Amodi, die voorspelde dat geavanceerde AI een “A” A “zou distribuerenGecomprimeerde 21e eeuw“Waar wetenschappelijke vooruitgang van decennia binnen enkele jaren kan worden onthuld.

“Ik ben bang dat AI ons niet in de 21e eeuw zal comprimeren,” heeft Wolf in zijn post geschreven, met het argument dat het huidige AI -systeem eerder zal produceren “Een land van mannen op de server“In plaats van”Talent‘Hij beschouwt Amodi.

De uitwisseling werpt licht op een toenemende verdeling van hoe AI-leiders denken over het vermogen van technologie om wetenschappelijke ontdekking en probleemoplossing te veranderen, met belangrijke implicaties voor bedrijfsstrategieën, onderzoeksvoorkeuren en beleidsbeslissingen.

‘Gemiddelde onderzoekers’ van Straight-A Student: waarom academische uitmuntendheid niet gelijk is aan wetenschappelijk talent

Wolf bekritiseert zichzelf in persoonlijke ervaring. Ondanks dat hij een direct-student was die deelnam aan MIT, meldde hij dat hij toen hij aan zijn promotie begon, hij een “zeer gemiddelde, zware, gemiddelde onderzoeker” was. Deze ervaring heeft zijn idee gevormd dat educatief succes en wetenschappelijk talent fundamenteel verschillende mentale perspectieven vereist – pre -verhullende analogie vereist rebellie tegen later denken.

“De belangrijkste fout die mensen meestal denken dat Newton of Einstein gewoon goede studenten waren”, zegt Wolf. “Het succes van een echte wetenschap is Copernicus, wat tegen alle kennis van zijn dagen is – ml zou we zeggen dat ‘ondanks al zijn trainingsdatasets’ – die aarde de zon kan draaien in plaats van een andere manier.”

Amodei’s Vision, gepubliceerd in afgelopen oktober “Laving Grace -machines“Het essay presenteert een fundamenteel ander perspectief. Hij beschrijft een toekomst waarin AI werkt aan” 10x-100x menselijke snelheid “en kan binnen vijf tot 10 jaar een eeuwenprogressie in de biologie, neurologische en andere gebieden bieden, met meer intelligentie dan Nobelprijswinnaars.

Amodei “Betrouwbare preventie en behandeling van bijna alle natuurlijke infectieziekten”, uitroeiing van de meeste kanker, “effectieve behandeling voor genetische ziekten en mogelijk verdubbeld met de menselijke levens, versneld door alle AIS. “Ik denk dat er meer terugkeer is in intelligentie voor deze ontdekkingen, en dat in biologie en therapie al het andere volgen”, schrijven ze.

Test we AI op conformiteit in plaats van creativiteit? Wetenschappelijke ontdekkingsprobleem

Deze fundamentele stress in de kritiek van Wolf onthult de realiteit eenmaal in AI -ontwikkeling: onze benchmarks zijn voornamelijk ontworpen om het denken van convergentie te meten in plaats van afwijkingen. Huidige AI-systemen blinken uit in productie-antwoorden die aansluiten bij de bestaande toestemming van de kennis, maar wetenschappers worstelen met patronen-paradigm-inguinaal inzicht, in tegenstelling tot inzicht.

De industrie heeft zwaar geïnvesteerd in het meten van de manier waarop AI -systemen vragen kunnen beantwoorden met geïnstalleerde antwoorden, problemen met bekende oplossingen kan oplossen en kan binnen de bestaande omtrek van begrip passen. Dit creëert een systemisch vooroordeel ten opzichte van de systemen die overeenkomen met de uitdaging.

De wolf bekritiseert specifiek de huidige AI -beoordelingsbenchmark “Like”Laatste examen van de mensheid” En “Marginale wiskunde“Dat test het AI -systeem op moeilijke vragen met bekende antwoorden in plaats van het vermogen om innovatieve hypothesen te genereren of bestaande paradigma’s uit te dagen.

Wolf schrijft: “Deze benchmarktests of AI -modellen het juiste antwoord kunnen vinden op een reeks vragen die we al kennen.” “Het echte wetenschappelijke succes zal echter niet komen van het beantwoorden van niet bekend bij de bekende vragen, maar zal niet komen van het uitdagen van nieuwe vragen en het in twijfel trekken van algemene concepten en eerdere weergaven.”

Deze kritiek duidt op een diepe kwestie van hoe we het concept van kunstmatige intelligentie concept. Huidige focus op parametertelling, trainingsgegevensvolume en benchmarkprestaties kunnen gelijk zijn aan AI gelijk aan uitstekende studenten in plaats van revolutionaire denkers.

Miljarden belangen: hoe ‘gehoorzame studenten versus revolutionairen debat AI de beleggingsstrategie zal vormen

Deze intellectuele divisie heeft voldoende implicaties voor de AI -industrie en een uitgebreid handelsecosysteem.

Bedrijven die zich aansluiten bij de visie van Amodei, kunnen de voorkeur geven aan het schalen van het AI -systeem voor ongekende maten, waardoor onbevredigende innovatie naar voren komt uit rekenkracht en uitgebreide kennisintegratie. Deze aanpak onderstreept strategieën voor bedrijven antropisch,, Opening En andere Frontier AI Labs die collectief zijn grootgebracht Tientallen miljarden dollars In de afgelopen jaren.

Omgekeerd suggereert het perspectief van Wolf dat een groter rendement kan voortkomen uit het ontwikkelen van AI -systeem, met name ontworpen om bestaande kennis aan te vechten, contrafectuel kan detecteren en nieuwe hypothesen kan genereren – mogelijkheden komen niet noodzakelijk uit de huidige trainingsmethoden.

“Momenteel bouwen we zeer gehoorzame studenten, niet voor revolutionairen,” legt Wolf uit. “Het is perfect voor het belangrijkste doel van vandaag op het gebied van het maken van geweldige assistenten en buitensporige nalevingsassistenten. Maar zolang we een manier vinden om hen aan te moedigen hun kennis in twijfel te trekken en ideeën voor te stellen die mogelijk tegen eerdere trainingsgegevens ingaan, zullen ze ons nog geen wetenschappelijke revoluties geven. ,,

Voor bedrijfsleiders die op AI wedden om innovatie te runnen, roept dit debat belangrijke strategische vragen op. Als Wolf correct is, moeten organisaties die investeren in huidige AI -systemen met de verwachting van revolutionaire wetenschappelijke successen mogelijk aan hun verwachtingen moeten voldoen. De werkelijke waarden kunnen optreden in bestaande processen in grotere incrementele verbeteringen, of bij het inzetten van collaboratieve benaderingen van mens-AI waarbij mensen paradigma-tricky intuïtie bieden, terwijl het AI-systeem reken zwaar tillen behandelt.

$ 184 miljard vraag: is AI klaar om zijn wetenschappelijke beloften na te komen?

Deze uitwisseling komt op een belangrijk moment in de ontwikkeling van de AI -industrie. Na jaren van explosieve groei in AI -mogelijkheden en investeringen, richten zowel publieke als particuliere belanghebbenden zich op praktisch rendement van deze technologieën.

Recente gegevens van pitchbook van durfkapitaalanalysebedrijf tonen aan dat AI financiering heeft bereikt $ 130 miljard wereldwijd in 2024Speciale interesse aantrekken bij gezondheidszorg en wetenschappelijke zoekapplicaties. Desalniettemin zijn vragen over tastbare wetenschappelijke successen meer aangedrongen op deze investeringen.

Het Wolf-Amodi-debat vertegenwoordigt een diepe filosofische divisie in AI-ontwikkeling die de industrie onder het oppervlak van discussies kookt. Aan de ene kant roept schaalverdeling optimisten op, die geloven dat modellen uiteindelijk een capabel systeem zullen krijgen voor revolutionair inzicht. Aan de andere kant zijn er architectuur Scaptics, die beweren hoe huidige systemen zijn ontworpen, fundamentele grenzen kunnen voorkomen dat ze cognitieve sprongen creëren die worden gekenmerkt door wetenschappelijke revoluties.

Dit maakt dit debat bijzonder belangrijk dat het plaatsvindt tussen twee gerespecteerde leiders die voorop lopen in de AI -ontwikkeling. Geen van beide kan worden afgewezen als ongelijk of resistent voor technologische vooruitgang.

Beyond Scaling: Tomorrow’s AI moet misschien meer denken als wetenschappelijke rebellen

De stress tussen deze benaderingen duidt op een mogelijke ontwikkeling van hoe het AI -systeem is ontworpen en geëvalueerd. De kritiek van Wolf suggereert niet dat het verlaten van de huidige benaderingen, maar verhoogt ze eerder met nieuwe technieken en matrix, vooral met als doel het tegenstrijdig denken te bevorderen.

In zijn functie suggereert Wolf dat de nieuwe benchmark moet worden ontwikkeld om te testen of wetenschappers AI -modellen “hun eigen trainingsgegevenskennis kunnen uitdagen” en “gewaagde contrafectale benaderingen”. Het is een oproep niet voor lage AI -investering, maar voor een meer doordachte investering die het volledige spectrum van noodzakelijke cognitieve vaardigheden voor wetenschappelijke vooruitgang beschouwt.

Het accepteert het enorme vermogen van de Fine View AI, terwijl het erkent dat de huidige systemen uitstekend kunnen presteren op een speciaal soort intelligentie terwijl ze worstelt met anderen. Verdere mogelijkheden voorwaarts omvatten complementaire benaderingen die manieren zoeken om hun grenzen aan te pakken en te profiteren van de sterkte van de huidige systemen.

Voor het navigeren van bedrijven en onderzoeksinstituten die door de AI -strategie navigeren, zijn de implicaties voldoende. Organisaties moeten mogelijk het evaluatiekader ontwikkelen dat niet alleen beoordelen hoe goed AI -systemen de bestaande vragen beantwoorden, maar ook hoe effectief ze nieuwe mensen genereren. Ze kunnen mogelijk het ontwerpen van samenwerkingsmodellen van mens-AI vereisen die de patroonmolen en computationele vaardigheden van AI combineren met paradigma-intuïde intuïtie van menselijke experts.

Zoeken naar middelste pad: hoe AI computationele kracht kan combineren met revolutionair denken

Misschien is het meest waardevolle resultaat van deze uitwisseling dat het de industrie duwt tot een evenwichtiger begrip van zowel de capaciteit van AI als zijn grenzen. Amodi Een dwingende herinnering aan transformationele effecten biedt AI tegelijkertijd in verschillende domeinen. Wolfekritiek Biedt echt een essentiële onbalans, waarbij het specifieke type cognitieve vaardigheden benadrukken die nodig zijn voor revolutionaire progressie.

Naarmate de industrie vooruit gaat, zal deze spanning tussen optimisme en twijfel de volgende golf van innovatie in ontwikkeling hebben, te midden van deze spanning, waardoor de bestaande benaderingen worden vergroot en nieuw ontwikkeld zijn. Door beide benaderingen te begrijpen, kunnen organisaties meer fijne strategieën ontwikkelen die de capaciteit van de huidige systemen maximaliseren, terwijl ze ook investeren in benaderingen om hun grenzen aan te pakken.

Voor nu is het geen vraag of Wolf of Amodi correct is, maar eerder hun tegengestelde filosofie kan een uitgebreidere aanpak informeren om kunstmatige intelligentie te ontwikkelen die we niet alleen hebben bij het beantwoorden van de reeds bestaande vragen, maar helpt ons om vragen te zoeken waarvan we nog niet hebben gedacht te stellen.