Yao Shunyu a déclaré que ce que l'IA concurrencera ensuite n'est pas une formation, mais "comment définir et évaluer les tâches vraiment utiles", et nous devons repenser comme un chef de produit: qui devrait résoudre les problèmes et comment mesurer "s'il est résolu".
Rappelez-vous quand Alphago a vaincu Lee Sedol pour la première fois, le monde entier s'est exclamé que "l'ère de l'intelligence artificielle arrive". En quelques années seulement, les modèles Chatgpt et O- Series ont transformé "l'intelligence" des échecs et des articles de test en code, en création et même chaque clic derrière l'écran de l'ordinateur.
Yao Shunyu, une classe de Tsinghua Yao, est né dans un grand homme et est actuellement un chercheur Openai, a jeté un jugement incroyable dans son dernier article "The Second-sey":
Nous nous sommes concentrés sur les "modèles de formation plus forts" au cours des dernières décennies, et maintenant les règles du jeu sont complètement inversées - ce que nous allons concourir ensuite n'est pas une formation, mais "comment définir et évaluer des tâches vraiment utiles". En d'autres termes, la première étape du jeu est le transformateur, l'apprentissage en renforcement profond et la pré-formation à grande échelle; Dans la deuxième étape, vous devez repenser comme un chef de produit: qui devrait résoudre les problèmes et comment mesurer "s'il est résolu". Ce changement déterminera qui est juste "le score du modèle est plus élevé" et qui peut vraiment tirer parti de la valeur économique au niveau des milliards de billions.
Yao Shunyu a également mentionné dans l'article:
Sutton (le père de l'apprentissage en renforcement) et les manuels classiques de Barto ne parlent presque que d'algorithmes, presque sans environnement ni priors. Cependant, à l'ère de la RL profonde, les gens ont constaté que l'environnement a un impact énorme sur les résultats empiriques: les performances d'un algorithme dépend souvent de son environnement de développement et de test. Si vous ignorez l'environnement, vous pouvez créer un algorithme "optimal" qui n'est que supérieur dans les paramètres des jouets. Alors pourquoi ne pas déterminer l'environnement que vous souhaitez vraiment résoudre avant de trouver l'algorithme le plus approprié?
Ce point de vue coïncide en fait avec le point de vue du dernier article de Sutton et Google RL «Bienvenue à l'ère de l'expérience» écrite par Sutton et le vice-président de Google RL au cours des deux derniers jours
Ce qui suit est le partage de texte intégral:
Traduction complète de "la seconde moitié"
Auteur original: Shunyu Yao, chercheur Openai
Titre original: la seconde moitié
Résumé: Nous sommes à la mi-temps de l'IA.
Adresse: https://ysythyth.github.io/the-second-half/
Pendant des décennies, l'IA s'est concentrée principalement sur le développement de nouvelles méthodes et modèles de formation. C...
[Courte citation de 8% de l'article original]