2026-01-20 01:26:34

Parlons de mes idées sur le développement de l'intelligence artificielle. En résumé, la logique est très simple : il faut d'abord avoir un QI. Plus le QI est élevé, plus on peut réellement réfléchir et résoudre des problèmes. Mais ce n'est pas suffisant — pour penser, il faut aussi une mémoire pour soutenir cette réflexion.

Réfléchissez-y : si l'IA devait tout recommencer à chaque fois, ce serait à la fois une perte de temps, une faible efficacité, et ses comportements ressembleraient à ceux d'une machine qui n'a rien appris. Ce serait inutile, non ?

Donc, le point clé est le suivant : après avoir acquis un QI, une mémoire puissante est la véritable ligne de démarcation qui détermine si l'IA peut passer de "utilisable" à "performante". La combinaison de ces deux capacités permettrait vraiment à l'IA de travailler avec un certain niveau de compétence.

Selon moi, à mesure que le QI s'améliore progressivement, la nécessité d'une mémoire massive deviendra le prochain axe de percée majeur.

Voir l'original

Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.

9 J'aime

Récompense
9
4
Reposter
Partager

Commentaire

0/400

HodlKumamon

· Il y a 12h

Dihui Guanting ! La mémoire est vraiment le plafond actuel des grands modèles, avoir seulement de la puissance de calcul ne suffit pas (◍•ᴗ•◍) C'est tout à fait vrai, une IA sans mémoire est comme un poisson rouge, elle doit repartir de zéro à chaque fois... Les données montrent que cette perte d'efficacité peut atteindre plus de 40% Attends, l'extension du contexte window, c'est en quelque sorte une tentative dans cette direction ? On dirait que c'est encore une solution temporaire, pas une solution fondamentale Mais en y réfléchissant, si on parvient vraiment à créer une "IA avec mémoire", cela pourrait vraiment changer toute la configuration de l'industrie... On dirait que c'est la clé pour atteindre l'AGI

Voir l'originalRépondre0

down_only_larry

· Il y a 12h

Honnêtement, la mémoire est vraiment le vrai goulot d'étranglement. N'est-ce pas ce que font tous les grands modèles actuels ? --- Attends, ce n'est pas simplement un problème de fenêtre de contexte, ça aurait dû être résolu depuis longtemps, non ? --- La combinaison entre QI et mémoire est effectivement importante, mais il semble que le coût de la mémoire soit le plus grand défi. --- Je pense qu'au lieu d'accumuler de la mémoire, il vaut mieux d'abord renforcer ses capacités de raisonnement, sinon peu importe combien on en a, ça ne servira à rien. --- Ce raisonnement est un peu trop idéaliste, la difficulté réelle en ingénierie est bien plus complexe. --- Haha, la capacité de mémoire doit vraiment être dépassée, mais avec la tokenomics actuelle, c'est tout simplement impossible.

Voir l'originalRépondre0

WhaleShadow

· Il y a 13h

Hmm, cette logique n'est pas fausse, mais je pense que la mémoire est plus complexe que ce que j'imaginais. Actuellement, la "mémoire" des grands modèles est en réalité une illusion.

Voir l'originalRépondre0

FUD_Vaccinated

· Il y a 13h

Honnêtement, c'est la mémoire qui est vraiment le point critique, c'est là que tout bloque. Maintenant, tout le monde vante l'IA à tout va, mais au final, ils oublient tout aussi vite. Attends, donc en gros, il faut vraiment s'appuyer sur la mémoire à long terme ? Alors cette approche de l'apprentissage fédéré n'est-elle pas à l'envers ? En effet, une IA sans apprentissage persistant n'est qu'un vase vide, aussi intelligente soit-elle, ça ne sert à rien. Cet angle est intéressant, mais j'ai l'impression que le capital ne veut pas vraiment investir dans ce domaine, faire du profit rapide, c'est la voie royale. Ça paraît logique, mais comment résoudre le problème de la traçabilité de la mémoire ? Ce serait facile de la polluer, non ?

Voir l'originalRépondre0