RUMAH BORAK SELATAN: FROSTED DREAMSCAPE

Vellfire

Persis manusia, AI perlu pembelajaran sepanjang hayat
Januari 30, 2026, Jumaat - 8:05pm

Meskipun kemajuan besar dicapai, ‘keupayaan kognitif setara manusia’ masih menjadi jurang perlu dilangkaui AI: Pakar

Vellfire

Seorang pengunjung bergambar dengan sebuah robot humanoid pada Ekspo Mesin dan Elektronik Kecerdasan Buatan Global 2025 (AIE) di Macao, selatan China pada 4 Disember 2025. – Gambar Xinhua

Vellfire

Apakah hala tuju seterusnya bagi kecerdasan buatan (AI)?

Tashu

Tp line agak selo

Vellfire

Bagi Stephen Smith, seorang penyelidik kanan robotik dari Amerika Syarikat, jawapannya mungkin terletak pada cara manusia belajar: pembelajaran sepanjang hayat.

Vellfire

“Jika anda memikirkan tentang kecerdasan sebenar dan bagaimana manusia belajar, mereka belajar dengan cara yang sangat berbeza. Manusia belajar sepanjang hayat mereka,” kata Smith, Presiden Persatuan Kemajuan Kecerdasan Buatan (AAAI) kepada Xinhua.

Vellfire

Beliau menambah kebanyakan AI hari ini, yang dibina berasaskan model bahasa besar (large language models, LLM), tidak dapat ‘belajar’ secara mutlak dari semasa ke semasa, satu jurang yang membentuk persoalan utama bagi memacu penyelidikan masa hadapan.

Vellfire

Bercakap pada Persidangan Tahunan AAAI Ke-40 mengenai Kecerdasan Buatan di Singapura baru-baru ini, Smith berkata pencapaian paling ketara sejak beberapa tahun kebelakangan ini ialah kebangkitan LLM.

Vellfire

Sistem pembelajaran mendalam ini, yang dilatih menggunakan set data berskala besar, mampu memahami dan menjana teks - dan semakin banyak jenis kandungan lain.

Vellfire

“Banyak penyelidikan sedang menumpang gelombang ini atau dibina di atasnya,” katanya.

Tashu

Vellfire replied at 31-1-2026 12:45 PM
asal cute sangat yer

Gewam kannn

Vellfire

Smith menelusuri kebangkitan LLM kepada perubahan jangka panjang dalam pengkomputeran dan penyelidikan AI.

Vellfire

Selama beberapa dekad, peningkatan kuasa pengkomputeran dan perubahan dalam kaedah penaakulan AI secara beransur-ansur mendorong bidang ini ke arah pembelajaran mendalam.

Tashu

Ayuhhhhh

Vellfire

Peralihan itu menyediakan landasan kepada evolusi pesat LLM.

Tashu

Tolak lagi

Vellfire

“Inovasi di sebalik LLM - dan pembelajaran mendalam secara umum - benar-benar menyuntik tenaga baharu kepada bidang ini,” katanya.

Tashu

Empat

Vellfire

Visi komputer telah mencapai kemajuan ketara, dan robotik turut mendapat manfaat.

Tashu

Tiga