RUMAH BORAK SELATAN: FROSTED DREAMSCAPE

Vellfire

Gambar bertarikh 4 Mac 2025 ini menunjukkan demonstrasi sebuah robot humanoid pada Kongres Dunia Mudah Alih 2025 di Barcelona, Sepanyol. – Gambar Xinhua/Zhao Dingzhe

Vellfire

Kenderaan-kenderaan ini mentafsir persekitaran sekeliling, meramalkan pergerakan dan merancang laluan mereka sendiri.

Tashu

6 eposod

Vellfire

Keputusan awal menunjukkan pendekatan ini boleh meningkatkan keselamatan, sekali gus mempamerkan potensi AI berasaskan agen yang bekerjasama.

Vellfire

Namun begitu, Smith berkata LLM mempunyai batasan.

Tashu

60 episod la

Vellfire

“Ada banyak perkara yang mereka tidak lakukan dengan baik. Sesetengah syarikat teknologi besar mungkin mengatakan ia sekadar soal pengubahsuaian, tetapi itu tidak mungkin,” katanya.

Tashu

Drama ongoing

Vellfire

Untuk menjelaskan sebabnya, Smith menerangkan bagaimana kebanyakan LLM dibangunkan.

Vellfire

Model dilatih menggunakan set data yang amat besar dalam tempoh yang panjang, menghasilkan model asas yang kemudiannya ‘dibekukan’.

Tashu

Skang baru ep 30

Vellfire

Penalaan halus atau pembelajaran pengukuhan boleh melaraskan tingkah laku, tetapi tidak mengembangkan pengetahuan model ke arah baharu.

Vellfire

“Pada masa sama, penalaan halus LLM juga boleh mengganggu kestabilannya. Ia lebih kepada satu seni,” katanya.

Tashu

Lambat lagi nk abis haha

Vellfire

Satu lagi kekangan utama ialah penaakulan kausal.

Vellfire

LLM memodelkan hubungan korelasi, bukan sebab dan akibat, justeru perancangan menjadi sukar.

Vellfire

“Ia adalah keupayaan penaakulan manusia yang mereka sebenarnya tidak miliki,” katanya.

Vellfire

Sesetengah sistem kelihatan seolah-olah mampu merancang, tetapi hanya kerana langkah-langkah untuk melaksanakan tugas telah diprogramkan lebih awal.

Vellfire

Mereka tidak bertanya, “Jika saya melakukan ini, apa yang akan berlaku seterusnya?”

Vellfire

Jurang ini, tambah Smith, membantu menjelaskan mengapa LLM kadangkala menghasilkan jawapan yang tidak masuk akal.