@coefuqin #25 你根本就不了解机器人这块的进展吧？机器人训练为什么不如文本和视频训练，这是明摆着的事实，因为数据量不够！你看过相关的报道，就会知道，现在机器人训练有 2 种方法，1 是通过实际的机器人训练，然后收集数据，2 是通过使用虚拟仿真的物理世界，在这个世界里面训练然后移植到真实世界，然而是有些差别的。 @catazshadow 看来看去，你的推理逻辑，始终是： 1. 因为 LLM 有概率输出，所以它是统计模型，所以它无法做到人类能做的事，不具备真正的智能； 2. 因为 LLM 神经元没有人类的多，所以它无法做到人类能做的事； 说实话，这种逻辑思维，就连 ChatGPT3.5 也比你强啊。能不能来点真才实料？ 1. 杨立昆说，因为 LLM 的输出 token 是一个接一个的，又因为每个 token 都有一定的概率出错，所以最后出错的概率是指数级别上升的，比如每个 token 的可靠性是 0.99 ，那么输出 1000 个 token 正确的概率就要到 0 了。为什么这种情况没有发生？怎么用统计学解释？ 2. 为什么通过列出步骤，可以显著增强模型的推理能力？ 3. 为什么训练时间和推理时间，有替代作用？也就是说一个使用更大数据训练的大模型的立即响应能力，可以通过与一个小模型经过较长时间的推理而得到？ 你不去搞清楚这些问题，而是专门在这里招摇撞骗，使用连 LLM 都不屑于使用的推理逻辑去你那宣传可笑的观点。

@cmdOptionKana 因为没有手段，所以搞不清楚定义，所以不会存在 不需要先定义再讨论

为什么没有人和我对线？我是来真心讨论的，我也有那么一丢丢的先验知识储备，看过几本书的。

@catazshadow 搞不清楚定义，可以讨论。 但是，既然你已经承认自己是在不清楚定义的前提下讨论，那就相当于承认你主要是在输出情绪，而不是在讲道理讲逻辑。

@sillydaddy 下次否定别人的时候，不要带吧这个字，会让你没那么自信。我没说机器人训练为什么不如文本和视频训练。你所说的机器人训练的 2 种方法，只是在当前技术基础上的方法。你说的 1 是 RL 的路线，2 是世界模型的路线。是因为本身缺少一个从根本上就无法高效泛化的“大脑”才走上面 2 个路线。 你请一个保姆，还要让她训练几个月擦桌子和拖地？ 自己没读过几本书就不要这么狂。

@coefuqin 可不可以说，智能是指：「一个人或东西」所掌握的知识和技能，包括但不限于「专门」学习的、「运行过程中」积累到的、以及「各种行为而」等等。 如果智能是这个定义，那么 AI 有没有智能呢？

@coefuqin 保姆也是从婴儿长大的啊，婴儿接收的数据量有多少，你告诉我！而且现在的大语言模型，本身就需要大量的数据去初始训练一个基底模型啊。人类用很少的经验就能学到东西，AI 没有做到这样，但这不意味着 AI 没有智能！这个逻辑根本就不通。谁也没说现在的 LLM 就是完备的，我还会说 LLM 没有自主意识呢！

@coefuqin 另外，别拿你学的那些书本知识在这儿显摆，我用常识和推理就能打败你。你强的话，回答一下#60 楼我提出的问题，可别在这儿猪鼻子插大葱，自个儿给自个儿抬轿。

@cmdOptionKana 我在告诉你为什么几十年内不会有一个通过建模得到的智能定义，为什么这是在输出情绪？

人脑=智能，吗？ 没准 LLM 的模式，未来比人脑更智能呢