WhatsApp
X
LinkedIn
Facebook
BlueSky
Telegram
Vishal Misra returns to explain his latest research on how LLMs actually work under the hood. He walks through experiments showing that transformers update their predictions in a precise, mathematically predictable way as they process new information, explains why this still doesn't mean they're conscious, and describes what's actually required for AGI: the ability to keep learning after training and the move from pattern matching to understanding cause and effect
مقالات المصادر
Acquired Podcast (United States) | 17/03/2026
أصواتك مهمة
لا حاجة إلى حساب. تُحفظ أصواتك وتُدرج في تحليل الإجماع. أنشئ حسابًا للاحتفاظ بسجل لأصواتك.
مترجم بالذكاء الاصطناعي · عرض الأصل
The transition from pattern matching to cause and effect understanding is critical but still far from being realized in AI development.
مترجم بالذكاء الاصطناعي · عرض الأصل
Advancements in LLMs should not overshadow the ethical implications of creating systems that mimic human understanding.
مترجم بالذكاء الاصطناعي · عرض الأصل
Believing LLMs can lead to AGI misrepresents the complexity of consciousness and understanding in machines.
مترجم بالذكاء الاصطناعي · عرض الأصل
Continuous learning post-training is essential for AGI; LLMs must evolve beyond static models to truly replicate human intelligence.
مترجم بالذكاء الاصطناعي · عرض الأصل
The precise, predictable nature of LLMs showcases their potential as foundational tools for achieving AGI.
💡 كيف يعمل هذا
- • أضف تصريحات: انشر ادعاءات أو أسئلة (من 10 إلى 500 حرف).
- • صوّت: موافق أو غير موافق أو غير متأكد على كل تصريح.
- • ردّ: أضف حججًا مفصلة مؤيدة أو معارضة، مع الأدلة.
- • الإجماع: بمجرد مشاركة عدد كافٍ من الناس، يُظهر التحليل مجموعات الرأي ومواضع اتفاقها.
Society Speaks مستقل ومفتوح للجميع. دعمك يُبقي النقاش المدني خاليًا من الإعلانات والتأثير التجاري.
ادعمنا