Zum Hauptinhalt springen
Zurück zu Diskussionen

Was zwischen LLMs und AGI fehlt - Vishal Misra & Martin Casado

Technologie
United States
Gestartet 18. März 2026

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

Quellartikel

Aussage hinzufügen Analyse 0/5
Suchen Sie eine bestimmte Behauptung? Alle Aussagen durchsuchen
🗳️ Beteiligen Sie sich am Gespräch
5 Aussagen zum Abstimmen • Ihre Sichtweise prägt die Analyse
📊 Fortschritt zur Konsensanalyse Benötigt 7+ Teilnehmer und 20+ Stimmen. Jede Aussage fließt ein, sobald sie 3+ Stimmen hat.
Teilnehmer 0/7
Aussagen (10+ empfohlen) 5/10
Gesamtstimmen 0/20
💡 Der Fortschritt wird hier live aktualisiert. Die Analyse kann laufen, sobald alle drei Voraussetzungen erfüllt sind.

Ihre Stimmen zählen

Kein Konto nötig. Ihre Stimmen werden gespeichert und in die Konsensanalyse einbezogen. Erstellen Sie ein Konto, um Ihre Stimmen festzuhalten.

BEHAUPTUNG Veröffentlicht von will • 18.03.2026
Der Übergang vom Mustererkennung zu Ursache-und-Wirkung-Verständnis ist kritisch, wird aber in der KI-Entwicklung noch immer nicht realisiert.
KI-übersetzt · Original anzeigen

The transition from pattern matching to cause and effect understanding is critical but still far from being realized in AI development.

Abstimmungsoptionen für diese Aussage: Zustimmen, Ablehnen oder Unsicher
💬 Diskussion ansehen
Antworte als Erste:r
Abstimmen, um Ergebnisse zu sehen
BEHAUPTUNG Veröffentlicht von will • 18.03.2026
Fortschritte bei LLMs sollten nicht die ethischen Implikationen der Schaffung von Systemen überschatten, die menschliches Verständnis nachahmen.
KI-übersetzt · Original anzeigen

Advancements in LLMs should not overshadow the ethical implications of creating systems that mimic human understanding.

Abstimmungsoptionen für diese Aussage: Zustimmen, Ablehnen oder Unsicher
💬 Diskussion ansehen
Antworte als Erste:r
Abstimmen, um Ergebnisse zu sehen
BEHAUPTUNG Veröffentlicht von will • 18.03.2026
Die Annahme, dass LLMs zu AGI führen können, verharmlost die Komplexität von Bewusstsein und Verständnis in Maschinen.
KI-übersetzt · Original anzeigen

Believing LLMs can lead to AGI misrepresents the complexity of consciousness and understanding in machines.

Abstimmungsoptionen für diese Aussage: Zustimmen, Ablehnen oder Unsicher
💬 Diskussion ansehen
Antworte als Erste:r
Abstimmen, um Ergebnisse zu sehen
BEHAUPTUNG Veröffentlicht von will • 18.03.2026
Kontinuierliches Lernen nach dem Training ist für AGI essentiell; LLMs müssen sich über statische Modelle hinausentwickeln, um menschliche Intelligenz wirklich nachzubilden.
KI-übersetzt · Original anzeigen

Continuous learning post-training is essential for AGI; LLMs must evolve beyond static models to truly replicate human intelligence.

Abstimmungsoptionen für diese Aussage: Zustimmen, Ablehnen oder Unsicher
💬 Diskussion ansehen
Antworte als Erste:r
Abstimmen, um Ergebnisse zu sehen
BEHAUPTUNG Veröffentlicht von will • 18.03.2026
Die präzise, vorhersagbare Natur von LLMs zeigt ihr Potenzial als grundlegende Werkzeuge zur Erreichung von AGI.
KI-übersetzt · Original anzeigen

The precise, predictable nature of LLMs showcases their potential as foundational tools for achieving AGI.

Abstimmungsoptionen für diese Aussage: Zustimmen, Ablehnen oder Unsicher
💬 Diskussion ansehen
Antworte als Erste:r
Abstimmen, um Ergebnisse zu sehen

💡 So funktioniert es

  • • Aussagen hinzufügen: Veröffentlichen Sie Behauptungen oder Fragen (10 bis 500 Zeichen).
  • • Abstimmen: Zustimmen, ablehnen oder unsicher bei jeder Aussage.
  • • Antworten: Fügen Sie ausführliche Argumente dafür oder dagegen hinzu, mit Belegen.
  • • Konsens: Sobald genug Menschen teilnehmen, zeigt die Analyse Meinungsgruppen und wo sie übereinstimmen.

Society Speaks ist offen und unabhängig. Deine Unterstützung hält die zivilgesellschaftliche Diskussion frei von Werbung und kommerziellem Einfluss.

Unterstütze uns