Aller au contenu principal
Retour aux discussions

Ce qui manque entre les LLM et l'AGI - Vishal Misra & Martin Casado

Technologie
United States
Commencé 18 mars 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

Articles sources

Ajouter une affirmation Analyse 0/5
Vous cherchez une affirmation en particulier ? Rechercher dans toutes les affirmations
🗳️ Rejoignez la conversation
5 affirmations à voter • Votre point de vue façonne l’analyse
📊 Progression vers l’analyse de consensus Nécessite 7+ participants et 20+ votes. Chaque affirmation entre dans l’analyse dès 3+ votes.
Participants 0/7
Affirmations (10+ recommandées) 5/10
Total des votes 0/20
💡 La progression s’affiche ici en direct. L’analyse peut être lancée dès que les trois conditions sont remplies.

Vos votes comptent

Aucun compte nécessaire. Vos votes sont enregistrés et inclus dans l’analyse de consensus. Créez un compte pour garder une trace de vos votes.

AFFIRMATION Publié par will • 18 mars 2026
La transition de la reconnaissance de motifs à la compréhension des causes et effets est critique mais reste loin d'être réalisée dans le développement de l'IA.
Traduit par IA · Voir l'original

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

Options de vote pour cette affirmation : d’accord, pas d’accord ou pas sûr
💬 Voir la discussion
Soyez le premier à répondre
Votez pour voir les résultats
AFFIRMATION Publié par will • 18 mars 2026
Les progrès des LLM ne doivent pas occulter les implications éthiques de la création de systèmes qui imitent la compréhension humaine.
Traduit par IA · Voir l'original

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

Options de vote pour cette affirmation : d’accord, pas d’accord ou pas sûr
💬 Voir la discussion
Soyez le premier à répondre
Votez pour voir les résultats
AFFIRMATION Publié par will • 18 mars 2026
Croire que les LLM peuvent mener à l'AGI fausse la complexité de la conscience et de la compréhension chez les machines.
Traduit par IA · Voir l'original

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

Options de vote pour cette affirmation : d’accord, pas d’accord ou pas sûr
💬 Voir la discussion
Soyez le premier à répondre
Votez pour voir les résultats
AFFIRMATION Publié par will • 18 mars 2026
L'apprentissage continu après l'entraînement est essentiel pour l'AGI ; les LLM doivent évoluer au-delà des modèles statiques pour véritablement reproduire l'intelligence humaine.
Traduit par IA · Voir l'original

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

Options de vote pour cette affirmation : d’accord, pas d’accord ou pas sûr
💬 Voir la discussion
Soyez le premier à répondre
Votez pour voir les résultats
AFFIRMATION Publié par will • 18 mars 2026
La nature précise et prévisible des LLM démontre leur potentiel en tant qu'outils fondamentaux pour atteindre l'AGI.
Traduit par IA · Voir l'original

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

Options de vote pour cette affirmation : d’accord, pas d’accord ou pas sûr
💬 Voir la discussion
Soyez le premier à répondre
Votez pour voir les résultats

💡 Comment ça marche

  • • Ajouter des affirmations : Publiez des affirmations ou des questions (de 10 à 500 caractères).
  • • Voter : D’accord, pas d’accord ou pas sûr sur chaque affirmation.
  • • Répondre : Ajoutez des arguments détaillés pour ou contre, avec des preuves.
  • • Consensus : Une fois que suffisamment de personnes participent, l’analyse fait apparaître les groupes d’opinion et leurs points d’accord.

Society Speaks est ouvert et indépendant. Votre soutien protège le débat citoyen de la publicité et de l’influence commerciale.

Nous soutenir