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
Artigos de Fontes
Acquired Podcast (United States) | 17 de mar. de 2026
Seus votos contam
Não é preciso ter conta. Seus votos são salvos e incluídos na análise de consenso. Crie uma conta para manter um registro dos seus votos.
Traduzido por IA · Ver original
The transition from pattern matching to cause and effect understanding is critical but still far from being realized in AI development.
Traduzido por IA · Ver original
Advancements in LLMs should not overshadow the ethical implications of creating systems that mimic human understanding.
Traduzido por IA · Ver original
Believing LLMs can lead to AGI misrepresents the complexity of consciousness and understanding in machines.
Traduzido por IA · Ver original
Continuous learning post-training is essential for AGI; LLMs must evolve beyond static models to truly replicate human intelligence.
Traduzido por IA · Ver original
The precise, predictable nature of LLMs showcases their potential as foundational tools for achieving AGI.
💡 Como funciona
- • Adicione afirmações: Publique afirmações ou perguntas (de 10 a 500 caracteres).
- • Vote: Concordo, discordo ou não tenho certeza em cada afirmação.
- • Responda: Adicione argumentos detalhados a favor ou contra, com evidências.
- • Consenso: Quando pessoas suficientes participarem, a análise mostra os grupos de opinião e onde eles concordam.
Society Speaks é aberto e independente. Seu apoio mantém o debate cívico livre de publicidade e de influência comercial.
Apoie-nos