储的数据中寻找与该数

[si.n.fo.2.6.9]

数据科学公司 Tredence 的人工智能主管 Aravind Chandramouli 告诉 PYMNTS，这是因为法学硕士的大多数现实应用不需要高级数学推理。潜在的解决方案是存在的，例如针对特定领域进行微调或提示工程预训练模型。 WizardMath 和 Math 等专为数学任务而设计的专业模型可以增强人工智能在需要严格逻辑思维的领域的能力。这场争论超越了数学，延伸到了一个基本问题：这些人工智能真的理解任何东西吗？这个问题是有关 AGI 和机器认知讨论的核心。法学硕士对他们所做的事情一无所知。

Bringsjord 说，他们只是从存据 墨西哥电报数据 在统计上相似的亚语言模式。 Chandramouli 表示，虽然他们连贯的答案可以造成理解的错觉，但绘制数据中统计相关性的能力并不意味着他们真正理解他们正在执行的任务。这一见解凸显了区分人工智能系统中复杂的模式识别和真正的理解所面临的挑战。 The Lifted Initiative 首席执行官埃里克·布拉维克 (Eric Bravick) 承认当前的局限性，但看到了潜在的解决方案。大型语言模型 (LLM) 不具备执行数学计算的能力。




他说，他们不懂数学。然而，他建议将法学硕士与专门的人工智能子系统配对可能会带来更准确的结果。布拉维克说，当与经过数学训练的专门人工智能子系统配合使用时，它们可以检索准确的答案，而不是根据为语言生成训练的统计模型生成答案。检索增强生成（RAG）系统和多模态人工智能等新兴技术可以解决当前人工智能推理的局限性。不断发展的领域人工智能领域持续快速发展，法学硕士展现出卓越的语言处理和生成能力。