【讲座笔记】

一，德米斯

1. 难的缺的，不在于是否能解决猜想或难题，更在于。而是能从0～ 1 提出问题，甚至从0~ 1提出新的理论与假设。
这类系统未来并非不能出现，但目前而言，还是缺一些或者一两点关键要素的。
2. 首要问题是，我们构建的自我改进闭环能否脱离人类独立运转（工作流自我优化迭代？），顺便一提这类系统也有些潜在危险。
3. SOTA模型

二，构建能实现闭环，自我驱动的模型－德

这不会成为一项常规或普通化的技术，目前，模型能写代码，辅助做研究，但如果要实现彻底的闭环，仍是一个未知数，也完全有可能。
（这些领域可能就是存在主义场域的物质资料供给端）

只不过在某些领域，可能得用通用人工智能本身才能做到。再者，这类领域内部关系往往更错综复杂，或很难在短时间内迅速验证答案的准确性。（服务类产品类交互类等的验证，测试市场前，必须要与真实的人互动进行验证，而得到新数据）这类np难领域很多，问题一多一复杂就更难入手。
顺便一提，通用人工智能包含物理ai和机器人这些，再加上硬件在环这一因素，可能会拖慢自我改进系统的演进速度，但在编程和数学等领域，我坚信这完全行得通。

1.56 【抖音精选】点击链接or复制打开app，看看【逻辑智能科技频道的作品】AGI 之后谁说了算？两位 AI 顶级大佬正面交锋... http://t.cn/AXJmqht4 12/27 hoQ:/ v@f.oQ