Estoy observando una mini paradoja de Moravec dentro de la robótica: la gimnasia que es difícil para los humanos es mucho más fácil para los robots que las tareas "poco atractivas" como cocinar, limpiar y ensamblar. Conduce a una disonancia cognitiva para las personas fuera del campo, "entonces, los robots pueden hacer parkour y breakdance, pero ¿por qué no pueden cuidar a mi perro?" Créeme, mis padres me preguntaron sobre esto más de lo que piensas ... La "paradoja del robot Moravec" también crea la ilusión de que las capacidades físicas de la IA son mucho más avanzadas de lo que realmente son. No estoy señalando a Unitree, ya que se aplica ampliamente a todas las demostraciones acrobáticas recientes en la industria. Aquí hay una prueba simple: si coloca una pared frente al robot que se voltea lateralmente, se estrellará contra ella con toda su fuerza y hará un espectáculo. Porque solo está sobreajustando ese movimiento de referencia única, sin ninguna conciencia del entorno. He aquí por qué existe la paradoja: es mucho más fácil entrenar a un "gimnasta ciego" que a un robot que ve y manipula. El primero se puede resolver completamente en simulación y transferir de cero disparos al mundo real, mientras que el segundo exige una representación extremadamente realista, física de contacto y dinámica de objetos del mundo real desordenada, ninguno de los cuales se puede simular bien. Imagina que puedes entrenar LLM no desde Internet, sino desde un juego de consola de texto puramente hecho a mano. Los roboticistas tuvieron suerte. Resulta que vivimos en un mundo donde los motores de física acelerada son tan buenos que podemos salirnos con la nuestra con acrobacias impresionantes usando literalmente cero datos reales. Pero aún no hemos descubierto el mismo código de trucos para la destreza general. Hasta entonces, nuestros padres confundidos seguirán cuestionándonos.

🚨 Los modelos de IA acaban de inventar modelos de IA mejores y novedosos. Investigadores chinos introdujeron toda la investigación de LLM en un modelo y descubrió 106 nuevas arquitecturas de modelos de IA que convergen para reducir la pérdida con mejores puntos de referencia. ASI-Arch es uno de los mejores artículos de IA de este año. En ruta AGI.

Si está construyendo sistemas de agentes, debe apoyarse en el modelo tanto como pueda. Probablemente pueda obtener resultados más rápidos codificando cosas, pero será superado a medida que los modelos iteren. Desea construir una relación con su modelo y contexto. Concéntrese en el contexto de los soñadores.

Solicitud de canal de YouTube: los niños se pudren pero en realidad les enseñan en secreto todo lo que necesitan saber para hacer algo increíble en la vida Como Plaza Sésamo para la década de 2020