但我认为，从根本上来说，在科学层面上，我们才刚刚开始触及表面。我给你举一些例子。所以最初，你知道，第一个模型，它们非常擅长为我们提供一些证据，证明这种提出问题的新方式本质上是，呃，神经网络。是啊是啊。正确的。它们是非常复杂的方程。呃，如果你使用来运行这些复杂的方程，那么我们实际上可以解决相当复杂的问题。这是我们在年左右以及在年左右意识到的事情，所以在年到年之间，进展是非常线性的。：你知道，新的模型被创建了，新的想法被提出了，但事情的扩展和进展非常线性。但在年之后，随着模型的引入，它是、、和所有这些大型语言模型背后的基础架构，我们有了另一种实现。   就在那时我们意   识到，如果 台湾电话号码 你采用这些模型，然后将它们放大，就模型的大小和我们用来训练它们的数据集的大小而言，它们会呈指数级增长。好的。就在那时，我们到达了今天的地步，我们再次意识到，自年以来，仅仅通过缩放它们，我们就没有做任何根本上不同的事情。我们所做的就是增加模型的大小，增加数据集的大小，而且它们的性能呈指数级增长。：所以，乘法而不是加法肯尼思•温格：嗯，是的，完全正确。是的。所以，事实并非如此，进步是指数级的，不仅仅是在线性轨迹上。是的。但我认为，事实上，我们在这些模型中没有从根本上改变太多，这种情况很快就会逐渐减少。 这是我的期望现在我   们处于时间轴的哪个位置这是你原来天在做什么，就会发现他们所做的 奥地利 WhatsApp 号码列表 事情非常重要。本质上，他们正在做非常简单的统计。嗯嗯。，它们并不是这些模型被称为人工智能的想法。正确的。我认为有时 这有点用词不当。我同意。这引发了人们的一些问题。嗯，因为那里并没有太多深度智能，只是统计建模，而且非常简单。然后我们从这里走向何方，我希望未来是什么，那就是我们开始的时候，我认为，当我们开始获得不仅能够进行简单统计的模型时，事情将会发生巨大变化，但能够理解他们想要实现的目标的背景。是的。并且答案和错误答案。