ИССЛЕДОВАНИЕ · RESEARCH · #3266
Ричард Саттон: одного вычислений недостаточно для интеллекта — нужны непрерывное обучение и новые методы
Лауреат премии Тьюринга Ричард Саттон в новом посте заявил, что одних вычислений и масштабирования LLM недостаточно для достижения интеллекта, назвал синтетические данные «большой ошибкой» и призвал к агентам с моделями мира, которые непрерывно учатся — его комментарии вызвали дискуссию среди исследователей и лидеров индустрии, в том числе Джерри Твроека, Джейдена Тео и Сэма Олтмана.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Лауреат премии Тьюринга Ричард Саттон в новом посте заявил, что одних вычислений и масштабирования LLM недостаточно для достижения интеллекта, назвал синтетические данные «большой ошибкой» и призвал к агентам с моделями мира, которые непрерывно учатся — его комментарии вызвали дискуссию среди исследователей и лидеров индустрии, в том числе Джерри Твроека, Джейдена Тео и Сэма Олтмана.
- Саттон — влиятельный теоретик; его критика ставит под вопрос ставку индустрии на масштабирование LLM и может сместить приоритеты исследований в сторону алгоритмов непрерывного обучения и моделей мира.
- The inventor of the bitter lesson has a bitter lesson for LLM scaling enthusiasts
ПОЧЕМУ ЭТО ВАЖНО
Саттон — влиятельный теоретик; его критика ставит под вопрос ставку индустрии на масштабирование LLM и может сместить приоритеты исследований в сторону алгоритмов непрерывного обучения и моделей мира.