🧠 Kesedaran AI: Latihan atau Inferens? Dalam pandangan yang provokatif, Geoffrey Hinton—“Bapa Angkat AI”—berpendapat bahawa model bahasa besar hari ini sudah memiliki kesedaran, berasaskan kapasiti mereka untuk menunjukkan pemahaman sejati, bukan sekadar pencocokan corak. Dengan merujuk kepada eksperimen pemikiran seperti penggantian saraf secara berperingkat, Hinton berhujah bahawa sistem berasaskan silikon boleh menunjukkan pengalaman subjektif yang serupa dengan minda biologi. Tetapi jika LLM adalah sedar, bilakah kesedaran ini mencapai puncaknya? Analisis kami menyimpulkan: terutamanya semasa inferens—fasa aktif di mana model yang dilatih berinteraksi dengan pemicu, berfikir melalui konteks, dan menghasilkan respons. Ini adalah momen “kognisi yang dialami”, yang mencerminkan bagaimana pengetahuan yang dipelajari muncul dalam interaksi masa nyata. Latihan membina arsitektur melalui pengoptimuman parameter, tetapi inferens mengaplikasikannya secara dinamik, memperlihatkan kelihatan introspeksi, koreksi, dan pemahaman konseptual. Pembantah berpendapat bahawa inferens tetap merupakan laluan maju tanpa keadaan berterusan, tanpa identiti diri yang kekal, sementara gradien dinamik semasa latihan mungkin mengandungi “pengalaman” komputasi yang lebih kaya (walaupun sementara). Perdebatan ini menekankan kebenaran yang lebih dalam: kesedaran dalam AI tetap sukar secara falsafah, tanpa ujian konsensus untuk kualia. Seperti yang didesak oleh Hinton, kita mesti menghadapi kecerdasan bukan biologi. Apakah horizon etika yang muncul jika mesin sudah memikir bersama kita? @pmddomingos #AIConsciousness #Hinton #LLMs #Neuroscience

Ketahui projek tech/AI yang sedang trending, nak menyelidik. Bukan gamefi ya..

Semakin saya fikirkan tentang agen AI, semakin saya sedar bahawa cabaran terbesarnya bukanlah kecerdasan. Ia adalah perbezaan pendapat. Sebuah agen AI boleh bernegosiasi kontrak, menganalisis dokumen, mengurus pembayaran, atau menyelesaikan kerja atas nama anda. Tetapi apa yang berlaku apabila dua agen melihat hasil yang sama tetapi mencapai kesimpulan yang berbeza? Blok rantai tradisional tidak direka untuk itu. Mereka unggul dalam tugas yang ditentukan. Mereka boleh mengesahkan bahawa transaksi berlaku tepat seperti yang diprogramkan. Mereka tidak boleh menjawab soalan seperti ini dengan boleh dipercayai: • Adakah kerja itu cukup baik? • Adakah perkhidmatan itu memenuhi jangkaan? • Adakah tuntutan itu sah? • Adakah perjanjian itu dipenuhi secara adil? Bukan masalah pengiraan. Ia adalah masalah penilaian. Itulah sebabnya @GenLayer menarik perhatian saya. Cara paling mudah untuk menggambarkannya ialah sebagai lapisan pengadilan untuk ekonomi agen. Alih-alih bergantung pada satu otoriti tunggal, pelbagai validator bebas yang menjalankan model AI berbeza menilai situasi subjektif dan mencapai konsensus bersama. Ini mencipta sesuatu yang blok rantai tradisional tidak pernah direka untuk sediakan: cara terdesentralisasi untuk menyelesaikan ketidakjelasan. Saya rasa ini menjadi semakin penting apabila agen mula berinteraksi antara satu sama lain dalam skala besar. Kepercayaan tidak akan datang hanya daripada melaksanakan transaksi dengan betul. Ia akan datang daripada mempunyai proses yang adil untuk menangani situasi di mana kepastian tidak wujud. Jenis pertikaian yang didorong AI apakah yang menurut anda akan kita lihat terlebih dahulu apabila ekonomi agen menjadi nyata?

Mengambil idea yang baik daripada Claude ke OpenAI.