दस साल बाद AlphaGo के ली सेडोल के साथ ऐतिहासिक मैच के बाद, अतीत और वर्तमान AI क्षमताओं के बीच एक महत्वपूर्ण अंतर बना हुआ है। 2016 में, AlphaGo का प्रसिद्ध 'मूव 37' ने intuición और गणना का एक अद्वितीय मिश्रण प्रदर्शित किया। Deep Blue के विपरीत, जो बल-बल गणना पर निर्भर था, AlphaGo ने hunches उत्पन्न करने के लिए एक नीति नेटवर्क का उपयोग किया और भविष्य के परिणामों को तौलने के लिए एक अलग खोज मशीनरी का उपयोग किया। इस आर्किटेक्चर ने मानव Sistema 1 और Sistema 2 सोच की नकल की, जिससे AI को एक रचनात्मक चाल चुनने से पहले हजारों भविष्य के खेल स्थितियों का मूल्यांकन करने की अनुमति मिली।
आज के बड़े भाषा मॉडल अलग तरह से काम करते हैं। वे अगले टोकन का पूर्वानुमान लगाने के लिए पुनरावृत्ति करते हैं, मुख्य रूप से तेज, संबंधात्मक पैटर्न पूर्णता पर निर्भर करते हैं। जबकि चेन-ऑफ-थॉट प्रॉम्प्टिंग जैसी तकनीकें मध्यवर्ती चरणों को प्रोत्साहित करती हैं, वे एक अलग तर्क इंजन नहीं बनाती हैं। मध्यवर्ती आउटपुट अभी भी उसी अगले टोकन पूर्वानुमान प्रक्रिया द्वारा उत्पन्न किया जाता है, जिसका अर्थ है कि आधुनिक AI में AlphaGo की सफलता को चलाने वाली वास्तविक विचारशील मशीनरी की कमी है। विज्ञान और चिकित्सा में विश्वसनीय, novel अंतर्दृष्टि प्राप्त करने के लिए, भविष्य की प्रणालियों को केवल पैटर्न पूर्णता पर निर्भर रहने के बजाय, एक अलग, deliberate तर्क प्रक्रिया को एकीकृत करना चाहिए।
स्रोत: MIT Technology Review AI · HeadlinesBriefing द्वारा सारांशित