失望的。 這一切都與「通用人工智慧」（AGI）無關，後者指的是「能夠在新的認知問題上達到人類高水準的人工智慧」。從經濟角度來看，追求通用人工智慧是有意義的，但從演算法角度來看，它是否真的可行尚不清楚。你或許應該去討論明斯基所提出的多層感知器（MLP）的局限性，這樣或許更有成效。
當前階段的一個非常能說明問題的是，即使是那些抨擊通用人工智慧/人工智慧的文章，基本上也承認通用人工智慧（就像任何前一代思想家所理解的那樣）在短時間內是不可避免的，而只是對擴散的軌跡和單位經濟學吹毛求疵。
就我個人而言，我認為NPU可以透過超越記憶體溢出（OOM）來提升效能。但這需要我們徹底顛覆目前的範式。靠人力是無法實現的。我們將立即著手進行人類層面的思考，成本將由DeepSeek承擔，並輔以閉環機器人實驗。