来自 Ben Goertzel（@bengoertzel）的推文线程

嘿 @sama——我明白你的紧急任务是迅速提升 ChatGPT 的性能，以便在关键指标上超越 Gemini 并满足用户需求……然而，这仍然无法解决你的主要问题，那就是有效构建大型 LLM 已经不再具有差异化优势…… 我认为OpenAI仍有潜力比大型科技公司发展得更快，但需要的不仅仅是加大力度和专注度，还需要一些新的想法…… 如果您有兴趣更深入、更全面地思考如何实现通用人工智能（AGI）——而且既然您说过希望OpenAI更加开放——您不妨考虑将GPT-6与我们在Hyperon中的一些新理念相结合…… https://t.co/GrY14xdtZo 如果从反向传播转向预测/因果编码，你可能会发现你可以创建一个持续学习的 Transformer 神经网络，从而结束人为区分推理模型与训练模型以及批量训练的混乱局面。 与其通过 RAG 和 API 人为地添加额外的工具，不如将 Transformer 嵌入到基于理论的集成认知架构（Hyperon）中，以及逻辑定理证明器、进化程序学习、非线性动态注意力分配等。 要让所有这些技术大规模有效运行，还有很多工作要做，还有很多细节需要解决——但如果你真的想实现通用人工智能（AGI）（然后是通用智能系统ASI），不仅仅是越来越大的逻辑层级模型（LLM）无法实现，任何以LLM*为核心*的认知架构都无法实现……尽管LLM绝对可以成为非常有价值的组成部分…… 哦，有了这些工具，我们也可以在去中心化网络上构建通用人工智能（AGI）（我们可以使用Hyerpon AGI设计的核心思想语言MeTTa作为智能合约语言）——所以你不一定需要花费数万亿美元来建设自己的单体基础设施……当然，更多的硬件会有帮助，但它可以分布在任何地方 ;) https://t.co/s4QJgo7366 是的，所有这些功能都还不成熟，尚未达到产品就绪状态——但核心基础设施在几个月前就已经具备可扩展性了……而且，在你最初加入 OpenAI 的时候，Transformer 模型也还没有成熟，达到产品就绪状态，对吧？ 只是说说而已…… 当然，我并不完全指望你会接受我的提议，帮助你将我们的开源工具集成到你的技术栈中……但如果你不接受，那么几年后，当我们真正推出开放且去中心化的通用人工智能（AGI）时，我会把这条旧消息发给你，然后微笑 ;)……