Κουίζ που συνδέεται με οδηγό · Σκληρό Επίπεδο

Κουίζ Τεχνητής Γενικής Νοημοσύνης

Εξετάστε τις διακρίσεις του οδηγού μεταξύ στενών συστημάτων, αμφισβητούμενων ορισμών AGI, ισχυρισμών ικανότητας και ορίων των τρεχόντων αποδεικτικών στοιχείων.

Σχετικές διαδρομές οδηγώνΑΓΙ
Ερώτηση 1 του 8

Τι διακρίνει την τεχνητή γενική νοημοσύνη από τη στενή τεχνητή νοημοσύνη;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Τι διακρίνει την τεχνητή γενική νοημοσύνη από τη στενή τεχνητή νοημοσύνη;
    • Λειτουργεί σε πιο ακριβό και ισχυρό υλικό
    • Ευρεία ικανότητα μάθησης και απόδοσης σε πολλούς τομείς
    • Έχοντας ένα φυσικό σώμα ρομπότ που κινείται στον κόσμο
    • Εκπαιδεύεται αποκλειστικά σε μεγάλα σύνολα δεδομένων εικόνων
  2. Τι παρατηρεί το παράδοξο του Moravec;
    • Η πρόοδος της τεχνητής νοημοσύνης σταματά όταν ταιριάζει με τη μέση ανθρώπινη νοημοσύνη
    • Τα μεγαλύτερα μοντέλα γίνονται πάντα λιγότερο ακριβή με την πάροδο του χρόνου
    • Η αντίληψη και οι κινητικές δεξιότητες, εύκολες για εμάς, είναι δύσκολες για την τεχνητή νοημοσύνη
    • Οι υπολογιστές δεν μπορούν ποτέ να νικήσουν τους ανθρώπους σε παιχνίδια στρατηγικής
  3. Which benchmark did François Chollet propose as a concrete way to measure skill-acquisition efficiency on abstract puzzles?
    • ARC (Abstraction and Reasoning Corpus)
    • MMLU (Massive Multitask Language Understanding)
    • GLUE (General Language Understanding Evaluation)
    • SQuAD (Σύνολο δεδομένων απαντήσεων ερωτήσεων του Στάνφορντ)
  4. Ποια είναι η υπόθεση της «έκρηξης νοημοσύνης» που σχετίζεται με τον I. J. Good;
    • Τα τυπικά τεστ νοημοσύνης θα καταστούν σύντομα απαρχαιωμένα
    • Το υλικό AI θα υπερθερμανθεί φυσικά και θα αποτύχει σε μεγάλη κλίμακα
    • Ο αριθμός των startups AI θα συνεχίσει να αυξάνεται εκθετικά κάθε χρόνο
    • Ένα μηχάνημα αυτοβελτίωσης θα μπορούσε να πυροδοτήσει αιχμές ικανοτήτων
  5. Το δοκίμιο του Rich Sutton «The Bitter Lesson» υποστηρίζει τι γίνεται με την πρόοδο της τεχνητής νοημοσύνης;
    • Οι συμβολικοί κανόνες που δημιουργούνται από ειδικούς θα ξεπερνούν πάντα τη μάθηση
    • Οι γενικές μέθοδοι που κλιμακώνονται με υπολογισμό κερδίζουν τη χειροποίητη γνώση
    • Τα μικρά επιμελημένα σύνολα δεδομένων είναι πάντα καλύτερα από τα μεγάλα
    • Η έρευνα AI θα πρέπει να σταματήσει να βασίζεται σε GPU και μεγάλα cluster
  6. Γιατί η δοκιμή Turing θεωρείται ημιτελές κριτήριο για το AGI;
    • Κανένα μηχάνημα δεν προσπάθησε ποτέ να το περάσει
    • Ελέγχει μόνο τη μαθηματική ικανότητα μιας μηχανής
    • Δοκιμάζει τη μίμηση συνομιλίας, όχι την ευρεία ικανότητα
    • Απαιτεί ένα φυσικό σώμα ρομπότ για να περάσει
  7. Why does the guide say AGI discussions need an explicit definition?
    • Different proposed thresholds produce different claims about timing and capability
    • There is a single legal definition used worldwide
    • AGI means any system that generates text
    • A definition proves a system is safe
  8. A model performs well on several benchmarks. What conclusion does the guide support?
    • It proves the system can perform every cognitive task
    • It settles the AGI definition debate
    • It shows the model has human experience
    • Benchmark results are evidence about tested tasks, not proof of universally agreed AGI