引導式測驗 · 硬 等級
通用人工智慧測驗
回顧指南中狹窄系統、有爭議的 AGI 定義、能力聲明和當前證據限制之間的區別。
問題 1 的 8
通用人工智慧與狹義人工智慧有何不同?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 通用人工智慧與狹義人工智慧有何不同?
- 在更昂貴和更強大的硬體上運行
- 跨多個領域的廣泛學習和執行能力
- 擁有可以在世界中移動的實體機器人身體
- 專門針對大型影像資料集進行訓練
- 莫拉維克悖論觀察到了什麼?
- 一旦人工智慧達到人類平均智力水平,其進步就會停止
- 隨著時間的推移,較大的模型總是會變得不太準確
- 感知和運動技能對我們來說很容易,但對人工智慧來說卻很難
- 電腦永遠無法在策略遊戲中擊敗人類
- Which benchmark did François Chollet propose as a concrete way to measure skill-acquisition efficiency on abstract puzzles?
- ARC(抽象與推理語料庫)
- MMLU(大規模多任務語言理解)
- GLUE(通用語言理解評估)
- SQuAD(史丹佛問答資料集)
- 與 I. J. Good 相關的「智力爆炸」假說是什麼?
- 標準智力測驗很快就會過時
- 人工智慧硬體將出現物理過熱並大規模故障
- 人工智慧新創公司的數量每年都將呈指數級增長
- 自我改進的機器可能會引發失控的能力增益
- 薩頓 (Rich Sutton) 的文章《痛苦的教訓》爭論了人工智慧的進步如何?
- 專家製定的符號規則永遠勝過學習
- 透過計算擴展的通用方法擊敗了手工構建的知識
- 小型精選資料集總是比大型資料集更好
- 人工智慧研究應該停止依賴 GPU 和大型集群
- 為什麼圖靈測試被認為是 AGI 的不完整標準?
- 沒有機器真正嘗試過通過它
- 它只測試機器的數學能力
- 它測試會話模仿,而不是廣泛的能力
- 它需要一個物理機器人身體才能通過
- 為什麼指南會說 AGI 的討論需要明確的定義?
- 不同的擬議門檻會對時間點與能力產生不同的說法
- 全球通用單一的法律定義
- AGI 意指任何能生成文字的系統
- 定義證明了系統是安全的
- 某個模型在數個基準測試中表現良好。指南支持什麼結論?
- 這證明了該系統能執行每項認知任務
- 這解決了 AGI 定義的爭論
- 這顯示該模型具備人類經驗
- 基準測試結果是關於被測試任務的證據,而非獲得普遍共識之 AGI 的證明