Частина 2 інтерв’ю з Saining Xie: розкриваємо міф про AGI та scaling law
У другій частині інтерв’ю Saining Xie стверджує, що LLM — це віртуальний інтелект без зв’язку зі світлом, а історія про scaling law — це маркетингова афера для привернення інвестицій. Він закликає розвивати робототехніку та моделі світу, а не збільшувати розмір мовних моделей. За його словами, нарратив про AGI є структурно хибним.
⚡ Помітна подія
🟢 МОЖЛИВОСТІ
🟢 Можливості — інвестувати в робототехніку та системи, що збирають багатомодальні сенсорні дані, оскільки саме там йдуть реальні breakthroughs у моделюванні світу. 🔴 Загрози — надмірна залежність від великих LLM може призвести до застарілих інфраструктурних інвестицій та збиткових витрат на обчислювальні ресурси. Фізичні компанії повинні диверсифікувати портфель, уникаючи «все‑в‑одному» ставки на мовні моделі.
🔴 ЗАГРОЗИ
Багато читачів пропускають, що Xie саме відносить LLM до «virtual intelligence», підкреслюючи їхню нездатність моделювати тривалий світ без постійного сенсорного потоку. Це підриває аргумент про необхідність масштабу, оскільки диспретна природа моделей робить їх непридатними для завдань, що вимагають постійної адаптації. Таким чином, критика спрямована не лише на хайп, а на фундаментальну архітектуру підходів.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Saining Xie стверджує, що LLM — це дискретний віртуальний інтелект без зв’язку зі світлом, а не шлях до AGI.
- •Закон масштабу не працює для комп’ютерного зору; мова — продукт людського мислення, а не сирі дані.
- •Ажиотаж навколо AGI та scaling law використовується для привернення сотень мільярдів доларів у GPU‑інфраструктуру, що є структурно хибним.
Як це змінить ваш ринок?
Скептицизм щодо LLM може перенаправити інвестиції від чисто мовних моделей до систем, що інтегрують робототехніку та багатомодальні сенсори. Компанії, які фокусуються на створенні моделей світу, отримують перевагу в довгостроковій інновації. Однак короткостроковий попит на обчислювальну потужність може залишатися високим через існуючі зобов’язки.
Визначення: Scaling law — емпірична залежність, що описує, як продуктивність моделі зростає з розміром даних, обчислювальних ресурсів та параметрів. У контексті LLM це часто інтерпретується як «більше — краще», проте Xie показує, що для багатьох сфер (зору, robotics) такої залежності немає.
💬 Часті запитання
🔒 Підтекст (Insider)
Співрозмівник підкреслює, що ажиотаж навколо LLM підігрівається фінансовими інтересами хмарних провайдерів та виробників GPU, які отримують巨额 замовлення. Реальними бенефіціарами стають інфраструктурні компанії, а не фундаментальна наука. Таким чином, дискусія про AGI стає інструментом для привабу капіталу, а не покажчиком технологічного прогресу.
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Навчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live