적은 실제 예제로 무수한 생성 예제를 만들어서 자기 학습을 했는데 성능이 +가 되었다? 이건 핵융합 점화급이랑 마찬가지 충격임...
기존에는 생성 예제를 학습에 사용한다 해도 그게 누적되면 누적될수록 성능이 하락되었음... 그만큼 그지 같은 예제들이 생성되었고, 그걸 모델이 실제 예제랑 분간하지 못하고,
마치 - 나도 그렇지만 - 모든 걸 다 학습하는 성향이어서 바보 같은 선생님한테 교육 받으면 그 바보 같은 점도 학습하는 어떤 학생처럼 (비유일 뿐임)
+가 아니라 -가 되었다는 거임. 그런데 이게 +를 지속시킬 수 있었다? 핵융합 점화 수준....
왜냐하면, 깊게 들어가면, 우리 인간이 꼭 그렇게 학습하기 때문임. 간단히 말해서 '시뮬레이팅'. 한 가지 예시를 받고, 그 예시의 변형을 스스로 만들어낼 수 있는데,
자신이 만들어낸 변형 예시의 개수만큼 바로 인간은 한 가지 실제 예시에서 다각도에서 살펴보고 분석하는 게 가능했다는 것인데 - 그렇기 때문에 일반화가 가능한 거.
지금 이게 오피셜인지 루머인지 잘 모르겠는데, 아무튼 이게 성공했다는 소식은....
인간처럼 머리속에서 시뮬레이션하면서 정밀한 다각도 일반화에 성공했다는 것과 동치이므로 AGI에 정말 근접했다는 걸 시사할 수 있음...
그렇지 아주 약간만 플러스여도 무한반복하면 무섭게 크니끄 - dc App
0에서 1을 만들었다 대충 이런 소리누?
그렇다고봐야지ㅇㅇ - dc App
사람도 새로운걸 딱 보는 순간 '이러면 이러겠지' '그런 상황엔 그렇게 되겠지' 같은게 떠오르지 여기서 이제 필요한 기능은 '어, 이러면 어떻게 되지?' 라는 애매한 결론이 나왔을 때 추가로 질문하거나 스스로 탐색하는 것
구!!!!속!!!!
ㄹㅇ.... - dc App
ㅇㅇ 이쯤되면 LLM이 true agi냐 논쟁을 떠나 narrow asi까지 도달할 수 있다는건 기정사실화 된듯
브레이크스루 할수있었던 이유가 데이터를 생성하는게 아니라, 조합하기 때문임. 고품질의 창의적 데이터는 조합으로부터 나옴. 인류가 그래왔음