人工智能拥有比人脑大得多的工作记忆

人工智能并不比数学家聪明。

这是不记得他们了。

关键优势可能不是卓越的推理能力，而是几乎无限的符号工作记忆。

当人工智能系统解决了一个困难的数学问题时，通常的解释是它变得更加聪明。

也许它吸收了数以百万计的数学例子。

也许强化学习教会了它更好的推理策略。

也许它正在开始发展出类似真正数学直觉的东西。

所有这些解释可能都有一定道理。

但他们忽略了一个更简单的可能性： 人工智能拥有比人脑大得多的工作记忆。

或者，更准确地说，它可以访问巨大的外部符号工作空间，该工作空间执行人类工作记忆执行的许多功能。

这种差异在数学中可能尤其重要。

人类数学家只能同时记住少量不熟悉的元素。

人工智能模型可以将整个问题陈述、数百个中间方程、几种废弃的方法、定义、约束和早期结论保留在其上下文窗口内。

我们通常将由此产生的表现解释为卓越推理的证据。

但其中一些可能反而反映了人类推理最重要的生物学限制之一的消除：我们极其有限的工作记忆能力。

🔗 原始来源

如果你要核对细节，可以再看原文： Hacker News AI原文链接