Big World Hypothesis
认为世界远比任何心智或AI都更庞大、更复杂,无法被完全装进其中的观点
简单来说
大世界假说的前提是,我们生活的世界远比任何人脑中的想法或AI智能体所拥有的知识庞大、复杂得多。无论画得多精确的地图,都不可能把整片实际土地完整装进地图里。也就是说,世界和试图理解这个世界的存在之间,始终存在这样的规模差距。
这个想法在训练AI时变得尤为重要。当人类产生的数据不够用时,现在常见的做法是用模型或虚拟模拟器大量生成数据来训练AI。但根据大世界假说,这样造出来的假世界无论多精巧,终究只是由小型程序创造出的小世界。它无法精确还原现实中的摩擦力,或是机器人马达那些微妙的动作,更重要的是,世界中还存在一些从根本上就无法模仿的部分,比如他人内心的真实想法。
由此,这个假说自然引出一个反驳:如果真实世界真的如此庞大复杂,那么AI就不应该靠预先造好的假世界来训练,而应该通过真实经验不断自主学习、自我修正。
在报道中是这样出现的
文章中将其解释为"世界无限复杂,远比任何心智、任何智能体都庞大的前提"。容易被误解的一点是,这并非单纯的哲学论述——Richard Sutton正是以这一假说为依据,批评了业界试图用合成数据扩展AI的整体策略。也就是说,这个术语被用作说明某项技术局限性的实际论据。