Top Tweets for #NORON
Good morning #Mino Oppa how was your night Rest? Have you decided to confess or should we keep dragging you on all socials before your agency tells us the truth? What were you and #Saeron doing when she was a minor! #NoRon ship 🛳️ #JusticeForTheCats
[Brjan: AGI Series] 86 tỷ #Noron: Não người vs #AGI
AGI sẽ vượt khả năng não người trong 2-3 năm tới?
Chào anh em, tôi có hơn 15 năm nghiên cứu về Não người và 20 năm làm về AI. Do vậy, tôi đủ kiến thức về những gì mình đưa ra dưới đây.
Tuy đều là chủ quan từ hiểu biết của tôi, nhưng tôi hy vọng anh em đọc hết và có thêm hiểu biết để có cái nhìn tích cực về AI. Chúng ta không biết ngày mai sẽ ra sao, nhưng ít nhất chúng ta có quyền hy vọng.
Trong lĩnh vực thần kinh học, một phát hiện quan trọng đã được công bố: bộ não người trung bình chứa khoảng 86 tỷ tế bào thần kinh, hay nơron (Azevedo et al., 2009). Dù thường được làm tròn thành 100 tỷ trong nhiều tài liệu, con số này phản ánh sự phức tạp đáng kể của hệ thần kinh. Nơron, đơn vị cơ bản của não và hệ thần kinh, có chức năng chính là tiếp nhận đầu vào cảm giác, xử lý thông tin, và truyền tín hiệu đến các bộ phận khác của cơ thể.
Đáng chú ý, số lượng kết nối - hoặc khớp thần kinh - giữa các tế bào thần kinh là cực kỳ lớn. Mặc dù có sự biến đổi, ước tính từ các nghiên cứu cho thấy mỗi nơron có thể tạo ra từ 1.000 đến 10.000 khớp thần kinh với các nơron khác (Braitenberg và Schüz, 1991). Tổng số kết nối khớp thần kinh trong não người, do đó, có thể dao động từ 100 nghìn tỷ đến 1.000 nghìn tỷ khớp thần kinh.
So sánh với công nghệ trí tuệ nhân tạo, cụ thể là mô hình ngôn ngữ lớn GPT-4, có ước tính khoảng 1.8 ngàn tỷ tham số (#OpenAI), thì tổng số kết nối nơron ở người vẫn lớn hơn từ 50 đến 500 lần.
Điều này cho thấy, mặc dù công suất tính toán đã tăng gấp đôi sau mỗi 18 tháng theo định luật Moore, tốc độ gia tăng tham số của các mô hình ngôn ngữ lớn trong những năm gần đây là đáng kinh ngạc, với tốc độ tăng gấp 10 lần trong cùng khoảng thời gian.
Như vậy, dự kiến trong khoảng 2 đến 3 năm tới, chúng ta có thể chứng kiến một hệ thống LLM có tổng số tham số sánh ngang với tổng số kết nối nơron trong não người.
Khi đó, không chỉ sự phức tạp của #LLM tương đương với não người, mà tốc độ xử lý của chúng còn nhanh hơn hàng triệu lần, mở ra khả năng đạt đến "điểm kỳ dị" (#singularity) trong thập k�� này, nhanh hơn dự báo trước đây. Điều này có tiềm năng thúc đẩy mạnh mẽ sự phát triển của Trí Tuệ Nhân Tạo Tổng Quát (AGI), biến nó thành hiện thực gần hơn bao giờ hết.
Tuy nhiên, quan trọng là lưu ý rằng sự phức tạp của não người không chỉ đơn thuần được định lượng bởi số lượng kết nối nơron. Sự phức tạp thực sự của não người đến từ cách thức mà các nơron này tương tác với nhau, cũng như từ các cấu trúc thần kinh phức tạp khác, chẳng hạn như cách chúng sắp xếp, các loại neurotransmitter sử dụng, và cách chúng đáp ứng với các tín hiệu môi trường.
Trong khi đó, #GPT4 và các mô hình #AI tương tự dựa trên các thuật toán và tham số được lập trình trước, không thể hoàn toàn tái hiện được sự phức tạp của các quá trình thần kinh sinh học.
Do đó, mặc dù s�� lượng tham số trong các mô hình AI có thể đạt hoặc vượt qua số lượng kết nối nơron, điều này không đồng nghĩa với việc AI có khả năng tương đương hoặc vượt trội hơn não người về mọi mặt.
Công nghệ AI hiện tại, kể cả những mô hình tiên tiến như GPT-4, vẫn còn hạn chế trong việc hiểu và xử lý thông tin một cách sâu sắc và linh hoạt như não người.
Vì vậy, mặc dù sự tiến bộ trong AI là đáng kinh ngạc, chúng ta cần nhìn nhận nó trong bối cảnh của sự khác biệt cơ bản giữa công nghệ máy tính và sinh học.
Vậy, nếu đã đọc kỹ tới đây rồi, anh em thấy sao về tương lai sắp tới của AI và AGI? Anh em có thắc mắc gì hay lo lắng gì nữa ko? Nếu có, hãy cho tôi biết để chúng ta cùng giải đáp.
Tôi là Brjan, một trong những người đầu tiên xây dựng mô hình giải mã não người.... nhưng thất bại.
![MrBrjan's tweet photo. [Brjan: AGI Series] 86 tỷ #Noron: Não người vs #AGI
AGI sẽ vượt khả năng não người trong 2-3 năm tới?
Chào anh em, tôi có hơn 15 năm nghiên cứu về Não người và 20 năm làm về AI. Do vậy, tôi đủ kiến thức về những gì mình đưa ra dưới đây.
Tuy đều là chủ quan từ hiểu biết của tôi, nhưng tôi hy vọng anh em đọc hết và có thêm hiểu biết để có cái nhìn tích cực về AI. Chúng ta không biết ngày mai sẽ ra sao, nhưng ít nhất chúng ta có quyền hy vọng.
Trong lĩnh vực thần kinh học, một phát hiện quan trọng đã được công bố: bộ não người trung bình chứa khoảng 86 tỷ tế bào thần kinh, hay nơron (Azevedo et al., 2009). Dù thường được làm tròn thành 100 tỷ trong nhiều tài liệu, con số này phản ánh sự phức tạp đáng kể của hệ thần kinh. Nơron, đơn vị cơ bản của não và hệ thần kinh, có chức năng chính là tiếp nhận đầu vào cảm giác, xử lý thông tin, và truyền tín hiệu đến các bộ phận khác của cơ thể.
Đáng chú ý, số lượng kết nối - hoặc khớp thần kinh - giữa các tế bào thần kinh là cực kỳ lớn. Mặc dù có sự biến đổi, ước tính từ các nghiên cứu cho thấy mỗi nơron có thể tạo ra từ 1.000 đến 10.000 khớp thần kinh với các nơron khác (Braitenberg và Schüz, 1991). Tổng số kết nối khớp thần kinh trong não người, do đó, có thể dao động từ 100 nghìn tỷ đến 1.000 nghìn tỷ khớp thần kinh.
So sánh với công nghệ trí tuệ nhân tạo, cụ thể là mô hình ngôn ngữ lớn GPT-4, có ước tính khoảng 1.8 ngàn tỷ tham số (#OpenAI), thì tổng số kết nối nơron ở người vẫn lớn hơn từ 50 đến 500 lần.
Điều này cho thấy, mặc dù công suất tính toán đã tăng gấp đôi sau mỗi 18 tháng theo định luật Moore, tốc độ gia tăng tham số của các mô hình ngôn ngữ lớn trong những năm gần đây là đáng kinh ngạc, với tốc độ tăng gấp 10 lần trong cùng khoảng thời gian.
Như vậy, dự kiến trong khoảng 2 đến 3 năm tới, chúng ta có thể chứng kiến một hệ thống LLM có tổng số tham số sánh ngang với tổng số kết nối nơron trong não người.
Khi đó, không chỉ sự phức tạp của #LLM tương đương với não người, mà tốc độ xử lý của chúng còn nhanh hơn hàng triệu lần, mở ra khả năng đạt đến "điểm kỳ dị" (#singularity) trong thập k�� này, nhanh hơn dự báo trước đây. Điều này có tiềm năng thúc đẩy mạnh mẽ sự phát triển của Trí Tuệ Nhân Tạo Tổng Quát (AGI), biến nó thành hiện thực gần hơn bao giờ hết.
Tuy nhiên, quan trọng là lưu ý rằng sự phức tạp của não người không chỉ đơn thuần được định lượng bởi số lượng kết nối nơron. Sự phức tạp thực sự của não người đến từ cách thức mà các nơron này tương tác với nhau, cũng như từ các cấu trúc thần kinh phức tạp khác, chẳng hạn như cách chúng sắp xếp, các loại neurotransmitter sử dụng, và cách chúng đáp ứng với các tín hiệu môi trường.
Trong khi đó, #GPT4 và các mô hình #AI tương tự dựa trên các thuật toán và tham số được lập trình trước, không thể hoàn toàn tái hiện được sự phức tạp của các quá trình thần kinh sinh học.
Do đó, mặc dù s�� lượng tham số trong các mô hình AI có thể đạt hoặc vượt qua số lượng kết nối nơron, điều này không đồng nghĩa với việc AI có khả năng tương đương hoặc vượt trội hơn não người về mọi mặt.
Công nghệ AI hiện tại, kể cả những mô hình tiên tiến như GPT-4, vẫn còn hạn chế trong việc hiểu và xử lý thông tin một cách sâu sắc và linh hoạt như não người.
Vì vậy, mặc dù sự tiến bộ trong AI là đáng kinh ngạc, chúng ta cần nhìn nhận nó trong bối cảnh của sự khác biệt cơ bản giữa công nghệ máy tính và sinh học.
Vậy, nếu đã đọc kỹ tới đây rồi, anh em thấy sao về tương lai sắp tới của AI và AGI? Anh em có thắc mắc gì hay lo lắng gì nữa ko? Nếu có, hãy cho tôi biết để chúng ta cùng giải đáp.
Tôi là Brjan, một trong những người đầu tiên xây dựng mô hình giải mã não người.... nhưng thất bại.](https://pbs.twimg.com/media/GAjYwPWa8AALe4G.jpg)
![MrBrjan's tweet photo. [Brjan: AGI Series] 86 tỷ #Noron: Não người vs #AGI
AGI sẽ vượt khả năng não người trong 2-3 năm tới?
Chào anh em, tôi có hơn 15 năm nghiên cứu về Não người và 20 năm làm về AI. Do vậy, tôi đủ kiến thức về những gì mình đưa ra dưới đây.
Tuy đều là chủ quan từ hiểu biết của tôi, nhưng tôi hy vọng anh em đọc hết và có thêm hiểu biết để có cái nhìn tích cực về AI. Chúng ta không biết ngày mai sẽ ra sao, nhưng ít nhất chúng ta có quyền hy vọng.
Trong lĩnh vực thần kinh học, một phát hiện quan trọng đã được công bố: bộ não người trung bình chứa khoảng 86 tỷ tế bào thần kinh, hay nơron (Azevedo et al., 2009). Dù thường được làm tròn thành 100 tỷ trong nhiều tài liệu, con số này phản ánh sự phức tạp đáng kể của hệ thần kinh. Nơron, đơn vị cơ bản của não và hệ thần kinh, có chức năng chính là tiếp nhận đầu vào cảm giác, xử lý thông tin, và truyền tín hiệu đến các bộ phận khác của cơ thể.
Đáng chú ý, số lượng kết nối - hoặc khớp thần kinh - giữa các tế bào thần kinh là cực kỳ lớn. Mặc dù có sự biến đổi, ước tính từ các nghiên cứu cho thấy mỗi nơron có thể tạo ra từ 1.000 đến 10.000 khớp thần kinh với các nơron khác (Braitenberg và Schüz, 1991). Tổng số kết nối khớp thần kinh trong não người, do đó, có thể dao động từ 100 nghìn tỷ đến 1.000 nghìn tỷ khớp thần kinh.
So sánh với công nghệ trí tuệ nhân tạo, cụ thể là mô hình ngôn ngữ lớn GPT-4, có ước tính khoảng 1.8 ngàn tỷ tham số (#OpenAI), thì tổng số kết nối nơron ở người vẫn lớn hơn từ 50 đến 500 lần.
Điều này cho thấy, mặc dù công suất tính toán đã tăng gấp đôi sau mỗi 18 tháng theo định luật Moore, tốc độ gia tăng tham số của các mô hình ngôn ngữ lớn trong những năm gần đây là đáng kinh ngạc, với tốc độ tăng gấp 10 lần trong cùng khoảng thời gian.
Như vậy, dự kiến trong khoảng 2 đến 3 năm tới, chúng ta có thể chứng kiến một hệ thống LLM có tổng số tham số sánh ngang với tổng số kết nối nơron trong não người.
Khi đó, không chỉ sự phức tạp của #LLM tương đương với não người, mà tốc độ xử lý của chúng còn nhanh hơn hàng triệu lần, mở ra khả năng đạt đến "điểm kỳ dị" (#singularity) trong thập k�� này, nhanh hơn dự báo trước đây. Điều này có tiềm năng thúc đẩy mạnh mẽ sự phát triển của Trí Tuệ Nhân Tạo Tổng Quát (AGI), biến nó thành hiện thực gần hơn bao giờ hết.
Tuy nhiên, quan trọng là lưu ý rằng sự phức tạp của não người không chỉ đơn thuần được định lượng bởi số lượng kết nối nơron. Sự phức tạp thực sự của não người đến từ cách thức mà các nơron này tương tác với nhau, cũng như từ các cấu trúc thần kinh phức tạp khác, chẳng hạn như cách chúng sắp xếp, các loại neurotransmitter sử dụng, và cách chúng đáp ứng với các tín hiệu môi trường.
Trong khi đó, #GPT4 và các mô hình #AI tương tự dựa trên các thuật toán và tham số được lập trình trước, không thể hoàn toàn tái hiện được sự phức tạp của các quá trình thần kinh sinh học.
Do đó, mặc dù s�� lượng tham số trong các mô hình AI có thể đạt hoặc vượt qua số lượng kết nối nơron, điều này không đồng nghĩa với việc AI có khả năng tương đương hoặc vượt trội hơn não người về mọi mặt.
Công nghệ AI hiện tại, kể cả những mô hình tiên tiến như GPT-4, vẫn còn hạn chế trong việc hiểu và xử lý thông tin một cách sâu sắc và linh hoạt như não người.
Vì vậy, mặc dù sự tiến bộ trong AI là đáng kinh ngạc, chúng ta cần nhìn nhận nó trong bối cảnh của sự khác biệt cơ bản giữa công nghệ máy tính và sinh học.
Vậy, nếu đã đọc kỹ tới đây rồi, anh em thấy sao về tương lai sắp tới của AI và AGI? Anh em có thắc mắc gì hay lo lắng gì nữa ko? Nếu có, hãy cho tôi biết để chúng ta cùng giải đáp.
Tôi là Brjan, một trong những người đầu tiên xây dựng mô hình giải mã não người.... nhưng thất bại.](https://pbs.twimg.com/media/GAjYwPRaAAApDg3.jpg)
![MrBrjan's tweet photo. [Brjan: AGI Series] 86 tỷ #Noron: Não người vs #AGI
AGI sẽ vượt khả năng não người trong 2-3 năm tới?
Chào anh em, tôi có hơn 15 năm nghiên cứu về Não người và 20 năm làm về AI. Do vậy, tôi đủ kiến thức về những gì mình đưa ra dưới đây.
Tuy đều là chủ quan từ hiểu biết của tôi, nhưng tôi hy vọng anh em đọc hết và có thêm hiểu biết để có cái nhìn tích cực về AI. Chúng ta không biết ngày mai sẽ ra sao, nhưng ít nhất chúng ta có quyền hy vọng.
Trong lĩnh vực thần kinh học, một phát hiện quan trọng đã được công bố: bộ não người trung bình chứa khoảng 86 tỷ tế bào thần kinh, hay nơron (Azevedo et al., 2009). Dù thường được làm tròn thành 100 tỷ trong nhiều tài liệu, con số này phản ánh sự phức tạp đáng kể của hệ thần kinh. Nơron, đơn vị cơ bản của não và hệ thần kinh, có chức năng chính là tiếp nhận đầu vào cảm giác, xử lý thông tin, và truyền tín hiệu đến các bộ phận khác của cơ thể.
Đáng chú ý, số lượng kết nối - hoặc khớp thần kinh - giữa các tế bào thần kinh là cực kỳ lớn. Mặc dù có sự biến đổi, ước tính từ các nghiên cứu cho thấy mỗi nơron có thể tạo ra từ 1.000 đến 10.000 khớp thần kinh với các nơron khác (Braitenberg và Schüz, 1991). Tổng số kết nối khớp thần kinh trong não người, do đó, có thể dao động từ 100 nghìn tỷ đến 1.000 nghìn tỷ khớp thần kinh.
So sánh với công nghệ trí tuệ nhân tạo, cụ thể là mô hình ngôn ngữ lớn GPT-4, có ước tính khoảng 1.8 ngàn tỷ tham số (#OpenAI), thì tổng số kết nối nơron ở người vẫn lớn hơn từ 50 đến 500 lần.
Điều này cho thấy, mặc dù công suất tính toán đã tăng gấp đôi sau mỗi 18 tháng theo định luật Moore, tốc độ gia tăng tham số của các mô hình ngôn ngữ lớn trong những năm gần đây là đáng kinh ngạc, với tốc độ tăng gấp 10 lần trong cùng khoảng thời gian.
Như vậy, dự kiến trong khoảng 2 đến 3 năm tới, chúng ta có thể chứng kiến một hệ thống LLM có tổng số tham số sánh ngang với tổng số kết nối nơron trong não người.
Khi đó, không chỉ sự phức tạp của #LLM tương đương với não người, mà tốc độ xử lý của chúng còn nhanh hơn hàng triệu lần, mở ra khả năng đạt đến "điểm kỳ dị" (#singularity) trong thập k�� này, nhanh hơn dự báo trước đây. Điều này có tiềm năng thúc đẩy mạnh mẽ sự phát triển của Trí Tuệ Nhân Tạo Tổng Quát (AGI), biến nó thành hiện thực gần hơn bao giờ hết.
Tuy nhiên, quan trọng là lưu ý rằng sự phức tạp của não người không chỉ đơn thuần được định lượng bởi số lượng kết nối nơron. Sự phức tạp thực sự của não người đến từ cách thức mà các nơron này tương tác với nhau, cũng như từ các cấu trúc thần kinh phức tạp khác, chẳng hạn như cách chúng sắp xếp, các loại neurotransmitter sử dụng, và cách chúng đáp ứng với các tín hiệu môi trường.
Trong khi đó, #GPT4 và các mô hình #AI tương tự dựa trên các thuật toán và tham số được lập trình trước, không thể hoàn toàn tái hiện được sự phức tạp của các quá trình thần kinh sinh học.
Do đó, mặc dù s�� lượng tham số trong các mô hình AI có thể đạt hoặc vượt qua số lượng kết nối nơron, điều này không đồng nghĩa với việc AI có khả năng tương đương hoặc vượt trội hơn não người về mọi mặt.
Công nghệ AI hiện tại, kể cả những mô hình tiên tiến như GPT-4, vẫn còn hạn chế trong việc hiểu và xử lý thông tin một cách sâu sắc và linh hoạt như não người.
Vì vậy, mặc dù sự tiến bộ trong AI là đáng kinh ngạc, chúng ta cần nhìn nhận nó trong bối cảnh của sự khác biệt cơ bản giữa công nghệ máy tính và sinh học.
Vậy, nếu đã đọc kỹ tới đây rồi, anh em thấy sao về tương lai sắp tới của AI và AGI? Anh em có thắc mắc gì hay lo lắng gì nữa ko? Nếu có, hãy cho tôi biết để chúng ta cùng giải đáp.
Tôi là Brjan, một trong những người đầu tiên xây dựng mô hình giải mã não người.... nhưng thất bại.](https://pbs.twimg.com/media/GAjYwPNbEAAe67V.jpg)
![MrBrjan's tweet photo. [Brjan: AGI Series] 86 tỷ #Noron: Não người vs #AGI
AGI sẽ vượt khả năng não người trong 2-3 năm tới?
Chào anh em, tôi có hơn 15 năm nghiên cứu về Não người và 20 năm làm về AI. Do vậy, tôi đủ kiến thức về những gì mình đưa ra dưới đây.
Tuy đều là chủ quan từ hiểu biết của tôi, nhưng tôi hy vọng anh em đọc hết và có thêm hiểu biết để có cái nhìn tích cực về AI. Chúng ta không biết ngày mai sẽ ra sao, nhưng ít nhất chúng ta có quyền hy vọng.
Trong lĩnh vực thần kinh học, một phát hiện quan trọng đã được công bố: bộ não người trung bình chứa khoảng 86 tỷ tế bào thần kinh, hay nơron (Azevedo et al., 2009). Dù thường được làm tròn thành 100 tỷ trong nhiều tài liệu, con số này phản ánh sự phức tạp đáng kể của hệ thần kinh. Nơron, đơn vị cơ bản của não và hệ thần kinh, có chức năng chính là tiếp nhận đầu vào cảm giác, xử lý thông tin, và truyền tín hiệu đến các bộ phận khác của cơ thể.
Đáng chú ý, số lượng kết nối - hoặc khớp thần kinh - giữa các tế bào thần kinh là cực kỳ lớn. Mặc dù có sự biến đổi, ước tính từ các nghiên cứu cho thấy mỗi nơron có thể tạo ra từ 1.000 đến 10.000 khớp thần kinh với các nơron khác (Braitenberg và Schüz, 1991). Tổng số kết nối khớp thần kinh trong não người, do đó, có thể dao động từ 100 nghìn tỷ đến 1.000 nghìn tỷ khớp thần kinh.
So sánh với công nghệ trí tuệ nhân tạo, cụ thể là mô hình ngôn ngữ lớn GPT-4, có ước tính khoảng 1.8 ngàn tỷ tham số (#OpenAI), thì tổng số kết nối nơron ở người vẫn lớn hơn từ 50 đến 500 lần.
Điều này cho thấy, mặc dù công suất tính toán đã tăng gấp đôi sau mỗi 18 tháng theo định luật Moore, tốc độ gia tăng tham số của các mô hình ngôn ngữ lớn trong những năm gần đây là đáng kinh ngạc, với tốc độ tăng gấp 10 lần trong cùng khoảng thời gian.
Như vậy, dự kiến trong khoảng 2 đến 3 năm tới, chúng ta có thể chứng kiến một hệ thống LLM có tổng số tham số sánh ngang với tổng số kết nối nơron trong não người.
Khi đó, không chỉ sự phức tạp của #LLM tương đương với não người, mà tốc độ xử lý của chúng còn nhanh hơn hàng triệu lần, mở ra khả năng đạt đến "điểm kỳ dị" (#singularity) trong thập k�� này, nhanh hơn dự báo trước đây. Điều này có tiềm năng thúc đẩy mạnh mẽ sự phát triển của Trí Tuệ Nhân Tạo Tổng Quát (AGI), biến nó thành hiện thực gần hơn bao giờ hết.
Tuy nhiên, quan trọng là lưu ý rằng sự phức tạp của não người không chỉ đơn thuần được định lượng bởi số lượng kết nối nơron. Sự phức tạp thực sự của não người đến từ cách thức mà các nơron này tương tác với nhau, cũng như từ các cấu trúc thần kinh phức tạp khác, chẳng hạn như cách chúng sắp xếp, các loại neurotransmitter sử dụng, và cách chúng đáp ứng với các tín hiệu môi trường.
Trong khi đó, #GPT4 và các mô hình #AI tương tự dựa trên các thuật toán và tham số được lập trình trước, không thể hoàn toàn tái hiện được sự phức tạp của các quá trình thần kinh sinh học.
Do đó, mặc dù s�� lượng tham số trong các mô hình AI có thể đạt hoặc vượt qua số lượng kết nối nơron, điều này không đồng nghĩa với việc AI có khả năng tương đương hoặc vượt trội hơn não người về mọi mặt.
Công nghệ AI hiện tại, kể cả những mô hình tiên tiến như GPT-4, vẫn còn hạn chế trong việc hiểu và xử lý thông tin một cách sâu sắc và linh hoạt như não người.
Vì vậy, mặc dù sự tiến bộ trong AI là đáng kinh ngạc, chúng ta cần nhìn nhận nó trong bối cảnh của sự khác biệt cơ bản giữa công nghệ máy tính và sinh học.
Vậy, nếu đã đọc kỹ tới đây rồi, anh em thấy sao về tương lai sắp tới của AI và AGI? Anh em có thắc mắc gì hay lo lắng gì nữa ko? Nếu có, hãy cho tôi biết để chúng ta cùng giải đáp.
Tôi là Brjan, một trong những người đầu tiên xây dựng mô hình giải mã não người.... nhưng thất bại.](https://pbs.twimg.com/media/GAjYwPMaYAA9z7i.jpg)
86 Billion Mysteries: The Human Brain vs AGI
In the field of #neuroscience, a significant discovery has been reported: the average human brain contains about 86 billion neural cells, or neurons (Azevedo et al., 2009). Although this figure is often rounded up to 100 billion in many documents, it reflects the considerable complexity of the nervous system. Neurons, the fundamental units of the brain and nervous system, primarily function to receive sensory inputs, process information, and transmit signals to other parts of the body.
Notably, the number of connections – or #synapses – between neural cells is extremely large. Although there is variability, estimates from studies suggest that each neuron can form from 1,000 to 10,000 synapses with other neurons (Braitenberg and Schüz, 1991). Therefore, the total number of synaptic connections in the human brain can range from 100 trillion to as high as 1 quadrillion.
In comparison to artificial intelligence technology, specifically the large language model #GPT-4, which is estimated to have about 1.8 trillion parameters (OpenAI), the total number of neuronal connections in humans is still 50 to 500 times greater. This indicates that despite the computational power doubling every 18 months in accordance with Moore's Law, the rate of increase in parameters of large language models in recent years has been astonishing, with a tenfold increase within the same timeframe. Thus, it is expected that within 2 to 3 years, we may witness an #LLM system whose total number of parameters is comparable to the total number of neuronal connections in the human brain.
At that point, not only will the complexity of LLMs be comparable to that of the human brain, but their processing speed will also be millions of times faster, opening up the possibility of reaching the "singularity" within this decade, sooner than previously anticipated. This has the potential to significantly advance the development of General Artificial Intelligence (#AGI), bringing it closer to reality than ever before.
However, it is important to note that the complexity of the human brain is not solely quantifiable by the number of neuronal connections. The true complexity of the human brain arises from how these neurons interact with each other, as well as from other complex neural structures, such as their arrangement, the types of neurotransmitters used, and how they respond to environmental signals. Meanwhile, GPT-4 and similar AI models, based on pre-programmed algorithms and parameters, cannot fully replicate the complexity of biological neural processes.
Therefore, while the number of parameters in AI models may reach or exceed the number of neuronal connections, this does not mean that AI has the ability to match or surpass the human brain in all aspects. Current AI technology, including advanced models like GPT-4, still faces limitations in understanding and processing information as deeply and flexibly as the human brain. Thus, although the progress in AI is remarkable, it must be viewed in the context of the fundamental differences between computer technology and biology.
@ResistItAllTX @RaheemKassam My question is why is @RonDeSantis and his campaign allowed to spend $ 8 million Florida tax payers dime on his travel and security? I voted for DeSantis twice and never thought he would spend hard working families $ for his popularity contest
#NoRon
@MollyJongFast @jbouie Journalist better start putting desatan's record in Florida out there before it's too late. He's a power hungry fascist whose tactics would make Mussolini blush. This man is ruthless. Tfg will probably be out due 2 litigation & trial & dozens are waiting 2 take his place. #noron
@itskenssoapbox It's really too bad Ron doesn't know how to be a human. That laugh, the weird head bobble.... The crazy anger about everything, he's off-putting and embarrassing. Out of touch and too old fashioned. #NoRon
Y que bendición la chela #noRon
This thread… the governor is a clear and present danger to civil liberties and democracy in general.
Let’s all strive to ensure he is not a FUTURE danger to liberal democracy throughout the country.
#NoRon
1. @RonDeSantisFL has declared war on drag shows.
He is pushing to shut down venues that host drag shows, claiming they are endangering kids
But the DeSantis admin was just CAUGHT RED HANDED fabricating claims about the shows
Follow along for receipts 🧾
🧵
Ron DeSantis is betraying Florida
Ron DeSantis is betraying Donald Trump
Ron DeSantis has betrayed MAGA
This is the political end for #MeatballRon
#TheDilleyShow #Trump2024
@FerL67 @MagicMark9 How in the Hell did this guy get into Harvard? When I went to college in 1970, Harvard was considered the most prestigious university in the country, and they only accepted the brightest and best students! They also had to have integrity, which Mo Ron clearly has none of!
#NoRon
@salonatlantica s’installe à Niort pour trois jours! Bienvenue à ce très grand salon du tourisme et de l’hôtellerie de plein air! #entréelibre #Noron
Inauguration ce matin au parc des Expos de #Niort #Noron du salon @salonatlantica , la référence pour les professionnels de l’hôtellerie de plein air et les loisirs. Un salon de cette dimension pendant 3 jours à #Niort aura des retombées très importantes pour l’économie locale
Inauguration ce matin au parc des Expos de #Niort #Noron du salon @salonatlantica , la référence pour les professionnels de l’hôtellerie de plein air et les loisirs. Un salon de cette dimension pendant 3 jours à #Niort aura des retombées très importantes pour l’économie locale
Describing the details of a heinous, inhumane action don’t change the facts of what DeSantis is doing. What’s worse, as he can’t grasp the details he offers are themselves damning. #DeStupidest is that oblivious to how depraved his mentality is. #NoRon
📆 RDV demain sur le stand de la @CCIDeuxSevres @CMA_79 @Chambagri79 au 4ème congrès des collectivités des Deux-Sèvres à #Niort #Noron organisé par l'association des maires des Deux-Sèvres #ADM79
🤝 Ensemble, pour l'attractivité des Deux-Sèvres !
@ontheboatofra @micheleforfl PEOPLE-DeSantis CAN’T be the Republican Presidential candidate. He’ll be WORSE than Trump - if you can believe that’s even possible. #NORON
Inauguration de @Caprinov en ce moment à #Niort #Noron. Très belle édition pour ce grand rendez-vous des professionnels de la filière @Mairie_Niort
Last Seen Hashtags on Sotwe
Most Popular Users
Elon Musk 
@elonmusk
241.1M followers
Barack Obama
@barackobama
119.1M followers
Cristiano Ronaldo
@cristiano
112.5M followers
Donald J. Trump
@realdonaldtrump
111.8M followers
Narendra Modi
@narendramodi
107.1M followers
Rihanna
@rihanna
98.2M followers
NASA
@nasa
92.2M followers
Justin Bieber
@justinbieber
91.4M followers
KATY PERRY
@katyperry
88.8M followers
Taylor Swift
@taylorswift13
82.6M followers
Lady Gaga
@ladygaga
74.1M followers
Virat Kohli
@imvkohli
71.6M followers
Kim Kardashian
@kimkardashian
70.3M followers
YouTube
@youtube
68.7M followers
Bill Gates
@billgates
64.5M followers
Neymar Jr
@neymarjr
64.5M followers
The Ellen Show
@theellenshow
62.4M followers
CNN
@cnn
61.8M followers
Selena Gomez
@selenagomez
61.8M followers
X
@x
60.8M followers