Gg123

比如问题 A 需要 3 个必要知识，那么现在我有 2 个知识，因为数量太少而无法回答，需要加训练集。当问题扩大以后，知识之间也会形成复杂结构，从而能回答更多问题，有效的 scaling law 的增加使得可以解决的问题类型增加，继而出现了预料外的问题类型也可以解决，出现了“涌现现象”。
但是因为知识储备有限，意味着 scaling law 的有效边界在持续下降，后续语料的增加也不能带来更好的效果，反而有语料污染。
所以 ASI 很大程度上必须得依赖 AI 自己去发现新的知识，否则他可以是人类认知边界的集合体，但无法突破甚至不稳定。