Adrian de Wynter
PulseAugur coverage of Adrian de Wynter — every cluster mentioning Adrian de Wynter across labs, papers, and developer communities, ranked by signal.
-
研究发现：《帝国时代II》在功能完备性上可与大型语言模型相媲美
一篇题为《如果大型语言模型具有类人属性，那么《帝国时代II》也具有》的研究论文，由Adrian de Wynter撰写，挑战了大型语言模型拥有独特拟人化品质的观点。该研究提出了一个“零假设”，认为大型语言模型并非独一无二，其他复杂系统也可能存在类似属性。为支持这一论点，论文展示了电子游戏《帝国时代II》在功能上是图灵完备的，表现出可与大型语言模型相媲美的特征。
-
游戏 AI 面临版权风险；《帝国时代 II》中争论大型语言模型属性
Adrian de Wynter 的一篇论文表明，像《帝国时代 II》这样的复杂系统，在拟人化后可以表现出类似人类的属性，挑战了只有大型语言模型才拥有这些特质的观念。De Wynter 在游戏中利用山羊和游戏内资产构建了一个粗糙的大型语言模型，用它们来表示比特和信号，说明即使是简单的系统也能执行逻辑运算。此外，生成式 AI 在游戏开发中面临着重大的法律和版权风险，一些工作室因潜在的诉讼和对初级开发人员角色的影响而完全避免使用该技术。
-
AI意识辩论：大型语言模型（LLM）与电子游戏的感知能力
Adrian de Wynter 的一篇论文提出，如果大型语言模型（LLM）被认为是具有意识的，那么像《帝国时代II》这样的电子游戏实体也应该被视为有感知能力。该论点认为，感知能力可以源于复杂的算法模仿，从而在AI行为与模拟环境之间建立联系。
-
AI研究员在《帝国时代II》中构建神经网络，质疑AI的意识
一位微软的AI研究员展示了，在电子游戏《帝国时代II》中可以构建出复杂的计算结构，这类似于支撑现代AI的基础。通过使用游戏内的山羊和地形等元素来表示比特和逻辑门，该研究员创建了一个功能性的感知器和NAND门。这个实验突显了人类轻易地将AI拟人化，并暗示当相同的基本原理可以在电子游戏中复制时，关于大型语言模型（LLM）的意识或类人属性的说法可能被夸大了。
-
微软研究员用乐高和《帝国时代 II》构建神经网络
来自微软的 Adrian de Wynter 演示了可以使用乐高积木或《帝国时代 II》游戏中的山羊等非常规元素来构建神经网络。这项工作有力地证明了反对将人类意识归因于算法。
-
微软研究员使用《帝国时代II》中的山羊来批判AI拟人化
一位微软研究员在电子游戏《帝国时代II》中创建了一个功能性的神经网络，使用了虚拟山羊和游戏机制。该项目旨在批判当前AI研究，强调许多研究过早地将人类特质归因于语言模型。研究员认为，对AI意识的感知往往基于呈现方式而非真正的意识，并以此游戏为例，质疑AI中的拟人化现象。
-
研究：大型语言模型拟人化并非独有，可在电子游戏中观察到
一篇新的研究论文提出，通常归因于大型语言模型（LLMs）的拟人化属性并非它们独有。作者们证明，一个在电子游戏《帝国时代II》上训练的简单神经网络可以表现出类似的行为。他们认为，任何足够复杂的系统，无论其基础如何，都可能表现出这些特征，这强调了在讨论大型语言模型属性时需要明确的测量标准。