$第四范式(06682)$ 对比这个链接网页链接的内容，还记得戴文渊博士几年前对AI大语言模型的评论和判断吗？惊人的预判和精准指出痛点，第四范式一直前进在正确的道路上！
更关键的是，戴文渊博士曾经强调，第四范式10多年最珍贵的积累优势一一曾经在企业AI应用领域中经历过的各种各样的失败经验！
这才是一个顶尖科学家的真知灼见，前沿AI科技研发的最高等级的认知！
这个链接中的2个AI绝顶高手正在准备开始做的事，多年前，就已经是第四范式一直坚持坚守的AI发展的正确道路了！
网页链接
摘选：
问题的核心：到目前为止，科学AI的进步，几乎都来自于在互联网上训练的模型。
但互联网，尽管看起来包罗万象，实际上是有限的。据估计，整个互联网有价值的文本数据，大约是10万亿个token。一个英文单词差不多就是一到两个token。这个数字听起来很大，但在过去的几年里，最顶尖的AI模型，已经把这些数据彻彻底底地“吃干抹净”了。
数据没了，增长的引擎就要熄火了。
继续在更大的模型、更多的参数上内卷，边际效益会越来越低。
Fedus在接受《纽约时报》采访时说得更直白，他认为，AI的主要目标根本不是自动化白领工作。
AI的主要目标，是加速科学。
他觉得，现在硅谷谈论大语言模型未来的方式，在“智力上很懒惰”。
他和Cubuk想做的，是回到贝尔实验室和IBM研究院的那个黄金时代，那个将物理科学视为核心使命的时代。Cubuc也补充了一个非常关键的观点：
聊天机器人不可能光靠推理几天，就得出惊天动地的科学发现。人类也做不到。
科学家们在找到真正有价值的东西之前，需要进行无数次的实验，经历无数次的失败。
科学的本质，是提出假说，然后动手实验，从结果中学习，无论结果是成功还是失败。
而这个“动手”的过程，恰恰是目前所有AI模型都缺失的环节。