Hier is de langere versie van ons Nature-artikel. Ons argument is simpel: statistische benadering is niet hetzelfde als intelligentie. Sterke benchmarkscores zeggen vaak heel weinig over hoe LLM's zich gedragen onder nieuwigheid, onzekerheid of veranderende doelen. Nog belangrijker is dat vergelijkbaar gedrag kan voortkomen uit fundamenteel verschillende processen. In een ander artikel hebben we zeven epistemologische breuklijnen tussen mensen en LLM's geïdentificeerd. Bijvoorbeeld, LLM's hebben geen interne representatie van wat waar is. Ze genereren vaak zelfverzekerde tegenstrijdigheden, vooral in langere interacties, omdat ze niet bijhouden wat daadwerkelijk waar is. Een ander voorbeeld. Ja, LLM's hebben enkele open wiskundige problemen opgelost, maar deze gevallen houden meestal in dat bekende methoden worden toegepast op goed gedefinieerde problemen. LLM's kunnen niets echt nieuws en waar tegelijk uitvinden, omdat ze de epistemische mechanismen missen om te bepalen wat waar is. Dit betekent niet dat LLM's nutteloos zijn. Helemaal het tegenovergestelde: ze zijn buitengewoon nuttig. Maar we moeten voorzichtig zijn met wat ze zijn en wat ze niet zijn. Het produceren van plausibele tekst is niet hetzelfde als begrijpen. Statistische voorspelling is niet hetzelfde als intelligentie. Dus ondanks de hype van de gebruikelijke verdachten, is AGI niet bereikt. * artikel in de eerste reactie Gezamenlijk met @Walter4C en @GaryMarcus