人類智慧的一個特徵是快速適應的能力，能夠在新穎和不熟悉的條件下迅速解決新問題。我們該如何構建能做到這一點的機器？ 在我們的新預印本中，我們提出任何通用智能系統必須擁有一個自適應的世界模型，即它們必須能夠通過互動和探索迅速構建或完善其內部表徵——這個過程我們稱之為「世界模型歸納」。 我們提出了一個基於我們稱之為「新穎遊戲」的特殊類別遊戲來評估機器中自適應世界模型的路線圖。

智力並不是一系列技能的集合，而是你獲取和運用新技能的效率。這是一個效率比率。 這就是為什麼基準分數可能會對 AI 系統的實際智力產生誤導。

在市值排名前20的美國科技公司中，只有1家總部位於舊金山（Salesforce）。這比奧斯丁的2家還少。 大部分美國科技公司總部位於聖克拉拉縣（前20名中有11家）。最近的主要城市（差距很大）是聖荷西。 舊金山距離超過1小時（如果有交通的話，可能需要2小時）。

到目前為止，我最喜歡的視頻生成用例：用它將孩子的故事轉換成動畫片段 孩子們覺得電腦能製作視頻是完全自然的，他們喜歡看到自己描述的內容變成現實——就像看到自己的想像力得到了驗證，變得真實。

教育的目標不應該是達到某個標準化測試的特定人口平均值，而應該是發掘學生的最高個人潛力。

順便提一下，我們將於下週在舊金山舉辦ARC-AGI 3開發者預覽的私人活動。時間是7月17日，下午6點。對贊助商、捐贈者和研究人員開放。 將有幾個重大公告。此外，@dwarkesh_sp將主持我們的圍爐對話。下一條推文中有鏈接。

AI模型能否完美預測卻仍然擁有糟糕的世界模型？ 那究竟意味著什麼？ 我們的新ICML論文正式化了這些問題。 一個結果講述了這個故事：一個在1000萬個太陽系上訓練的變壓器準確預測了行星軌道，但卻搞砸了重力法則 🧵

根據我個人的經驗，Duolingo 不是一個教育應用程式，而是一款手機遊戲——它在教語言方面完全無效，但卻相當有趣，並且讓你感覺自己在學習。

一些其他有趣的發現！我們發現，開發者在不太熟悉的任務上受到的拖延較少。這是直觀的——如果你真的知道自己在做什麼，AI 的幫助可能就會變得不那麼邊際。

我對這項研究是否值得進行感到相當懷疑，因為我認為*顯然*我們會看到顯著的加速。