霍夫曼框架的人工智能影响

以下是基于霍夫曼工作对人工智能影响的重点综述：
1. 当前大型语言模型的根本限制
霍夫曼曾表示，在他的框架下，当前的大型语言模型“比黄瓜还笨”。
为什么？
- LLMs 完全在时空界面内运作（文本标记、统计模式）。
- 它们无法访问现实的基础结构（有意识的代理）。
- 它们优化的是在我们的界面内的预测，而非真正的理解或自主性。
2. 递归追踪逻辑（提出的替代方案）
霍夫曼一直在开发一种名为递归追踪逻辑的新架构，他声称这与当前基于变换器的模型根本不同。
- 它基于有意识代理的动态，而非统计模式匹配。
- 初步描述表明它模拟观察过程和递归代理。
- 他说，一些前沿人工智能领域的知名人士已经接触过他关于这个框架的想法。
3. 对通用人工智能的影响
如果霍夫曼的观点是正确的：
- 目前架构的扩展（更多参数、更多数据）将遇到硬性天花板，因为它们仍被困在界面中。
- 真正的通用人工智能需要能够模拟观察者动态和代理交互的架构，而不仅仅是预测标记。
- 具身性可能在很大程度上无关紧要——大多数意识（因此也包括智能）可能是非具身的。
4. 意识作为瓶颈
霍夫曼的框架表明，意识不是复杂计算的涌现属性。相反：
- 意识是根本的。
- 当前的人工智能缺乏正确的本体论基础（它模拟图标，而非背后的代理）。
这直接挑战了扩展假说以及许多当前关于人工智能中意识的理论。
---
你是否希望我详细阐述这些观点中的任何一项，或将霍夫曼的观点与其他人工智能/意识思想家的观点进行比较，或继续进行更广泛的研究综述？