微调失格？持续反向传播算法将解锁新的训练范式吗？

主要观点总结

文章概述了机器之心PRO的Week 43通讯内容，重点解读了关于AI和Robotics的三个专题，包括深度学习的最新发展、持续反向传播算法以及生成式AI的融资情况。文章指出当前深度学习的根本缺陷，并探讨了新的训练范式Dynamic Deep Learning（动态深度学习）的潜力。同时，文章还介绍了国内大模型公司的多模态交互进展以及生成式AI的融资现状。

关键观点总结

关键观点1: 专题一：深度学习的缺陷与新的训练范式Dynamic Deep Learning的探索

文章介绍了深度学习先驱Richard Sutton对深度学习的愿景及指出的当前深度学习的根本缺陷。Sutton强调了持续学习的重要性，并提出了Dynamic Deep Learning的范式，旨在让深度学习更好地适应持续学习的环境。文章详细解释了Dynamic DL的网络结构、特点以及持续反向传播算法等技术细节。

关键观点2: 专题二：多模态交互与通用智能的发展趋势

文章探讨了国内大模型公司在多模态交互方面的进展，包括MLLM和LMM两种不同思路的探讨，以及多模态大模型服务厂商的产品表现。文章指出虽然产品数据表现亮眼，但距离实现PMF还有很长的路要走。

关键观点3: 专题三：生成式AI的融资情况及投资者观点

文章介绍了第三季度生成式AI的融资情况，包括各领域的公司融资状况、早期融资轮次阶段的AI创企的融资困难以及大额融资事件。文章还探讨了投资者依然看好AI的长期增长潜力的原因。