https://arxiv.org/abs/2405.07987

우리는 AI 모델, 특히 딥 네트워크의 표현이 수렴되고 있다고 주장합니다. 먼저, 우리는 문헌에서 수렴의 많은 사례를 조사합니다. 시간이 지남에 따라 여러 도메인에서 서로 다른 신경망이 데이터를 표현하는 방식이 점점 더 일치되고 있습니다. 다음으로, 우리는 데이터 모달리티 간의 수렴을 보여줍니다. 시각 모델과 언어 모델이 커짐에 따라 데이터 포인트 간의 거리를 점점 더 비슷한 방식으로 측정합니다. 우리는 이러한 수렴이 플라톤의 이상적 현실 개념과 유사한 공유된 통계적 현실 모델을 향해 나아가고 있다고 가정합니다. 우리는 이러한 표현을 플라톤적 표현이라고 부르고 이에 대한 몇 가지 가능한 선택적 압력에 대해 논의합니다. 마지막으로, 우리는 이러한 추세의 의미, 한계 및 분석에 대한 반례에 대해 논의합니다.