大语言模型是死胡同，和人类智能是南辕北辙？

今天看了美国纽约大学教授、图灵奖得主、Meta首席AI科学家杨立昆的讲话，他认为如今的大语言模型是死胡同，根本无法让计算机超越真正的人类智能。 他认为“仅靠语言和文字训练出的AI系统，永远无法逼近人类的理解力，符号操作与真实理解之间存在一道不可逾越的鸿沟。” 符号操作，指的是AI对抽象的语言、文字或逻辑符号进行处理与组合的能力，GPT将符号操作推向了极致，可以根据统计规律，预测接下来最有可能出现的词语，生成一段看似合情合理的回答，但是这些模型并不理解自己所说的内容。 主流大语言模型采用离散 token 的条件概率建模，本质上是一种近似模拟，而非对连续物理过程和动态变化的真实理解。 比如红绿色盲人士知道“红”、“绿”对应不同颜色，但他们无法依靠自己去区分颜色。“情人节喝红酒”对AI来说只是一个概率上的语言结构，而不是与味觉、动作、文化、常识关联的体验。比如“红酒”这个词，人类会想到颜色、气味、社交氛围和它带来的影响，比如“喝酒不能开车”，这时建立在感知、经验和常识上的语义理解。 哪怕大模型可以在语言上描述‘打翻红酒杯、杯子碎裂、红酒顺着桌沿流下’，但它并不知道‘摔碎’意味着什么，更不知道‘红酒往下流’在物理上是怎样的过程。 大模型只是表现得好像理解了，但没有真的理解，理解不只是处理符号，还要明白符号在现实世界中的含义。 GPT 虽然‘读遍’了互联网，但它从未喝过一口红酒、摔过一只杯子，从未亲身体验过任何事情。它的‘理解’，更多是基于语言的概率结构，而非体验或物理常识上的因果模型。” 我读完感觉就跟鹦鹉学人说话一样，鹦鹉可以说的很流利，比大多数人说的都标准，但鹦鹉对语言的含义一无所知。 不过，即使大语言模型和真正的人类智能南辕北辙，但它也足够代替大量人工了，毕竟多数人做的也都是不用理解，只需执行的“无用的狗屁工作”，这样的工作AI比人高效地多，事实就是，大多数人的工作是不需要理解，也不需要脑子的。