原标题:朱松纯:大模型为什么不是AGI?
文章来源:人工智能学家
内容字数:16669字
朱松纯教授新书《为机器立心》解读:大模型的局限与通用人工智能的未来
本文根据知识分子杂志刊登的朱松纯教授新书《为机器立心》第一章内容,总结了当前大模型技术的局限性,并探讨了通用人工智能(AGI)的未来发展方向。
1. 大模型:缸中之脑的隐喻
朱松纯教授以哲学思想实验“缸中之脑”来比喻当前的大模型。大模型通过统计建模学习文本间的语言学关系,预测下一个词语,却缺乏与真实世界的实质性联结(符号落地)。这导致大模型容易陷入无限循环,其“智能”实则源于人类智能的投射,而非内在的理解。 如同“无色的绿思狂暴地沉睡”一样,大模型生成的文本缺乏内在意义,其意义完全依赖人类的阐释。
2. 隐藏记忆而非真正理解
文章指出,大模型训练数据的不透明性以及评估指标的差异,导致人们高估了其真实性能。大模型可能只是在“隐藏记忆”中检索信息,而非真正掌握核心概念。文中列举了 GPT-4 在简单数学计算、事实判断和创造力测试中的错误,说明其缺乏基本的逻辑推理和常识判断能力,更像是一种新型的“数据库”。
3. 数据瓶颈与AGI的挑战
文章认为,大模型的数据价值已趋于饱和,单纯增加数据量或模型规模难以带来质的飞跃。杨立昆等学者也指出,现有的大模型研究缺乏对认知推理模型的构建,单纯的数据驱动无法实现人类级别的智能。大模型存在虚假涌现和不可控性等问题,其语言空间也无法覆盖所有智能任务。 大模型缺乏“行”(行动能力),无法主动探索和积累知识,只能被动地获取信息。
4. 通往AGI的“1238”路线图
书中提出的“1238”路线图,为通用人工智能的研究提供了系统性思路:一个统一框架、两大系统完备性、三项基本特征、八大关键问题。 这暗示着,通往AGI的道路需要更深入地理解智能的本质,构建更完备的认知架构,解决符号落地等关键问题。
5. 朱松纯团队的研究成果
文章简要介绍了朱松纯团队的四大研究成果:通用智能体“通通”、大任务仿真平台“通界”、评级标准“通智测试”、科研平台“通境”,这些成果旨在推动AGI研究和产业应用。
总而言之,文章强调了当前大模型的局限性,认为它们并非通用人工智能,并呼吁学术界和产业界共同努力,探索更符合人类智能本质的AGI发展道路,最终实现“为机器立心”。
联系作者
文章来源:人工智能学家
作者微信:
作者简介:致力成为权威的人工智能科技媒体和前沿科技研究机构