大語言模型發(fā)展瓶頸：文本訓練無法實現人類級智能
隨著人工智能（AI）技術的飛速發(fā)展，大語言模型已成為當前的研究熱點。然而，最近圖靈獎得主、Meta首席AI科學家楊立昆（Yann LeCun）對大語言模型的發(fā)展提出了新的看法，他認為現有的AI技術，如大語言模型，本質上是基于文本訓練并通過統(tǒng)計規(guī)律生成答案，存在局限性。他認為，大語言模型的發(fā)展已經接近瓶頸，進一步獲取數據不僅成本高昂，而且難以達到預期效果。
首先，我們需要明確一點：大語言模型是一種能夠處理大量文本數據，并能夠生成自然語言的AI技術。然而，這種技術并沒有真正理解物理世界和其中的關系，也沒有真正的推理能力。它只是在大量文本數據上進行訓練以進行檢索和生成，缺乏對物理世界的理解和抽象推理能力。
楊立昆指出，現有的AI技術無法像人類一樣運用常識和心理模型思考并解決新的問題。人類能夠通過觀察和理解現實世界來形成心理模型，并在新的情境中應用這些模型。而現有的AI大模型只是在大量文本數據上進行訓練以進行檢索和生成，缺乏對物理世界的理解和抽象推理能力。
此外，楊立昆還指出，大語言模型的訓練數據增長帶來的回報正在逐漸遞減。僅僅通過擴大大語言模型的規(guī)模和訓練更多數據無法實現人類水平的AI，因為大模型缺乏真正的推理能力和對物理世界的理解能力。這也就意味著，現有的AI技術無法真正地理解現實世界，也無法進行真正的推理和規(guī)劃。
然而，楊立昆也指出，真正的AI需要理解物理世界，擁有持久的記憶，支持推理和規(guī)劃。他相信，未來的AI系統(tǒng)需要能夠處理現實世界中的各種情況，并能夠根據已有的知識和經驗進行推理和規(guī)劃。這樣的系統(tǒng)才能夠真正地理解現實世界，并具備真正的智能。
盡管如此，我們也不能忽視當前AI技術的巨大進步。我們已經看到AI在許多領域的應用取得了顯著的成果，包括自然語言處理、計算機視覺、自動駕駛等。但是，我們也需要認識到AI技術的局限性，并努力探索新的方法和技術來克服這些限制。
楊立昆正在研究一種新的系統(tǒng)，旨在通過建立一個模型來預測物理世界的行為，從而幫助AI“理解”現實。這種新的系統(tǒng)可能會為AI提供一種新的視角和方法，使其能夠更好地理解和預測現實世界中的各種情況。
總的來說，雖然大語言模型的發(fā)展已經取得了一定的成果，但它們仍然存在局限性。僅僅通過擴大規(guī)模和訓練更多數據無法實現人類水平的AI，因為它們缺乏真正的推理能力和對物理世界的理解能力。真正的AI需要能夠理解和預測現實世界中的各種情況，并具備持久的記憶、推理和規(guī)劃的能力。未來的AI系統(tǒng)需要在這方面取得更大的進展，才能夠真正地成為人類的得力助手。
以上觀點僅供參考，未來發(fā)展還需要進一步的探索和研究。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
