在人工智能（AI）的浪潮中，大語言模型（LLM）如GPT、BERT等無疑是近年來最引人注目的技術(shù)之一。然而，就在這一領(lǐng)域如火如荼的發(fā)展之際，Meta首席AI科學(xué)家、圖靈獎(jiǎng)獲得者、紐約大學(xué)教授Yann LeCun卻多次公開發(fā)聲，表達(dá)了對(duì)LLM的質(zhì)疑，甚至直言“不要研究LLM”。這一觀點(diǎn)無疑在AI界引起了廣泛的討論和關(guān)注。本文將結(jié)合LeCun的觀點(diǎn)，對(duì)LLM進(jìn)行深度解析，探討為何不要盲目研究LLM，以及如何更好地發(fā)展人工智能技術(shù)。

一、LLM的局限性與挑戰(zhàn)

LLM的核心優(yōu)勢在于其強(qiáng)大的語言生成和理解能力，這使得它在諸如問答系統(tǒng)、機(jī)器翻譯、文本摘要等自然語言處理（NLP）任務(wù)中取得了顯著的成果。然而，正如LeCun所指出的，LLM在邏輯推理、規(guī)劃推理等方面存在明顯的局限性。這種局限性主要體現(xiàn)在以下幾個(gè)方面：

1. 缺乏常識(shí)推理能力：LLM在處理自然語言時(shí)，往往依賴于大量的語料庫進(jìn)行訓(xùn)練。然而，這種基于統(tǒng)計(jì)的學(xué)習(xí)方法使得LLM在理解語言的深層含義和邏輯關(guān)系時(shí)顯得力不從心。例如，在面對(duì)一些需要常識(shí)推理的問題時(shí)，LLM往往無法給出準(zhǔn)確的答案。
2. 上下文依賴性強(qiáng)：LLM的性能在很大程度上取決于輸入文本的上下文信息。當(dāng)輸入文本缺乏足夠的上下文信息時(shí)，LLM的性能會(huì)大幅下降。這種對(duì)上下文的過度依賴使得LLM在處理一些需要獨(dú)立思考的問題時(shí)顯得力不從心。
3. 缺乏自主規(guī)劃和推理能力：在規(guī)劃推理方面，LLM的表現(xiàn)尤為糟糕。研究表明，針對(duì)復(fù)雜規(guī)劃任務(wù)，如國際規(guī)劃大賽中的問題，LLM的性能較差，其推理能力在特定領(lǐng)域受限。這一結(jié)果表明，LLM在處理需要復(fù)雜推理和規(guī)劃的任務(wù)時(shí)存在明顯的不足。

二、LeCun的觀點(diǎn)解析

LeCun對(duì)LLM的質(zhì)疑并非空穴來風(fēng)，而是基于對(duì)人工智能技術(shù)發(fā)展的深入思考。他認(rèn)為，雖然LLM在自然語言處理方面取得了顯著的成果，但其在邏輯推理、規(guī)劃推理等方面的局限性使得它無法勝任更高級(jí)別的智能任務(wù)。因此，他呼吁研究人員不要盲目追求LLM的性能提升，而應(yīng)該關(guān)注更廣泛的人工智能技術(shù)。

具體來說，LeCun提出了“世界建?！钡脑妇?。他認(rèn)為，人工智能應(yīng)該具備像人類一樣的常識(shí)推理和自主規(guī)劃能力，以便更好地理解和適應(yīng)復(fù)雜多變的世界。為了實(shí)現(xiàn)這一目標(biāo)，他推動(dòng)了一種基于“世界建?！钡娜斯ぶ悄芗夹g(shù)。這種技術(shù)通過構(gòu)建一個(gè)虛擬的世界模型來模擬真實(shí)世界的運(yùn)作方式，從而使人工智能能夠像人類一樣進(jìn)行常識(shí)推理和自主規(guī)劃。

三、如何更好地發(fā)展人工智能技術(shù)

針對(duì)LLM的局限性和LeCun的觀點(diǎn)，我們可以從以下幾個(gè)方面入手來更好地發(fā)展人工智能技術(shù)：

1. 強(qiáng)化跨領(lǐng)域合作：人工智能技術(shù)是一個(gè)跨學(xué)科的領(lǐng)域，需要計(jì)算機(jī)科學(xué)、數(shù)學(xué)、心理學(xué)、神經(jīng)科學(xué)等多個(gè)學(xué)科的共同努力。因此，我們應(yīng)該加強(qiáng)跨領(lǐng)域的合作與交流，共同推動(dòng)人工智能技術(shù)的發(fā)展。
2. 探索新的技術(shù)路線：除了LLM之外，還有許多其他的人工智能技術(shù)路線值得探索。例如，基于神經(jīng)符號(hào)集成的人工智能技術(shù)結(jié)合了神經(jīng)網(wǎng)絡(luò)和符號(hào)推理的優(yōu)點(diǎn)，具有更強(qiáng)的常識(shí)推理和規(guī)劃推理能力。此外，還有一些新興的技術(shù)如強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)等也值得我們關(guān)注。
3. 加強(qiáng)基礎(chǔ)研究和人才培養(yǎng)：人工智能技術(shù)的發(fā)展離不開基礎(chǔ)研究的支持。我們應(yīng)該加強(qiáng)對(duì)人工智能基礎(chǔ)理論的研究和探索，為人工智能技術(shù)的發(fā)展提供堅(jiān)實(shí)的理論支撐。同時(shí)，我們還應(yīng)該加強(qiáng)人才培養(yǎng)和引進(jìn)工作，吸引更多的優(yōu)秀人才投身于人工智能領(lǐng)域的研究和發(fā)展。
4. 關(guān)注人工智能的社會(huì)影響：人工智能技術(shù)的發(fā)展不僅關(guān)乎科技進(jìn)步和經(jīng)濟(jì)發(fā)展還關(guān)乎人類社會(huì)的未來。因此我們應(yīng)該關(guān)注人工智能技術(shù)的社會(huì)影響并制定相應(yīng)的政策和法規(guī)來規(guī)范和引導(dǎo)其發(fā)展確保其能夠更好地為人類社會(huì)的發(fā)展服務(wù)。

總之LeCun對(duì)LLM的質(zhì)疑并非否定其在自然語言處理方面的成就而是提醒我們要看到其局限性和挑戰(zhàn)并尋求更好的發(fā)展路徑。我們應(yīng)該從跨領(lǐng)域合作、探索新的技術(shù)路線、加強(qiáng)基礎(chǔ)研究和人才培養(yǎng)以及關(guān)注人工智能的社會(huì)影響等方面入手來推動(dòng)人工智能技術(shù)的全面發(fā)展。

本文轉(zhuǎn)載自??跨模態(tài) AGI??，作者： AGI ????