大语言模型发展瓶颈：文本训练无法实现人类级智能
随着人工智能（AI）技术的飞速发展，大语言模型已成为当前的研究热点。然而，最近图灵奖得主、Meta首席AI科学家杨立昆（Yann LeCun）对大语言模型的发展提出了新的看法，他认为现有的AI技术，如大语言模型，本质上是基于文本训练并通过统计规律生成答案，存在局限性。他认为，大语言模型的发展已经接近瓶颈，进一步获取数据不仅成本高昂，而且难以达到预期效果。
首先，我们需要明确一点：大语言模型是一种能够处理大量文本数据，并能够生成自然语言的AI技术。然而，这种技术并没有真正理解物理世界和其中的关系，也没有真正的推理能力。它只是在大量文本数据上进行训练以进行检索和生成，缺乏对物理世界的理解和抽象推理能力。
杨立昆指出，现有的AI技术无法像人类一样运用常识和心理模型思考并解决新的问题。人类能够通过观察和理解现实世界来形成心理模型，并在新的情境中应用这些模型。而现有的AI大模型只是在大量文本数据上进行训练以进行检索和生成，缺乏对物理世界的理解和抽象推理能力。
此外，杨立昆还指出，大语言模型的训练数据增长带来的回报正在逐渐递减。仅仅通过扩大大语言模型的规模和训练更多数据无法实现人类水平的AI，因为大模型缺乏真正的推理能力和对物理世界的理解能力。这也就意味着，现有的AI技术无法真正地理解现实世界，也无法进行真正的推理和规划。
然而，杨立昆也指出，真正的AI需要理解物理世界，拥有持久的记忆，支持推理和规划。他相信，未来的AI系统需要能够处理现实世界中的各种情况，并能够根据已有的知识和经验进行推理和规划。这样的系统才能够真正地理解现实世界，并具备真正的智能。
尽管如此，我们也不能忽视当前AI技术的巨大进步。我们已经看到AI在许多领域的应用取得了显著的成果，包括自然语言处理、计算机视觉、自动驾驶等。但是，我们也需要认识到AI技术的局限性，并努力探索新的方法和技术来克服这些限制。
杨立昆正在研究一种新的系统，旨在通过建立一个模型来预测物理世界的行为，从而帮助AI“理解”现实。这种新的系统可能会为AI提供一种新的视角和方法，使其能够更好地理解和预测现实世界中的各种情况。
总的来说，虽然大语言模型的发展已经取得了一定的成果，但它们仍然存在局限性。仅仅通过扩大规模和训练更多数据无法实现人类水平的AI，因为它们缺乏真正的推理能力和对物理世界的理解能力。真正的AI需要能够理解和预测现实世界中的各种情况，并具备持久的记忆、推理和规划的能力。未来的AI系统需要在这方面取得更大的进展，才能够真正地成为人类的得力助手。
以上观点仅供参考，未来发展还需要进一步的探索和研究。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
