职贝云数AI新零售门户

标题: AI大模型能否真的拥有“智能”? [打印本页]

作者: 6KjHg7gd 时间: 4 小时前
标题: AI大模型能否真的拥有“智能”?
(, 下载次数: 0)

(, 下载次数: 0)

AI大模型能否真的拥有“智能”？
——关于生成模型能否智能的沉思

当AI能写代码、解释逻辑甚至反问成绩，大模型似乎展现出相似“智能”的行为。过去几年人工智能技术飞跃，大言语模型走进大众视野并产生实践影响。但这种“生成式智能”终究意味着什么？本文将从多维度展开，带你看清大模型的“智能”真相。

(, 下载次数: 0)

(, 下载次数: 0)

智能成绩被点燃

(, 下载次数: 0)

“智能”曾经是哲学、心思、认知迷信的专有名词，如今却成为程序员、产品经理甚至中先生都在讨论的话题。以ChatGPT为代表的大言语模型，发布后迅速吸引大量用户，国内多个大模型产品上线后用户也疾速增长。比如2023年百度的文心一言上线后累计发问数量飙升到几亿次以上，阿里云的通义千问14小时内用户打破100万。这些数据表明大模型已进入真正的“规模运用”阶段，不再局限于实验室。这种现象不只是技术趋向，更是对人们认知的宏大冲击。当一个“程序系统”能在多范畴表现出很强的言语了解、逻辑推理甚至创造性表达时，人们不由要问，它终究是“模拟智能”，还是某种全新智能外形？

大模型在各个范畴的广泛运用，让人们对“智能”的认知发生了改变。它不再仅仅是一个笼统的概念，而是与我们的生活和工作毫不相关。在写作、内容生成、编码、流程自动化等实践消费场景中，大模型都发挥着重要作用。这使得人们末尾重新审视“智能”的定义，思索大模型所表现出的才能能否真的可以称之为“智能”。这种认知冲击促使我们深化探求大模型背后的原理和机制，以更好地了解它所带来的影响。同时，也引发了关于人工智能将来发展方向的讨论，我们需求重新思索如何与这些具有相似“智能”行为的系统相处和协作。

(, 下载次数: 0)

大模型发展进程

从技术角度来看，大模型的发展有一个明晰的进程。早期AI是“明白规则驱动”，但在理想复杂世界中，这种方式无法覆盖一切能够性。大模型出现后，研讨者采用海量数据 + 神经网络架构学习言语与知识，极大扩展了可处理的成绩类型。例如Transformer架构的提出，虽然核心代码不超过200行，却成为如今一切大模型的基础。随着大模型参数量不断添加，从十亿级别到千亿、再到万亿级别，它们不只“记忆更多”，还在新义务上表现出之前没有的才能，这种在特定规模阈值出现的新才能被称为Emergent Abilities（涌现才能），如无示例言语义务推理、跨范畴知识交融、多轮复杂逻辑对话才能等。学界以为，这些才能并非经过手工规则得到，而是模型在训练语料背后隐式学习了大量结构与关系。

最近 Google Research 在 NeurIPS 2025 上提出了一个全新的机器学习范式 “Nested Learning”（嵌套学习），试图从根本上提升大模型的持续学习才能，并处理应前模型在新知识学习中易遗忘旧知识的成绩。这意味着模型在推理阶段能根据上下文建立暂时学习策略，从有限信息里疾速推断义务。大模型的发展是一个不断演进的过程，从最后的简单规则到如今复杂的学习机制，它在不断打破本身的局限，展现出越来越弱小的才能。这种发展不只推进了人工智能技术的提高，也为各个范畴的运用带来了更多的能够性。同时，也让我们对智能的产生和发展有了新的看法，或许智能并不一定局限于人类的思想方式，机器也可以经过不断学习和退化展现出相似的才能。

(, 下载次数: 0)

AI教父的正告

著名计算机迷信家Geoffrey Hinton被誉为“AI教父”，他曾为深度学习发展奠定实际基础。但是在近几年，他末尾表达对大模型技术潜在风险的公开担忧。他以为与气候变化相比，AI风险能够更逼近且不易预测。大模型迭代速度惊人，功能提升远超过过去几年，而且没有明白的机制来控制或约束其输入逻辑与方向。商业竞争能够使技术无序分散而不是稳健推进。这种观点源于一个真实的观察，当技术变得很快、很有效、很难预测时，风险常常不是来自“单一失败”，而是“系统性不可控”。大模型的疾速发展虽然带来了很多机遇，但也隐藏着宏大的风险。

Hinton的正告提示我们，在追求技术提高的同时，不能忽视潜在的风险。大模型的输入逻辑和方向假如无法得到有效控制，能够会对社会、经济和人类生活产生不可预测的影响。商业竞争的压力能够会导致企业为了追求短期利益而忽视技术的安全性和牢靠性。我们需求建立健全的监管机制，确保大模型技术的发展是可控的、可持续的。同时，也需求加强对大模型技术的研讨和了解，以便更好地应对能够出现的风险。这不只是科技界的责任，也是整个社会需求共同面对的应战。只要这样，我们才能在享用大模型带来的便利的同时，避免潜在的风险对我们形成损伤。

(, 下载次数: 0)

大模型的智能表现

从实践表现案例来看，大模型展现出了多种“智能”的特征。在成绩合感性判别方面，当我们问一个逻辑有破绽的成绩时，大模型会指出前提能够有成绩，而不是给出错误答案。例如，当讯问“假如并发为0，还会发生死锁吗？”时，模型能够回复“并发为0能否真的存在锁竞争？也许需求澄清成绩前提”。这并非简单的关键词婚配，而是反映了模型对言语与语义结构某种程度的“了解”。在跨范畴类比解释上，大模型能把软件工程中的分布式分歧性成绩，映射到经济学协作机制，并提供层次明晰、逻辑连接的类比阐明，这在传统规则系统中是难以完成的。

更高级的模型还会在回答中表明“高置信度部分”和“揣测成分”，甚至会建议进一步查验外部理想，这种慎重的表达是一种典型的工程反思才能。此外，大模型在实践行业中也有广泛运用。比如AlphaFold应用相似大模型技术破解蛋白质折叠难题，在共享出行中，大规模用户数据训练出的模型可以生成智能调度策略，教育场景下虚拟AI教师可以根据用户输入个性化反馈。这些实践运用案例表明，大模型不只仅是在实验室中表现出色，还能在实践消费和生活中产生真正的价值，展现出了一定程度的“智能”。

大模型的局限性

虽然大模型表现冷艳，但它显然还不是“残缺的智能”。首先，模型没有自动目的，它不会本人设立目的，也不会对结果担任。它只是根据输入的数据和训练的算法停止输入，缺乏自主的决策和举动才能。其次，它没有理想反馈闭环，无法经过理想举动来验证本人的输入结果能否真实或有效。它只能基于已有的数据和模型停止推理，对于理想世界中的变化和不确定性缺乏应对才能。最后，大模型没有生物式的客观体验，无论其言语看起来多么自然，它都没无看法、志愿与体验。这与人类的认知存在着宏大的鸿沟，虽然它在某些方面表现出了相似“智能”的行为，但本质上与人类的智能外形还是不同的。

大模型的这些局限性提示我们，不能过度夸张它的才能。虽然它在很多方面都获得了分明的停顿，但要达到人类的智能程度还有很长的路要走。我们在运用大模型技术时，需求清醒地看法到它的不足之处，合理地应用它的优势，同时也要不断探求和研讨如何补偿它的缺陷。例如，在一些需求高度客观判别和决策的范畴，不能完全依赖大模型，还需求人类的参与和干涉。此外，我们也需求进一步研讨如何赋予大模型自动目的、理想反馈闭环和客观体验等才能，以推进人工智能技术向更高层次发展。

人脑本身也不是“全程感性系统”

为了了解大模型为何会“看起来很聪明、但又会犯低级错误”，我们不妨把视角暂时从 AI 移回人类本身。一个非常典型、却很少被仔细讨论的现象是——梦境中的认知错误

人在做梦时，常常会产生极其激烈的“确信感”。比如：

但是，当你醒来后，这些“知识”往往瞬间瓦解：要么无法复现，要么根本就是错误的、空泛的，甚至自相矛盾的。认知神经迷信的解释是：

在疾速眼动睡眠（REM）阶段，大脑的多个高级监控与校验模块处于抑制或低活跃形态。

其中包括：

换句话说，梦中的“你”并不是一个残缺运转的感性系统。你拥有想象、联想、言语片段组合的才能，但缺失了关键的“合感性检测模块”。结果就是：

梦中的本人，会以极高置信度置信一个实践上是错误的结论。

也许我们需求重写的，不是机器，而是定义

在很多批判者眼里，模型不过是“统计预测系统”，它“预测下一个词而已”，甚至被以为是“随机鹦鹉”，在庞大数据中学会形式但不真正了解语义。但是，假如我们把智能定义为具有持续感性、自主纠错和目的导向的才能，那么很多人类实践行为也未必不断“智能”。人类常常依赖阅历、直觉甚至成见停止决策，很多时分所谓的“智能行为”是预先合理化的结果。因此，智能能够不是一个二选一的属性，而是一个多维延续谱，包括形式辨认、言语表达、推理才能、目的导向、自我看法等多个维度。在这个谱系上，大模型在某些维度曾经表现出超越人类的才能，如知识记忆与组合推理，但在人类长期被以为核心的维度，如目的看法、自主体验上仍远不及人类。

大模型的出现让我们不得不重新思索“智能”的定义。我们不能再简单地以人类的标准来衡量“智能”，而应该从更广泛的角度去了解和定义它。或许“智能”是一个多元化的概念，不同的系统和生物都可以在不同的维度上展现出“智能”的特征。大模型虽然还不是“残缺的智能”，但它所表现出的才能曾经让我们对“智能”有了新的看法。我们应该以开放的心态去接纳和研讨大模型，探求如何更好地应用它的优势，同时也要关注它能够带来的风险。在将来的发展中，我们需求建立一个愈加迷信、合理的“智能”定义体系，以顺应人工智能技术的疾速发展。这不只要助于我们更好地了解和运用大模型，也有助于推进人工智能技术朝着愈加兽性化、智能化的方向发展。

大模型能否拥有“真正的智能”，这个成绩在短期内能够没有一致答案。

但可以确定的是：

或许更重要的成绩不是：

“它算不算智能？”

而是：

“当‘思索方式’可以被规模化复制，人类智能的独特性终究体如今哪里？”

这个成绩，才刚刚末尾。

END

关注我们

关注我们·更多精彩

欢迎光临职贝云数AI新零售门户 (https://www.taojin168.com/cloud/)