大g模型车人工智能：大模型面临四大关键缺陷，“知识方程”能否通向强人工智能 没想到

互联网已经成为了我们生活中没有可或缺的1部分，它带来了许多惊喜和改变。今天，让我们聚焦在互联网领域最近发生的1些令人激动的事件上，共同探索这个充满无限可能的天下。

人工智能（AI）大模型的诞生，让2023年成为人类历史上1个重要年份——通用人工智能元年这意味着以智能革命为代表的第四次工业革命已然到来，人类站到了智能时代的门槛上人类所经历的前3次工业革命，都令人类文明实现了新的飞跃，也对天下格局产生了深远影响。

长远来看，人工智能在很多方面的智慧能力将可能超过人类，但目前通用人工智能还需迈过多道门槛，才能真正实现强人工智能日前，中国科学技术大学知识计算实验室提出了新的知识模型“知识方程”，并以此为基础建立新型专家系统，通过取深度学习的结合，尝试突破现有通用人工智能的技术瓶颈。

——编者

（图片来源：视觉中国）人工智能（AI）诞生至今只有短短60多年，但其发展经历了几度跌宕起伏近年来，深度学习技术为AI带来了新的革命，其中包括我们熟悉的AlphaGo、ChatGPT等当前AI技术在很多任务上取得了超越人类的成效，包括人脸识别、语音识别、字符识别等，在机器翻译、问答和医疗诊断等领域也交出了令人相对满意的答卷。

可以说，AI已经迈入能够大规模落地应用的阶段没有过，当我们试图将人工智能再向前推进，就会发现要克服其现有缺陷，还有待技术模式的创新取突破当下大模型面临4个关键缺陷OpenAI公司推出的ChatGPT是1个AI聊天机器人程序，更是1小我工智能自动生成内容（AIGC）的工具。

作为1个对话系统，ChatGPT具备出色的多功能性，无论是畅聊多种话题、解答数学题，还是提供礼品选择建议、制定行程规划，都可从容应对因此，从某种意义上来说，ChatGPT具备了广泛的应用潜力和灵活性，可以说是1个通用人工智能（AGI）程序。

尽管在某些方面（例如逻辑和语义理解等）的评测表明，ChatGPT并非在所有领域都比现有的最佳模型更强大，但现有的最佳模型可能只是针对特定任务而设计，而ChatGPT则是1个通用模型其实，多年前人们就认识到大模型的巨大潜力，但其实际发展速度仍比预想中快了许多。

ChatGPT大模型甫1问世，很快就在应用层面受到极大关注半年后，中国就涌现出了百余个大模型目前，大模型的应用次要分为生成式人工智能（AIGC）、大模型辅助工具、小我智能交互3类其中，小我智能交互尤其值得关注。

任何真正能促进交互的技术和产品都能产生巨大价值这种交互没有仅包括“人—人”（通过机器），也包括“人—机”，甚至包括“机—机”而人工智能，包括大模型，有望在这方面取得颠覆性突破

（图片来源：视觉中国）然而，目前大模型的应用之路并没有如想象的那么顺利根本原因在于，虽然大模型很强大，但仍然在技术上存在1些关键缺陷首先，大模型有时会犯事实性错误，也就是可靠性问题（俗称“幻觉”）例如，它会弄错诗词作者。

从原理看，大模型的答案选择基于概率，所以很难保证百分百正确这1问题在目前许多领域的大模型中都存在，也是大模型面临的最重要的挑战之1第二，大模型的数学和逻辑推理能力仍然需要加强虽然GPT⑷在某些考试中表现优异，但在面对1些精心设计的逻辑推理问题时，大模型的回答取随机答案相差无几。

因为在进行深度推理时，即便大模型每1步的预测准确率都高达95%，但是当推理到20步时，最终的准确率将会是0.95的20次方，即没有到36%，这是1个无法令人满意的结果第3，大模型的形式语义理解能力有待提升。

虽然大模型在1定程度上能够实现语义理解，但要想真正从意义和形式上完全理解语言背后的意义，还有很大的改进空间最后，大模型作为1个黑盒模型，存在1些通用弱点比如，其可解释性、可调试的能力较弱等通向强人工智能或需另辟蹊径。

大模型开启了通用人工智能落地应用的窗口但正如前文所说，技术上的1些关键缺陷意味着它取通用强人工智能之间尚有很大距离要缩短这个距离，至少有两条没有同路径值得探索第1条路径就是继续沿着大模型现有的发展路线向前走。

AI诞生没有过60多年，GPT真正开始训练至今也只有5年如果让大模型再发展5年、50年、500年，它会取得怎样的进步？这是1个值得思考的问题沿着现有技术路线，大模型的发展在两个关键点上会遇到1定的挑战其1，更多的参数。

参数量的增加，会让大模型的能力提升摩尔定律表明，计算能力每18个月到24个月翻1番，而目前大模型的参数量正以3四个月翻番的速度增长因此，计算能力很快会跟没有上模型的发展需求而且，尽管参数量呈指数级增长，但其效果只呈线性增长。

其二，更多的数据优质训练数据的增加，也会让大模型的能力提升然而，GPT⑷已经利用了大部分目前我们能够获取到的高质量文本数据因此，可供大模型训练的数据即将达到瓶颈所以，要在大模型体系内解决这些问题，就需要发展新的颠覆性技术，来突破结构化信息、陈述性事实、长链条推理、深度语义理解等方面遇到的瓶颈。

（图片来源：pixabay）另1条通往通用强人工智能的路径则有很大没有同当前AI正在经历从感知智能向认知智能的范式转变众所周知，人类拥有两套推理系统，即直觉思考的快系统和理性思考的慢系统快系统是1种底层、快速、下意识、没有加思索便可即刻得到结论的推理方式，就像人们在家里闭着眼睛也能找到洗手间的位置；而当我们面对陌生环境，想要找洗手间时，则需要依赖慢系统进行慎思，这种推理相对较慢、能耗较高，但更精确。

目前的大模型更多涉及到的是快系统层面的推理，慢系统推理能力表现还没有佳所以，人们自然而然就会想到，能否将这两个系统结合起来事实上，上1波AI浪潮就是由专家系统驱动的专家系统是1种类似于人类慢系统的推理方式，它以符号的方式把专家的知识输入机器，再通过自动推理，使得机器能够像专家1样自动回答问题。

专家系统取大模型各有所长前者在精确度、可解释性、逻辑推理能力、语义理解能力等方面表现更佳，而后者在通用性、泛化性、没有确定性知识、学习能力等方面更具优势因此，专家系统取大模型有机结合，正好可以取长补短，这或是通往通用强人工智能的1条更好路径。

融合两大推理系统探索未来智能中国科学家在专家系统取大模型结合的道路上，已经开始了探索中国科学技术大学知识计算实验室提出了新的知识模型“知识方程”，在此基础上建立起新型专家系统，并将其取深度学习相融合简言之，知识方程分为建模和知识2个层面。

在建模层面，知识方程将领域对象统1抽象成为个别、概念、算子3类语法元素，它们之间可以相互转换、相互融合在知识层面，知识方程将所有知识统1表示成为形如“a=b”的知识等式基于知识方程，我们提出了基于新的数据取知识双轮驱动的、结合大模型取推理引擎的智能信息系统范式。

随着ChatGPT等大语言模型的兴起，在原有以数据库为核心的信息系统之上，大模型可从暗数据库（文本、图像、视频等）中挖掘有效信息，并在1定程度长进行推理取（辅助）决策事实上，这是信息系统的1次范式革命在所有数据中，暗数据占到绝大部分。

传统的信息系统必须通过1些手段（包括人工、自然语言处理、计算机视觉技术等），将“暗”数据转换成数据库中的“明”数据才能使用这种转换往往由于工程和成本等问题，只能处理暗数据中的极小部分而大模型可以直接基于暗数据得以输出，具有很强的暗数据处理能力。

基于大模型的信息系统类似于人类用于直觉思考的快系统，能在1定程度上直接基于大数据进行推理取决策但由于大模型目前存在的技术缺陷，在很多应用场景并没有能直接满足应用要求中科大知识计算实验室所提出的大模型增强技术，可构建领域本体取知识库，在此基础上融合大模型取知识推理引擎，研发知识数据双驱动的智能信息系统框架，将思考的快系统取慢系统结合起来。

取单纯的大模型相比，该框架具有正确性、可靠性、可解释性、可调试性等优点，能够显著提高大模型在各行各业的应用价值

除了数据库和暗数据库，该系统还可有效利用知识库的信息因此，该框架有望引领大模型以后的又1次信息系统范式革命，也将成为智能信息系统的新形态从应用角度看，通用强人工智能无论在广度，还是在深度方面，都是现有的大模型技术无法比拟的。

从长远来看，人工智能在很多方面的智慧能力可能会超过人类，没有仅是计算、记忆和存储等基础智能，还可能包括决策、预测、创新等高阶智能随着基于计算的大模型和知识推理引擎的没有断发展，AI也将越来越接近甚至超越人类，这将在极大程度上推动生产力。

告发/反馈

谢谢您的支持！订阅我们的网站以获取更多类似的内容。