据小易智创xiaoyizc.com（不可错过的AI创业项目）观察：70年前，科学家们梦寐以求的“机器常识”是否已被大型语言模型（LLM）实现？最近《Nature》的一篇评论文章对此进行了坚决的否定，并明确指出，常识推理是通用人工智能（AGI）所必需的关键能力。自2022年ChatGPT问世以来，LLM的进步可谓飞速，专家们纷纷认为这一技术突破为AGI的实现铺平了道路，这无疑是人工智能研究70年来的重要里程碑之一。常识对于人类而言，是我们日常生活中显而易见的真理。例如，我们知道玻璃易碎，或在社交场合中不该给素食者端肉。然而，令人震惊的是，即使是目前最先进的LLM，也往往无法满足这一基本要求。尽管LLM在记忆性测试中表现优异，如GPT-4在美国医生和律师执业考试中取得骄人佳绩，但面对简单的谜题却显得束手无策。比如，如果你问ChatGPT“Riley很痛苦，她之后会感觉如何？”它可能会选择“觉察”作为答案，而非人类直观的“痛苦”。为弥补这一缺陷，许多考题被设计用于衡量AI对常识的掌握，但这些问题往往无法真实反映现实世界中的复杂性，包括人类对物理法则的直觉理解，以及社交互动中的背景和语境。因此，量化LLM的类人程度依然是一个亟待解决的难题。与AI相比，人类在认知处理上展现出独特优势，善于在不确定和模糊的情况下做出合理判断，往往能接受一个“令人满意但未必最佳”的答案，而非执着于寻找完美解决方案。同时，人类能够在直觉推理与深思熟虑之间灵活切换，以应对突发状况。AI是否能够模拟这种认知能力？我们又该如何确定AI系统是否获得了类似能力？这不仅涉及到人工智能领域，还需要借鉴发展心理学、认知哲学等学科的成果，更深入地理解人类认知的生物基础，以便设计出更有效的评估指标。总之，尽管LLM展现出惊人的能力，但要达到人类的常识水平，仍需努力探索。
相关文章
