ChatGPT热潮下，图灵奖得主LeCun“泼冷水”降温？离实现像人一样的思考的通用人工智能大模型，我们还有多少路要走？

ChatGPT自推出以来，短短几个月便积累了过亿用户，迅速成为史上增长最快的消费级应用，并凭借一己之力让AI狂潮席卷全球。

ChatGPT凭借强大的功能，火爆出圈，成为人们眼中“无所不能”的AI助手，并一扫科技行业前段时间增速放缓、陷入大规模裁员危机的低迷阴霾，给科技和风投圈点燃了一把烈火：国内各科技大佬广发“英雄帖”招募人才，投入对新产品的试验，开启“豪赌；谷歌等顶级科技公司纷纷下场推出自己的生成式AI抢占市场……

ChatGPT的强势崛起更引发了一系列连锁效应：“AI换人”的论调愈加强烈，并对部分人的职业现状和发展轨迹产生了实质影响；如何合理正确地使用人工智能也成为人们关注和讨论的焦点……

热潮当头，压倒性赞誉声中的“异端”

在这一场科技热潮的狂欢里，Meta首席AI科学家、图灵奖得主Yann LeCun，却在ChatGPT风头正盛之时，毫不掩饰自己对于ChatGPT的怀疑与批判。在一场媒体和高管小型聚会上，他表示，「就底层技术而言，ChatGPT并不是多么了不得的创新。虽然在公众眼中，它是革命性的，但是我们知道，它就是一个组合得很好的产品，仅此而已。」

在ZDNet发表的一篇《Meta首席人工智能科学家说，ChatGPT“没有特别的创新”，也“没有革命性”》的报道中，首次披露了LeCun试图“纠正”公众对于ChatGPT的“盲目崇拜”的细节：

Lecun表示，ChatGPT并不像公众认为的那样，是一件革命性的产品。在过去的很长一段时间，已经有许多公司和研究机构已构建了数据驱动的人工智能系统，除了谷歌和Meta，还有一些初创企业也拥有了类似的技术。因此，「与其他实验室相比，OpenAI 并没有什么特别的进步。」

「ChatGPT使用的Transformer架构是以自监督的方式预训练的。」而自监督学习是Lecun所倡导的，其观点可以追溯到OpenAI出现之前，Transformer语言项目也可以追溯到几十年前。

Lecun表示，ChatGPT和其他LLM并不是凭空产生的，而是其他几十年内人们共同奉献的成果。因此，与其说ChatGPT是一个引领科技进步的“突破性成就”，不如说它是一个合格的工程案例。

Lecun的一系列言论，在网络上引起了热议，有人批评它太过直白傲慢；有人让他专注Meta产品的研发，不要“吃不到葡萄说葡萄酸”……

OpenAI的CEO Sam Altman也出来呼唤“和平”，扼制舆论的发酵。Lecun也澄清，自己并非挑刺，双方亦有合作往来。但不久后，Sam仍取关了Lecun。

理智回归，ChatGPT的附魅与祛魅

ChatGPT商业化的成功无可置喙，其成功离不开它让普通人也体会到了生成式AI的便利之处。

ChatGPT作为生成式AI的新成果，展现出了不同于以往聊天机器人的新功能，从理解和分析已有数据，走向了生成内容。人们可以利用ChatGPT生成图片、歌曲、小说、方案、代码……人们切实体会到了ChatGPT带来的好处，ChatGPT也成为了人们眼中“无所不能”的强大工具，和横空出世的“突破性科技成就”。

这就是ChatGPT的附魅。

热潮渐退，理智回归，ChatGPT的弊端渐显。

在这场关于人工智能的狂欢后，人们开始审视Lecun引发的舆论争议背后，所透露出的关于ChatGPT的薄弱之处。

诚然，ChatGPT不是第一个基于语言模型的聊天机器人，也不会是最后一个。目前ChatGPT基于的LLM即大语言模型，推动了自然语言处理的极大进步，并且已经逐步成为数百万用户所用产品的技术核心。但严格意义来说，ChatGPT的生成只是基于海量数据库基础上展开的信息生成，并非知识生成，与人类的智慧相比，ChatGPT目前只能实现初级的生成，并不能如人类一般实现创造性的成果产出。Lecun也正是因为这一点，才指出ChatGPT只是一个合格的工程。

LeCun认为LLM是被动的，不会主动规划，不会讲道理，也不会胡编乱造，不应该用来获得事实性建议，仅能用作写作的辅助工具，其存在的问题可以通过人工反馈缓解，但无法彻底解决，更好的系统终会出现。

ChatGPT强调回答的因果逻辑，但其生成的东西并未被验证，回答本身是否正确对于它本身来说并不重要，因此会出现一些“一本正经的胡说八道”。这一点是生成式AI难以规避的痛点，因为一旦数据库被“污染”，那么ChatGPT就会生成与事实不符的错误。也正因如此，将ChatGPT看做引领科技进步的“突破性成就”为时尚早，且言过其实。

就底层技术而言，基于Transformer、模型的ChatGPT与其他基于规则或机器学习的AI聊天机器人比起来，具有更高的语言理解能力和更丰富的语言表达能力，能够生成更自然、流畅的文本，且经过大量训练的它可以满足”上知天文，下知地理“。

其中，Transformer是谷歌的发明,这种语言神经网络，正是GPT-3等大型语言模型的基础。而第一个神经网络语言模型，Yoshua Bengio早在20年前就提出了。Bengio的注意力机制后来被谷歌用于Transformer，之后成为了所有语言模型中的关键元素。另外，ChatGPT用的人类反馈强化学习（RLHF）技术，也是由谷歌DeepMind实验室开创的。

所以在LeCun这位深度学习三巨头之一眼中，ChatGPT只是一项成功的工程案例，也情有可原。毕竟去年11月中旬，Meta的FAIR实验室也曾提出一个Galactica模型，它可以生成论文、百科词条、回答问题、完成化学公式和蛋白质序列的多模态任务等等。LeCun发推对此盛赞，虽然因为错误，短短上线三天就被迫下架，但也可以说明ChatGPT并非技术首创。

ChatGPT的技术的确不是最创新的，却是如今最成功且目前无人并肩和超越的，其精准独特的定位策略，出色的产品运营，亦是过人之处。

下一代真正的通用性人工智能在哪？

LeCun认为ChatGPT无法实现通用人工智能，但ALM技术路线可以。

ALM即增强语言模型，兼顾当前ChatGPT 强于意图理解、强于文本生成优点的同时，也解决了它最大的产品落地痛点——事实性错误通过外部信息进行补全，具有真实性、减少不确定性、可解释性和增强能力的特点。毕竟纵使训练数据已经到达海量级别，相对于几乎是无限的应用场景来说,我们还是需要模型能够随时补充请求相关的外部数据，或是能够自动调用一些已有的可靠接口进行推理服务。

LeCun曾经表示过，让机器像人或动物一样行动是他一生的追求。

当今人们对AI发展的看法也分为两类，一些人认为AI仅作为工具，需要更标准化、精细化、智能化代表更先进的生产力，而一些人却认为AI可以在一些产品中表现得像人一样，意图理解和内容生成能力是重点。这其实涉及很多人工智能伦理问题。

LeCun等人撰文对当前玩法百变的ChatGPT离真正的人还差多远这一问题进行了深入探讨。文中阐述，聊天机器人非常聪明，在教育界引起的恐慌足以说明它们书本知识的学习能力，无所不谈更展现了它们经大量训练后对这个世界的了解，他们松散地遵守人类规范却不受约束，毫不在乎。

它们没有想要对话实现的目标，不受他人反应的激励，可以当一个稳定的辅助工具，却无法成为一个值得信赖的大多数时候会希望与之交谈的人。或许这也是为何 LeCun直言ChatGPT这样的大型语言模型是滔滔不绝胡说八道，对现实把握非常肤浅，远谈不上是AI新时代的开创者。

不过值得一提的是，Meta前几周也发布了自家的大型语言模型LLaMA，在很多测试中表现出色，被认为似乎是目前最先进的模型之一，且足够小不需要多少资源就能运行。

Rob Toews曾发表一篇关于「下一代语言模型」的文章，并得到Lecun盛赞。Rob Toews在文中针对当下语言模型存在的问题指出的三个发展方向可以说和LeCun心中对理想人工智能的构想有相似性。

让AI像人一样「思考」，通过bootstrapping的方式来提升模型的智能程度。当前模型完成信息积累训练，利用这些从不同的来源中吸收的知识来生成新的书面内容，然后利用这些内容作为额外的训练数据来提升自己、自我改进。

还要它可以自己去查验事实，但是否有必要对人工智能方法论进行更根本的范式转变，以使人工智能具有常识性和真正的理解，是个悬而未决的问题。

以及大规模稀疏专家模型，当下大型语言模型参数都是稠密的，稀疏专家模型的理念是，一个模型只能调用其参数中最相关的子集来响应给定的查询。其定义特征为，它们不激活给定输入的所有参数，而只激活那些对处理输入有帮助的参数。因此，模型稀疏性使模型的总参数计数与其计算需求解耦。

它们在实际应用中比稠密模型更容易解释，但构建起来技术更复杂，至今没有得到广泛应用，不过未来或许会更加普遍。

往期精彩