由 editor 
引言
在当今科技迅猛发展的时代，人工智能（AI）无疑是最受瞩目的领域之一。然而，随着AI技术的不断进步，我们逐渐发现，现有的AI模型在许多方面存在着显著的局限性。特别是在通用人工智能（AGI）的追求过程中，我们不得不面对“世界模型神话”的破灭。本文将深入探讨大型语言模型（LLM）的局限性，AI思维方式与人类的差异，以及AI在因果关系理解上的困境。
大型语言模型的局限性
尽管大型语言模型（LLM）能够流畅地进行推理和回答问题，但其背后的思维链条实际上只是复杂的统计模式匹配，而不是真正的推理能力。AI模型通过海量数据和经验法则来生成响应，而不是通过深刻的世界模型和逻辑推理来做出决策。这种局限性使得AI在面对复杂问题时，往往无法提供真正有意义的解答。
AI的思维方式与人类的差异
越来越多的人认为，AI的思维方式与人类完全不同。研究者们发现，现代AI模型在底层架构上存在根本性的局限。AI本质上是通过学习海量的经验规则，然后将这些规则应用到它们所接触到的信息上，进而模拟智能。这与人类，甚至动物对世界的理解方式大不相同。生物体会构建一个关于世界如何运转的“世界模型”，其中包含因果关系，能够预测未来。
一堆经验法则
Santa Fe研究所的教授Melanie Mitchell认为，越来越多的研究表明，AI模型似乎发展出了海量的“经验法则”，而不是构建更高效的心理模型来理解情境，然后通过推理完成任务。哈佛大学的AI研究员Keyon Vafa首次听到“一堆经验法则”这个提法时表示“感觉一下子点醒了我——这就是我们一直想描述的东西”。
AI不懂因果关系
Vafa的研究试图搞清楚：当AI被输入数百万条类似谷歌地图的逐步导航指令后，会构建出怎样的认知地图。他和团队以曼哈顿错综复杂的街道网络作为测试样本。结果发现，AI画的看起来根本不像曼哈顿的街道地图。仔细检查发现，AI竟然推演出各种离谱路线——比如横穿中央公园的直线，或者斜着连跨好几个街区。但诡异的是，这个模型给出的分步导航指令在99%的情况下居然能用。
世界模型神话的破灭
AI工程师们宣称，他们的模型也在其庞大的人工神经网络中构建出了类似的“世界模型”。证据是这些模型能够写出流畅的文章，并能表现出明显的推理能力。尤其是最近推理模型取得的进展，更加让人相信已经走在了通向AGI的正确道路上。然而，近期的研究让我们可以从内部窥探一些模型的运行机制，结果让人怀疑是否真的在接近AGI。
专家的不同观点
Yann LeCun曾表示，基于预测世界模型的自监督学习，才是通往AGI的唯一可行路径。而Hinton则认为，Transformer永远无法实现真正的智能。这些不同的观点反映了AI研究领域的复杂性和多样性，也为我们探索AGI的道路提供了新的思路。
结论
AGI的实现仍然面临着巨大的挑战。AI模型在理解因果关系和构建世界模型方面存在根本性的局限。我们需要重新审视AI的发展方向，探索新的方法来实现真正的通用人工智能。未来，AI的发展将不仅仅依赖于技术的进步，更需要哲学和伦理的深刻思考。只有在多方面的协同努力下，我们才能真正实现AGI的梦想。