专访诺奖得主：大模型是记忆还是理解？

AIGC动态5个月前发布 almosthuman2014

1,156 0 0

文章摘要

托马斯·萨金特教授，2011年诺贝尔经济学奖得主，在接受机器之心专访时，分享了他对人工智能（AI）和机器学习（ML）的看法。萨金特教授认为，AI和ML的核心理念可以追溯至伽利略时代，它们通过构建世界模型来进行预测和决策。他指出，AI旨在完成过去由伽利略、达尔文和开普勒等先驱完成的智能任务，而ML技术利用数据、概率论和微积分来推断模式。

萨金特教授在他的工作论文《Sources of Artificial Intelligence》中提到，程序员设计ML芯片、算法和代码，实际上是在再现伽利略的自由落体实验。他认为，尽管当前的大模型在某些人看来可能只是进行“记忆”和统计分析，但它们实际上在寻找和利用数据中的模式，这是理解的一种形式。

在讨论因果关系时，萨金特教授指出，人们对因果关系的理解各不相同，哲学家大卫·休谟将因果推理视为知识的核心，认为因果性可以用特定类型的相关性来定义。然而，萨金特教授也承认，将因果关系上升到哲学层面会使问题变得复杂。他提出，虽然可以给出数学上的定义，但不同的人对这些定义的接受程度不同。

关于大模型是否能够掌握因果推理，萨金特教授认为，构建这些模型的人并不是在盲目地工作，他们使用特定的数学和统计工具，并理解模型的运作原理。他通过比喻华为的自动驾驶汽车来说明，虽然对外部观察者来说模型可能是一个“黑盒子”，但设计者了解其决策过程。

萨金特教授还提到了阿根廷作家博尔赫斯的短篇小说《博闻强记的富内斯》，用以说明信息压缩的重要性和智能的关键所在。他认为，智能涉及从大量数据中提炼模式和规律，尽管这可能导致错误。

最后，萨金特教授强调，对于“黑盒子”和“因果关系”等概念，不同的人有不同的理解。他建议，要了解不同的观点，可以参加他即将在罗汉堂数字经济年会上的演讲。

萨金特教授是理性预期学派的领军人物，他的研究对宏观经济学、货币经济学、时间序列计量经济学等领域产生了深远影响。他也是罗汉堂首批学术委员会委员，该机构是一个非营利性开放型研究机构，专注于数字经济和社会科学研究。