問：半年多的時間里，大模型的局限性被逐漸暴露出來。雖然模型對語言文法非常精通，但其對知識性和常識性內容仍談不上有哪怕是基礎性的理解，所以大模型技術雖好，卻很難對教育學問題有實質性幫助。 現在，許多公司在燒錢，仿佛“無大模型，就無智能”一般。同質化的技術和項目，已造成很大的資源浪費。也許在大模型風靡一時的當下，對其保持適度的警惕和反思更值得提倡。個人愚見，還請大家見諒[抱拳] 答：大模型對語言文法精通是因為大模型來自對人類語言的統(tǒng)計學結果，是必然的。對知識和常識不精通是因為絕大多數人的知識不足，也是必然的。單純的自然語言大模型必然是與科學相反的。所以，大模型主要的應用領域必然是人機接口這一塊。 問：@張海 Hai Zhang?謝謝您的回復，略微有一點不同的看法，和您交流一下：1）也許并不是由于大模型是對人類語言的統(tǒng)計而導致文法的精通。畢竟，統(tǒng)計模型已經存在很久，但之前效果并不好，特別是自然語言生成領域；2）作為海量知識和常識的匯總，大模型基座開啟的是上帝視角。相對個人而言，不論是背景知識還是計算能力都是相對充分的。我覺得GPT-4推理能力低下有可能是因為它的基本模型和算法根本就不是面向認知或基于理解的，才造成了對“語句加工”與“語義加工”的分離；3）贊同人機接口是一個很好的大語言模型的應用方向，但可能會因領域和場景而受到一些限制（這些情況下，也許需要大模型的領域定制版本）。 答：簡單而言，自然語言大模型解決的是人工智能會說的問題，深度學習和知識圖譜解決的是人工智能會思考的問題。 自然語言大模型效果的提升是因為數據量有了巨大的提升，從而出現了新功能的涌現現象。 如果要解決自然語言大模型會思考的問題，則需要與深度學習和知識圖譜等模型進行聯(lián)動 沒有思考模塊和人類智慧模塊兒，自然語言大模型就是民科 自然語言大模型，把人類的自然語言翻譯成深度學習和知識圖譜能理解的內容，驅動深度學習和知識圖譜進行運算得出結果，運行提示詞工程，再把該結果翻譯成人類能理解的自然語言。這是未來自然語言大模型，在計算機超級智慧中應具有的生態(tài)位。