蝉鸣报告（原爱报告知识星球）
近日，Center for Security and Emerging Technology（CSET）发布了一份名为《Chinese Critiques of Large Language Models: Finding the Path to General Artificial Intelligence》的行业研究报告。该报告深入探讨了大型语言模型（LLMs）在实现通用人工智能（GAI）方面的局限性和挑战，以及中国在追求GAI过程中采取的多元化AI发展策略。报告指出，尽管LLMs在模仿人类语言能力方面取得了显著进展，但它们在推理、理解语言和处理复杂任务方面存在明显缺陷，中国科学家和政策制定者对此表达了深度关切，并积极探索除LLMs之外的其他路径。这份报告为理解中国在AI领域的战略布局和未来趋势提供了宝贵的视角和深刻的洞见。
大型语言模型（LLMs）在全球范围内引起了广泛关注，因为它们能够生成类似人类的回应，完成节省时间的任务，甚至一度被认为是“有感知力”的证明。这些模型被许多人视为通往通用人工智能（GAI）的路径，即计算机在大多数或所有任务中达到甚至超越人类技能的假想状态。然而，这份名为《Chinese Critiques of Large Language Models: Finding the Path to General Artificial Intelligence》的报告揭示了LLMs在实现GAI方面的局限性，并提出了中国在AI发展上的多元化策略。
报告指出，LLMs在处理基本数学问题时存在缺陷，尽管可以通过插件来纠正，但这些缺陷表明LLMs在理解语言和类人推理方面存在严重不足。尽管模型复杂性的增加提高了LLMs在各种基准任务上的表现，但“幻觉”问题——即LLMs制造错误声明的能力——以及推理错误仍然难以克服。研究表明，随着模型复杂性的增加，错误/幻觉答案的可能性也在增加。
中国的AI研究者对LLMs作为GAI路径的能力持怀疑态度。例如，清华大学的唐杰教授认为，人类级别的AI需要模型“在世界中体现”。他指出，尽管规模法则还有很长的路要走，但这并不能保证GAI的实现。张亚勤，微软亚洲研究院的联合创始人，提到LLMs存在的三个问题：计算效率低，无法“真正理解物理世界”，以及所谓的“边界问题”，即标记化问题。他主张需要探索如何将大型生成性概率模型与现有的物理世界“第一原理”或真实模型和知识图谱结合起来。
报告还强调了中国政府在AI研究中注入“价值观”的努力，旨在指导自主学习，提供AI安全，并确保中国的先进AI反映人民和国家的需求。中国在追求GAI的过程中，不仅投资于LLMs，同时追求其他替代路径，包括更明确地受大脑启发的方法。
中国科学家的研究记录显示，他们正在寻求LLMs的替代路径，因为LLMs的不足阻碍了大型模型实现与GAI相关的普遍性。中国的研究者们提出了多种解决方案，包括增加模块、模仿大脑结构和过程、严格的标准和测试，以及用改进的芯片类型直接替换计算基底。
中国的AI社区对LLMs能否实现GAI持怀疑态度，并正在考虑或追求替代路径。这与西方的研究趋势形成鲜明对比，后者在商业利益的推动下，继续沿着LLMs的道路前进，忽视了LLMs的根本局限性。中国的策略可能在实现GAI的竞赛中给予其优势，类似于中国在光伏面板、电池技术和电动汽车领域取得的领先地位。
文章的灵感来自于这份报告，它提供了对LLMs和GAI的深刻见解。除了这份报告，还有许多其他有价值的同类型报告，它们都收录在同名星球，供有兴趣的读者进一步探索和研究。
以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版（无广告）。
【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。
