《无限机器》

📌 一句话摘要

一篇反思性文章，详细阐述了 Demis Hassabis 对大语言模型（LLM）不断演变的观点，从对“接地问题”（grounding problem）的怀疑，转变为对其在捕捉人类经验有限性方面所展现出的“不合理有效性”（unreasonable effectiveness）的赞赏。

📝 详细摘要

本文摘自 Sebastian Mallaby 的著作《无限机器》，探讨了 DeepMind 创始人 Demis Hassabis 在大语言模型方面的思想历程。起初，Hassabis 持怀疑态度，认为语言是一个与物理世界脱节的符号系统——即经典的“接地问题”。他曾认为 AI 需要与世界交互才能实现真正的智能。然而，他讲述了自己后来的认识：语言模型之所以“不合理地有效”，是因为人类经验虽然看似无限，但实际上是有限的，并且被人类知识语料库（约 14 万亿词）充分表征。这篇文章为定义当前 AI 时代的思维转变提供了一个难得的哲学视角。

💡 主要观点

- Hassabis 最初因“接地问题”而怀疑 LLM。 他认为，如果没有物理交互（机器人技术/模拟），AI 就无法真正理解世界，因为语言仅仅是与感官体验脱节的符号系统。

意识到语言模型从人类那里学习到了“接地”。 Hassabis 认识到，由于人类本身扎根于物理世界，我们产生的语言天生就包含了这种“接地”信息，使得基于人类数据训练的模型能够获取它。

人类经验是有限的，而非无限的。 与他之前认为人类行为是半无限的观点相反，Hassabis 得出结论：人类经验的范围被互联网上的有限数据量（约 14 万亿 token）所捕捉，这解释了 LLM 的“不合理有效性”。

💬 文章金句

- 那些错误但极具影响力的假设……即语言是智能的表达。

我现在意识到，语言比我们想象的更具内在的“接地性”。
这就是为什么我称这些语言模型为“不合理地有效”。

📊 文章信息

AI 评分：86

来源：UX Magazine

作者：Nataliia Vlasenko

分类：人工智能

语言：英文

阅读时间：5 分钟

字数：1005

标签： Demis Hassabis, DeepMind, LLM, AI 哲学, 接地问题

阅读完整文章

《无限机器》

🤖 問 AI