张钹院士：大模型存在难以逾越的天花板，必须建立可解释AI理论

·GPT-4只能和数字世界打交道，我们最终必须跟物理世界打交道，这就需要机器人，也就是具身智能。张钹认为不一定要做人形机器人，不需要把硬件搞得非常复杂，他主张以一定的硬件为基础进行强化学习研究。

·全世界对大模型强大的生成能力、迁移能力、交互能力感到惊讶却无法解释，只能归结为“涌现”。为了人工智能产业的健康发展，必须将科学研究、技术创新、产业发展结合起来。要发展第三代人工智能，必须建立可解释和鲁棒的人工智能理论和方法，否则AI技术永远难以令人相信。

大语言模型存在天花板。

“通向通用人工智能的道路虽然依然艰难，但大语言模型为AI产业的发展打开一条通向通用AI宽广的道路。”1月16日，中文认知大模型企业北京智谱华章科技有限公司（以下简称“智谱AI”）举办的2024年度技术开放日上，中国科学院院士、清华大学人工智能研究院院长、清华大学计算机系教授张钹表示，大模型提供了发展通用硬件和软件的机会。

传统AI范式利用特定的算法和规则完成特定任务，生成式AI范式是基于一种称为基础模型的通用模型，通过广泛文本数据的训练，在开领域（open domain，开域）内可以生成类似于人类水平的高质量文本、图像和其他内容，通过微调等方式可适配于广泛的下游任务。生成式AI向通用AI迈出一步，第二步是AI智能体，第三步则是具身智能。张钹表示，GPT-4只能和数字世界打交道，我们最终必须跟物理世界打交道，这就需要机器人，也就是具身智能。具身智能的提出有助于构造完整的智能体，让智能体既有感知，又有思考。“不一定要做人形机器人，因为很多时候只要用手或脚就可以了，不需要把硬件搞得非常复杂。”他主张以一定的硬件为基础进行强化学习研究。

生成式AI大模型具备三大能力和一大缺点，即强大的生成能力、强大的迁移（推广）能力、强大的交互能力和幻觉。强大的语言生成能力可基于上下文和过去的对话，在开领域能够生成多样性令人惊讶的类似人类的连贯文本。强大的迁移能力可在代理任务上训练一个模型，通过细调适配到感兴趣的下游任务。强大的交互能力包括与人类的交互（人机交互）、机器之间的交互（多智能体）、与环境的交互（具身智能），通过交互在不同专业和科学的测试基准上表现出人类水平的智能。而针对幻觉，大模型有时会生成看似合理的编造或无意义的答案。

人工智能有助于推动经济增长，建筑、维护、安装等行业难以被自动化和智能化，但行政管理等白领工作或被AI替代。AI可提高大多数人类工作的质量和效率，但被AI完全替代的工作仍是少数。之所以AI还不能替代大多数工作，是因为大模型还存在难以逾越的天花板。张钹表示，大模型的所有工作都是外部提示而非主动，并且在外部提示的情况下利用概率预测完成任务，而人类的工作依靠内部意图驱动。大语言模型生成语言与人类语言生成只是行为上的相似性，而内在机制根本不同，大语言模型存在不自知、质量不可控、不可信、不鲁棒等天花板，给出不同的提示词，大模型会输出不同的回答。大模型也会产生幻觉，“不管模型多么大，幻觉这个缺点一直存在。”

他提出，要发展第三代人工智能，必须建立可解释和鲁棒的人工智能理论和方法，发展安全、可控、可信、可靠、可扩展的AI技术，推动AI的创新应用和产业化。如果不能建立可解释和鲁棒的人工智能理论，AI技术是不可靠的，AI技术永远难以令人相信。“到现在为止，这个理论还没有建立起来，这也是人工智能之所以发展缓慢和曲折的原因。理论建立不起来，是因为受到三个特定限制，过去只能在特定领域利用特定模型解决特定任务，这怎么可能建立通用理论？大模型的出现为建立这个理论提供了可能性。”

张钹表示，大模型为我们提供了发展通用硬件和软件的机会。人工智能正进入稳步发展的阶段，对各行各业有巨大影响，必须抓住机遇发展人工智能产业。但仍有大量不确定性，因为AI不可预测、不可控。全世界对大模型强大的生成能力、迁移能力、交互能力感到惊讶，却无法解释，只能归结为“涌现”。所以为了人工智能产业的健康发展，必须将科学研究、技术创新、产业发展结合起来。