自然语言大模型能做什么？问答
问：半年多的时间里，大模型的局限性被逐渐暴露出来。虽然模型对语言文法非常精通，但其对知识性和常识性内容仍谈不上有哪怕是基础性的理解，所以大模型技术虽好，却很难对教育学问题有实质性帮助。 现在，许多公司在烧钱，仿佛“无大模型，就无智能”一般。同质化的技术和项目，已造成很大的资源浪费。也许在大模型风靡一时的当下，对其保持适度的警惕和反思更值得提倡。个人愚见，还请大家见谅[抱拳] 答：大模型对语言文法精通是因为大模型来自对人类语言的统计学结果，是必然的。对知识和常识不精通是因为绝大多数人的知识不足，也是必然的。单纯的自然语言大模型必然是与科学相反的。所以，大模型主要的应用领域必然是人机接口这一块。 问：@张海 Hai Zhang 谢谢您的回复，略微有一点不同的看法，和您交流一下：1）也许并不是由于大模型是对人类语言的统计而导致文法的精通。毕竟，统计模型已经存在很久，但之前效果并不好，特别是自然语言生成领域；2）作为海量知识和常识的汇总，大模型基座开启的是上帝视角。相对个人而言，不论是背景知识还是计算能力都是相对充分的。我觉得GPT-4推理能力低下有可能是因为它的基本模型和算法根本就不是面向认知或基于理解的，才造成了对“语句加工”与“语义加工”的分离；3）赞同人机接口是一个很好的大语言模型的应用方向，但可能会因领域和场景而受到一些限制（这些情况下，也许需要大模型的领域定制版本）。 答：简单而言，自然语言大模型解决的是人工智能会说的问题，深度学习和知识图谱解决的是人工智能会思考的问题。 自然语言大模型效果的提升是因为数据量有了巨大的提升，从而出现了新功能的涌现现象。 如果要解决自然语言大模型会思考的问题，则需要与深度学习和知识图谱等模型进行联动 没有思考模块和人类智慧模块儿，自然语言大模型就是民科 自然语言大模型，把人类的自然语言翻译成深度学习和知识图谱能理解的内容，驱动深度学习和知识图谱进行运算得出结果，运行提示词工程，再把该结果翻译成人类能理解的自然语言。这是未来自然语言大模型，在计算机超级智慧中应具有的生态位。
