大型语言模型能真正理解人类语言吗？

原创 Scottish Fold Cats Social Listening与文本挖掘
内容提要：
大型语言模型（Large Language Models，LLMs）代表了人工智能的一大进步，特别是朝着“类人（human-like）”的通用人工智能的目标迈进。但也有人声称，机器学习 "只是统计学"，因此，在这一宏大的目标中，人工智能的进步好似“水中月、镜中花”一般虚幻。在这里，我采取相反的观点，即大型语言模型在语言（language）、理解（understanding）、智能（intelligence）、社会性（sociality）和人格（personhood）的本质方面有很多东西可以“传授”给我们。具体来说： 从任何可证伪的意义上来说，统计学确实相当于理解。此外，我们所认为的智能大部分是内在的对话性（inherently dialogic）的，因而是社会性的；同时，它也需要一种心智理论（theory of mind）。
复杂的序列学习（complex sequence learning）和社会互动（social interaction）可能是一般智力的充分基础，包括心灵理论和意识（consciousness）。由于另一个生命的内部状态只能通过互动来理解，所以对于 "它 "何时变成 "谁 "的问题不可能有客观的答案，但对许多人来说，在计算机上运行的神经网络（ neural network）有可能在不久的将来跨越这个门槛。

Large Language Models: 新的摩尔定律?
----------------------------正-------------------------文-------------------------------------
与基于大型语言模型的最新一代人工智能聊天机器人（AI chatbots）进行对话，可能既令人兴奋又令人不安。许多人还没有过这种体验：这些模型对计算的要求仍然很高，无法广泛使用。随着新芯片的开发，这种情况肯定会在未来几年内发生改变，普罗大众得以在各类应用中低成本使用这些模型。