大型语言模型与涌现：复杂系统视角（大卫·C·克拉考尔教授）

克拉考尔教授的观点对当前人工智能发展，特别是大型语言模型，提出了批判性评估。他认为，侧重于扩大数据规模以实现性能提升具有误导性，因为它不一定等同于真正的智能。他将此与他对智能的定义进行了对比，即用有限的信息解决新问题的能力。克拉考尔挑战了科技界对“涌现”的理解，主张对大型语言模型的内部组织进行更深层次、更根本的改变，类似于从追踪单个水分子到流体动力学的转变。这种批评强调了超越肤浅的性能指标，并专注于开发更高效、更具适应性的人工智能系统的必要性。

• •真正的智能定义为用有限信息解决新问题的能力，这与当前人工智能依赖于庞大数据集形成对比。
• •科技界对大型语言模型中“涌现”的理解是肤浅的；真正的涌现需要在内部组织上发生根本性变化。
• •重点应从扩大数据规模转移到开发大型语言模型中更有效的内部表征，以实现真正的智能。