主动式语义大小语言模型人工智能

​

目前的GPT类大语言模型，是一种被动的，应答式的人工智能。

它不存在主动的思维。不是在观察，注意，问题，任务，欲望这些驱动下的主动的思维和生成。

这是由其，输入，计算生成下文的这个基础的自动化数学过程决定的。这也是一个经济，能提供有效的特定的文本服务的的技术路线和方法。

但人类是一种主动式的智能。会自主提出问题。有欲望和情绪驱动，会在闲置时自主思考的主动式智能体。

从这个角度，可以理解到目前的GPT大模型和目标人工智能的差距。不仅如此，目前GPT模型，也没有由事件和时间和对象组织起来的世界的事件模型。

自主注意力，自主问题，自主思考，自主的情绪和任务，是重要的。是人工智能走向类人的智能的重要的功能和桥梁。

目前的GPT，是一个包含已有知识甚至错误知识的文本海洋，经过训练，将其内在的文本的上下文文字连接关系提取出概率形成token向量参数库。再使用这个token向量参数根据上文计算生成新的下文。这个过程，知识包含在其间。但是间接的呈现。首先呈现的是词语序列。知识只是词语序列隐含的间接存在。但是在大多数情况下，高质量的GPT大模型的生成，其文本的隐含知识能达到超过普通人的知识素养。我们可以将GPT大模型理解为，词语接龙排序机器和机制。它放弃了对词语的语义的直接的理解，而通过精专于词语接龙排序关系，而间接掌握语义。这就注定了其会生成一些虚妄和不实的文本及其信息。

如果说，之前的人工智能都是低级的弱人工智能，GPT实际上通过对包含知识的语言文本的资料占有和统计以及计算生成，达到了强人工智能的门槛。类似于蒸汽机打开了工业革命的大门，但GPT和蒸汽机一样，仅仅是一个跨过门槛的低级技术。但是意义和阶段性的价值巨大。

相对于符号的符形与符意，从符形组合的正确性出发，适合粗暴的大算力计算机，这就是GPT的出发点。甚至放弃对符意的深入追究。但是，正确的符形组合形成的文本，其意义大部分情况下也正确。或者说，gpt不是一个真正的语义模型，而是一个语用模型。从词语被如何使用，也就是词语后面可以接龙哪个词语这个角度，获得突破。但是这个模型的语义能力和思考能力依然很有限。甚至存在不可避免的内在错误。

这就是从语言学和语言哲学的角度，对这个革命性的语言机器的判断和分析。这预示着未来更好的语义大模型和自主思考和问题驱动的主动式语义大模型的机会和趋势和方向与目标。而语义模型可以是一个精致紧致的小模型。虽然也可以是大模型。但是小模型的意义重大。意味着脱网单机工作。意味着脱网的机器人的大脑。

就是这样。大语言模型的原理和基础性的问题，差不多就是这些。人工智能的应用和技术细节无穷无尽。但基础性的原理有限。也许已经接近完成和结束。就像控制论。有限，通用，基础的理论，哲学和科学的理论。技术性有限。是一种思想和总体的宏观的认识论方法论。

我个人的研究快要结束。而如果要我提出一个标准，关于真正的通用人工智能的条件和标志是什么，我会说，我期待人工智能定义新的词语，并给出合理的解释。

达到这个能力，是一个标准。是一个恢弘的新的纪元的开始。