AI与语言系列·E03S01｜由语言解码心智及大语言模型｜诺姆·乔姆斯基视频访谈实录再解读

Leo

大家好，欢迎收听本期播客。我是你的主持人Leo。今天我们有幸请到了一位非常特别的嘉宾，诺姆·乔姆斯基。乔姆斯基教授在语言学和认知科学领域的贡献是无可置疑的。今天我们将一起探讨一些非常重要的话题，包括人工智能如何与语言以及人类心智相互作用。我相信这将是一场深刻而引人深思的交流。欢迎您，诺姆。

诺姆·乔姆斯基

谢谢你，Leo。我很高兴能在这里讨论这些话题。人工智能，尤其是今天的大语言模型，确实引起了广泛的关注。虽然这些模型在某些应用中很有效，但它们并不能提供对语言、学习和认知过程的真实理解。我认为这是一个很重要的区分。

Leo

确实如此，乔姆斯基教授。我们现在看到的很多AI技术，尤其是在自然语言处理领域，似乎更像是工程应用，而非对人类心智的真正理解。您能否分享一下您对这种现象的看法？

诺姆·乔姆斯基

当然，Leo。从某种意义上说，现代人工智能的发展已经转向了一种纯粹的工程方法。我们在追求构建能够执行特定任务的系统，而不是试图理解这些系统背后的认知机制。这和过去的AI研究理念有很大不同，后者更注重于理解智能的本质。

Leo

您提到的这一点非常重要。虽然大语言模型在语言生成和理解上表现出色，但我们是否过分依赖了它们的能力，忽略了它们在理解层面的局限性呢？

诺姆·乔姆斯基

是的，正是如此。大语言模型能够生成连贯的文本，但它们的生成过程并不意味着它们理解了这些文本的深层含义。它们使用的是统计模式，并不是基于人类对语言的理解。我们必须小心，不能将它们的输出与真实的语言理解混为一谈。

Leo

这让我想到了语言与认知之间的关系。您是如何看待人类在语言使用中的计算能力的？它与这些大型模型有什么不同？

诺姆·乔姆斯基

人类的语言能力是高度复杂和有效的。我们并不是简单地依赖线性顺序，而是会抽象出语法结构，这种能力使我们能够理解和生成复杂的句子。这种能力与机器学习的统计方法截然不同。机器可能在生成文本上表现出色，但其背后缺乏真正的理解和灵活性。

Leo

谈到理解和灵活性，您提到过婴儿在学习语言时展现出的能力。这种早期的语言习得过程在机器学习中是如何被忽视的呢？

诺姆·乔姆斯基

对，婴儿语言习得的能力是一个奇迹。他们能够在没有显式教导的情况下，迅速掌握复杂的语言规则。这种能力基于对语言结构的内在理解，而不是简单的模仿或统计模式。大语言模型在某种程度上缺乏这种生物基础的理解，能做的只是模拟而已。

Leo

那么，您认为未来AI与语言研究的发展方向会是什么？我们是否可以期待更深入的理解？

诺姆·乔姆斯基

我希望未来能够结合科学研究与工程应用，推动对认知和语言的更深入理解。通过研究我们自身的语言能力，我们或许能设计出更智能的机器。然而，这需要有意识地回归到理解的层面，而不是简单追求技术的进步。