Meta人工智能主管：现有大模型逻辑理解存在重大缺陷，永远无法达到人类智能水平【附生成式AI行业现状分析】

（图片来源：摄图网）

近日，Meta的首席人工智能科学家、人工智能主管杨立昆(LeCun)在媒体采访中指出，尽管ChatGPT等生成式人工智能产品背后的大型语言模型(LLM)在技术上取得了显著进展，但它们永远无法实现像人类一样的推理和计划能力。

杨立昆的评论基于对当前LLM技术的深入分析。他明确指出，这些模型在逻辑理解方面存在极大的限制，缺乏对物理世界的深入理解，没有持久的记忆，无法以合理的术语进行推理，更无法进行层次化的规划。这些缺陷限制了LLM在复杂情境下的应用，特别是在需要高度逻辑和规划能力的领域。

他警告说，单纯追求推进LLM的发展“本质上是不安全的”，无法实现真正的人工智能通用智能(AGI)。

他指出，现有的LLM主要是通过学习数据中的统计规律来完成相关任务，而非真正具备“理解”和“推理”的能力。这意味着这些模型只有在获得正确训练数据的情况下才能准确回答提示，而在面对未知或复杂情境时，它们的表现可能会大打折扣。

当前生成式人工智能行业正在迅速发展，包括自然语言处理、图像生成等领域。随着深度学习技术的不断进步，生成式模型如GAN、Transformer等取得了巨大成功，为语言生成、图像生成等任务带来了突破性进展。

我国上市企业融资分析

根据代表性上市企业的公告，生成式AI行业的上市公司主要通过定向增发进行融资。总体来看，这些企业主要是为了大模型项目研发和补充流动资金等目的进行融资。截至2024年，中国生成式AI行业的代表性上市企业主要的融资事件如下：

中国生成式AI行业产品布局

当前主流的生成式AI产品及大模型有百度的文心一言、科大讯飞的星火大模型、腾讯的混元大模型、盘古大模型、华为的盘古大模型等，各家头部科技企业研发打造自己的大模型及生成式AI产品，以达到或超越OpenAI推出的GPT-4生成式AI产品。

生成式AI相关专利技术分析 

生成式人工智能的核心在于训练模型以理解和模仿数据分布。其中最具代表性的包括变分自编码器(Variational Autoencoders, VAEs)、生成对抗网络(Generative Adversarial Networks, GANs)以及Transformer架构下的语言模型如GPT系列。随着算力提升和算法优化，这些模型不断迭代，从早期简单的模式生成发展到如今能生成高度逼真且有逻辑连贯性的复杂内容。根据Incopat的统计数据显示，截至2024年4月，“生成对抗网络”相关专利技术数量最高，专利数量超过3500项。

德勤最新报告《亚太地区生成式AI应用现状：新生代员工处于领先，雇主需迎头赶上》指出，雇主和政策制定者需要主动适应并积极跟上生成式AI的迅速发展。报告调查了亚太地区逾11900名受访者，发现AI新生代在节省工作时间、拓展新兴技能、缓解工作负荷和提升生产力等方面处于领先。

腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生分析指出，随着产业信息的载体多元化，大模型的能力竞争正在从单一的文生文扩展到文生图、文生视频、图生图、图生视频等多模态能力。另一方面，大模型在产业场景落地时面临诸多问题，如场景的选择、结果的准确性、数据的保密、落地成本、内容的安全等。

前瞻经济学人APP资讯组

更多本行业研究分析详见前瞻产业研究院《中国AIGC产业发展前景预测与投资战略规划分析报告》

同时前瞻产业研究院还提供产业大数据、产业研究报告、产业规划、园区规划、产业招商、产业图谱、智慧招商系统、行业地位证明、IPO咨询/募投可研、专精特新小巨人申报等解决方案。在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容，需要获取前瞻产业研究院的正规授权。

更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。更多企业数据、企业资讯、企业发展情况尽在【企查猫APP】，性价比最高功能最全的企业查询平台。