In einem von Jiazi Guangnian veröffentlichten Artikel untersucht der MIT-Gelehrte Luo Hongyin die Argumentationsfehler von GPT-4 und seine potenzielle Lösung NLEP. Der Artikel weist darauf hin, dass GPT-4 zwar bei der Umstellung von Aufgaben der natürlichen Sprachgenerierung gut abschneidet, es jedoch irreparable Mängel in komplexen Inferenzaufgaben gibt. Dieser Fehler ist hauptsächlich auf den extremen Empirie von GPT-4 zurückzuführen, der zu großen Datenmengen für das Training übereinstimmt und ein detailliertes Verständnis des logischen und symbolischen Denkens fehlt.
Das von Luo Hongyin vorgeschlagene NLEP (natürliche Sprache und Präzisions-Inferenzmodell) wird als Schlüssel zur Lösung von GPT-4-Defekten angesehen. NLEP erzeugt nicht nur eine glatte natürliche Sprache, sondern funktioniert auch gut im Umgang mit präzisen Argumentationsaufgaben. Der Vorschlag dieses Modells markiert die weitere Untersuchung des Potenzials der symbolischen KI bei der Verarbeitung unstrukturierter Daten und der Erzeugung natürlicher Sprache. Die Entstehung von NLEP kann eine neue Lösung für die Einschränkungen des aktuellen Sprachmodells liefern.
Der Artikel untersucht auch den Schulstreit auf dem Gebiet der künstlichen Intelligenz, insbesondere die Opposition zwischen Empirismus und Symbolik. Der Empirismus betont das Lernen und Training durch große Datenmengen, während sich die Symbolik mehr auf das logische Denken und die symbolische Verarbeitung konzentriert. Luo Hongyin glaubt, dass das aktuelle GPT-4-Modell zu zu abhängig von Empirie ist, was zu seiner schlechten Leistung bei komplexen Argumentationsaufgaben führt. Die symbolistische KI wie NLEP kann eine wichtige Position in der zukünftigen Entwicklung von AI einnehmen.
Luo Hongyin betonte, dass das aktuelle Sprachmodell zwar eine gute Leistung bei Szenarien hat, die Rauschen tolerieren, seine Zuverlässigkeit jedoch immer noch erhebliche Mängel bei komplexen Aufgaben aufweist, die eine genaue Argumentation erfordern. Dieses Problem ist besonders in Bereichen mit hohem Risiko wie medizinischer Diagnose und rechtlicher Analyse herausragend. Daher ist die Entwicklung von KI -Modellen, die sowohl natürliche Sprachgenerierung als auch präzise Argumentationsaufgaben umgehen können, zu einer wichtigen Richtung in der aktuellen Forschung für künstliche Intelligenz geworden.
Am Ende des Artikels ist der Vorschlag von NLEP nicht nur eine Antwort auf GPT-4-Defekte, sondern auch eine Erforschung der zukünftigen Entwicklungsrichtung von KI. Mit der kontinuierlichen Weiterentwicklung der AI -Technologie kann die Kombination aus Symbolik und Empirismus neue Durchbrüche auf den Bereich der künstlichen Intelligenz bringen. Die Forschung von Luo Hongyin bietet Wissenschaftlern auf dem Gebiet der KI neue Denkanweisungen und eröffnet breitere Aussichten für zukünftige AI -Anwendungen.