Dalam sebuah artikel yang diterbitkan oleh Jiazi Guangnian, sarjana MIT Luo Hongyin sangat mengeksplorasi cacat penalaran GPT-4 dan solusi potensial NLEP. Artikel ini menunjukkan bahwa meskipun GPT-4 berkinerja baik dalam menangani tugas-tugas generasi bahasa alami, ada kekurangan yang tidak dapat diperbaiki dalam tugas inferensi yang kompleks. Cacat ini terutama disebabkan oleh empirisme ekstrem GPT-4, yang lebih mengandalkan data dalam jumlah besar untuk pelatihan, dan tidak memiliki pemahaman mendalam tentang penalaran logis dan simbolis.
NLEP (Bahasa Alami dan Model Inferensi Presisi) yang diusulkan oleh Luo Hongyin dianggap sebagai kunci untuk menyelesaikan cacat GPT-4. NLEP tidak hanya menghasilkan bahasa alami yang halus, tetapi juga berkinerja baik dalam menangani tugas penalaran yang tepat. Proposal model ini menandai eksplorasi lebih lanjut tentang potensi AI simbolik dalam memproses data yang tidak terstruktur dan menghasilkan bahasa alami. Munculnya NLEP dapat memberikan solusi baru untuk keterbatasan model bahasa saat ini.
Artikel ini juga mengeksplorasi perselisihan sekolah di bidang kecerdasan buatan, terutama oposisi antara empirisme dan simbolisme. Empirisme menekankan pembelajaran dan pelatihan melalui sejumlah besar data, sementara simbolisme lebih berfokus pada penalaran logis dan pemrosesan simbolik. Luo Hongyin percaya bahwa model GPT-4 saat ini terlalu tergantung pada empirisme, yang mengarah pada kinerjanya yang buruk dalam tugas penalaran yang kompleks. AI simbolis, seperti nlep, dapat menempati posisi penting dalam pengembangan AI di masa depan.
Luo Hongyin menekankan bahwa meskipun model bahasa saat ini berkinerja baik dalam menangani skenario yang mentolerir kebisingan, keandalannya masih memiliki kelemahan yang signifikan dalam tugas -tugas kompleks yang membutuhkan penalaran yang tepat. Masalah ini sangat menonjol di daerah berisiko tinggi seperti diagnosis medis dan analisis hukum. Oleh karena itu, mengembangkan model AI yang dapat menangani generasi bahasa alami dan tugas penalaran yang tepat telah menjadi arah penting dalam penelitian kecerdasan buatan saat ini.
Di akhir artikel, proposal NLEP bukan hanya respons terhadap cacat GPT-4, tetapi juga eksplorasi arah pengembangan AI di masa depan. Dengan kemajuan berkelanjutan teknologi AI, kombinasi simbolisme dan empirisme dapat membawa terobosan baru ke bidang kecerdasan buatan. Penelitian Luo Hongyin memberikan arahan pemikiran baru bagi para sarjana di bidang AI dan membuka prospek yang lebih luas untuk aplikasi AI di masa depan.