文 | severus
近日，曾开发出举世瞩目的 AlphaGo 的 DeepMind，在 ArXiv 上发表了一篇文章，名为：
Meaning without reference in large language models
文中提到，大参数规模的语言模型是已经具备了部分类人智能的，但由于它们仅仅接受了纯文本数据的训练，所以其能力也没有得到充分的发挥。
文中举出了大量的例子，试图证明 LLMs，或其他以 transformers 为主要结构的大模型，已经具备了和人类表现类似的智能能力。
DeepMind 一直是通用人工智能（AGI）探索路上的先行者，今年上半年，他们也曾提出了 Gato，在604个不同的任务上都取得了不错的表现，大有 AGI 模型之势。
在笔者看来，其至少证明了，当模型的容量足够大的时候，其的确能够容纳合格地完成不同的窄领域任务所需的知识，更像是给我们展现了通用agent的可行性，但真的说是智能的话，似乎同笔者的认知有所偏差。
论文标题：
Meaning without reference in large language models
论文地址：
https://arxiv.org/abs/2208.02957
人的智能表现
文章提到，人的某些智能表现一定不是从大数据中得到的。例如：
抽象概念的能力：在人的知识体系中，存在大量的抽象概念，而这些抽象概念几乎不可能从与世界的交互中得来。如：正义、法律、才智等，并且人可以轻易扩展这类概念。
对事物本身的理解可以脱离载体：当写有协议的纸张被损坏的时候，协议本身依旧是存在的；当记录法律的书本被遗失的时候，法律本身依旧是生效的。
想象能力：人能够想象不在眼前的事物，也能够想象世界上不存在的东西，甚至可以去想象一个架空的世界。
逻辑推断能力：人可以通过已知概念的组合，即可推断出新的概念。如数学证明，理论物理学的发展等。
文章认为，这些能力几乎不可能仅从大数据中得到，人也不可能仅仅通过大数据归纳学习，就具备了这些能力，而（文章认为）大量的例子表明，大模型已经初步具备了上述的能力，所以，当前大模型的结构已经符合了智能。
神农尝百草
首先，文章中所提到的人的学习能力，以及大量的智能表现，几乎都是已经成长了若干年的人的表现，即，人已经经历了超大规模数据的训练，同时，所提到的示例，也几乎是已发展成熟的领域，人们已经摸索出了最高效的指导方式，比如原文中关于水分子那一段（而它没提到的是，哪怕有这么成熟的指导体系，人想要掌握那些知识，也是要不断地试错。
想想，为了学会四则运算，你做了多少道算术题？为了考试写对化学反应式，你做了多少次训练？）。而没去考虑，想要去对比模型和人的状态，应当从完全空白开始。
实际上，新生儿和模型一样，在刚刚来到这个世界的时候，学习知识的途径，也仅仅有与这个世界的交互，即超大数据量的归纳学习。认知心理学实验表明，新生儿在刚刚出生的时候，会对所有的声音信号有注意力反应，而几个月之后，会对自己父母的声音有更强的注意力反应。对语言的反应也一样，出生几个月之后，新生儿会对自己的母语有更高的注意力。
同时，认知神经科学的实验也表明，新生儿在出生的头两年，脑内的神经链接是不断地变多的，而在接下来的十几年，则会不断减少，直到达到一个稳定的水平。
也就是说，新生儿和大模型一样，原本也是具有任意泛化的能力（如海伦·凯勒自传中，她曾描述小时候无法学习到什么是水），人类归纳学习得不够，也很容易发生“过拟合”（一朝被蛇咬，处处闻……啊不是，十年怕井绳，你看。笔者也过拟合了吧[doge]），而大量的交互，或大数据量的训练，实际上是一种剪枝行为。那么，所谓概念的学习，早期语言的学习，也是大量的交互而形成的。
比如，婴幼儿在见到家里的宠物狗时，他的父母叫了宠物狗的名字，他就很容易将那个名字和狗这个形象绑定起来，而不是直接得到了“狗”这一概念，他们也需要见到足够多的狗，知道了足够多不同的名字，才会将具体的名字和狗分离开。
抽象的概念，如正义、法律等，也是要经过大量的修正之后，才形成大家都基本差不多的认知。不然，也不必去从小在行为上规范、修正，去让一个孩子去遵守公序良俗。
哪怕是成年人，面对人类知识体系上完全空白的领域时，也是通过大量与世界的交互，大数据量的总结，才形成了一套完整的知识体系。从亚里士多德到伽利略，两千年的归纳试错，才形成了牛顿第一定律。我们不能够否认，人类从零开始形成新的知识体系时，哪怕是刚刚接触一个新的电子游戏，也往往是从归纳开始的。
只不过，有一点文章说的是有道理的，纯文本的数据的确是不够的。纯文本本身是已经抽象过的东西，相比之下，人类能够得到的感知信号种类就太多了。若仅仅通过文本数据，人类所能习得的概念或许也很有限。
我们不能去否认，归纳学习在智能产生的过程中，起到的巨大作用，但显然，在对某一领域的认知达到了一定的水平之后，人就不仅仅依靠归纳学习去获取新的知识了。我们能够不断地利用已掌握的概念，去推演新的概念，也逐渐从观测现象，总结知识转换到设计实验，验证理论这样的学习模式。这种能力，即为人的演绎能力。
大模型具备了类人智能？
这篇文章认为，大模型一定程度上已经具备了类人的推断能力了。如 DeepMind 发表的另一篇实验报告[1]，试图证明，大模型已经具备了逻辑推理能力，例如在三段论问题上，以及华生选择任务上，大模型在零样本上，都取得了一些分数。
华生选择任务是一个典型的逻辑问题，例如：桌面上有四张卡，每张卡的两面各表示了同一个人的动作。现在可见的一面是“借车”、“没借车”、“为车子加油”、“没为车子加油”。你至少要翻开哪些牌，才能验证这句论述“如果借了车，就要为车子加油”？
这篇工作笔者也花时间读了一下，但是，其给出的数据，以及模型的表现，并不足以证明模型的推理能力，原因在于，模型正向的表现，很像是数据中带有统计显著性的部分，即数据的同质部分。当然，报告中给出的另外一个实验，即把答案给抹掉，或者打乱，模型的效果骤降，似乎也佐证了笔者的观点。
另一篇工作[2]想要证明大模型掌握了“颜色”这一概念，其列出的证据为，大模型对颜色相关词语的表示，和直接在视觉信号上学到的颜色表示，在几何空间上有高度的相似性。
恕我直言，这不正是分布式表示的立足点吗？我们有大量的自然文本去应用不同的颜色词语，其在几何空间上的归纳偏置正应该有这样的表现啊？
同时，文章也认为，AlphaFold 能够生成完全没有见过的蛋白质结构，也符合了前文对人类想象能力的描述。
那我就要说了，蛋白质结构形成，虽复杂，但是以笔者浅薄的生物学知识，仍旧认为其问题空间仍旧是极其有限的，例如本身分子形成时，各类化学键及其表现出的化学性质，几乎已经是很明确的规则，无论是通过已有大数据归纳，还是通过大量交互去强化学习，我认为模型是非常能够具备这种能力的，这就如同 AlphaGo 可以下出所有棋手都没见过的棋路，也可以在围棋规则内下赢高手们一样。
在已有明确规则下不断计算、试错，最终有类人，甚至超越人类的表现，这正是计算机的强项，但我们也不能将这种机械的运算归为人类的智能。
另有一些文章，认为在一些问题上，fRMI 扫描到人类神经激活的现象，和神经网络有相似性，则更像是一种预先假定结论而去有目的性的倒推现象，且实验中的问题本身也是大量归纳即可学到的，笔者认为更不存在什么证明价值。
如果，大模型真的具备了文章所主张的那种智能，那么它应该知道什么是“不合理”，以及什么是“不知道”。
例如我们如果问一个大模型，一个完全不合理的问题（比如，我的脚有几只眼睛），它应该能够分辨出这个问题无法回答，但如果小伙伴们感兴趣，可以去尝试一下现在已有的大模型，看它们会给你什么样的答案。
我们当然也可以去训练大模型，去回答这种问题，但是，我们总归是能够从各种刁钻的角度找出来不同的问题，去让大模型失败的。
原因就在于，我们知道什么是“不合理”，什么时候是“不知道”。对于广阔的不合理、不知道，我们是有明确的认知的，但是统计模型是没有这种推断能力的。
多说一句，如果统计模型真的具备这种能力，科学计算也不会使用半逻辑半统计的方式了
而我们能够“凭空”拓展我们的理论，能够通过一次的修正信号去修改整个行为，也正是得益于这种演绎能力。
很遗憾的是，在初始状态下，人类的学习条件似乎还比不上模型，但人类获得了这种能力，而统计模型没能得到这种能力。
或许当我们告诉模型，它的行为是错误的时候，不够“斩钉截铁”（梯度下降只能“逐步”地修正模型的行为），但哪怕我们能够去精准更新参数，统计模型的推断方式，也不允许它去推断“没有”（即统计模型仍旧不知道分布外的问题是存在于分布外的，毕竟仍旧是连接的）。
何况，统计模型的结构与其训练算法，本就是一体的。人类或许有什么机制能够精准更新自己的大脑，但现有统计模型框架之下，我们并没有办法完成这一点。
哪怕我们真的去描述“知识”（实际上，这也是个几乎不可能的任务），也难以将之传授给统计模型，毕竟，不合理的泛化，几乎没有办法去规避掉，最终的表现，也一定和大数据训练一样，数据丰富的地方，相对合理一些，数据稀疏的地方，它就开始胡乱泛化了。
人学会进行这么大规模的归纳，实际上是低能耗的，但是大模型则不然，想要训练一个百亿级别参数的模型，其耗费的资源是相当巨额的，恐怕会超过一个人从出生到成长为领域专家所耗费的所有资源。
但是笔者认为，这篇文章提到的一些例子，倒是还有一些其他的价值，比如：
已被模型抽象过的表示，其上层映射起来的确更加简单，如颜色的那个例子，或许这方面工作的拓展，可以对多模态模型提供指导经验，例如 Google 今年的 imagen，用大规模语言模型训练，抽象了语义之后再去指导图片生成，就是一篇不错的尝试
现有的统计模型，及其对应的归纳学习机制，的确部分实现了对大部分基本概念的学习，尤其是增加了多模感知信号之后，那么跳出现有框架，探索新的机制或许更加可行
总结：DeepMind 想干什么
笔者认为，DeepMind 的科学家们一定比笔者厉害得多，它们不可能不知道，这篇文章预设的结论有多么不合理，找到的证据又有多么无力，但是它们为什么要发表呢？
答案是，这篇文章应该不是写给内行看的，而是写给外行看的。
哪怕行内人对当前人工智能的现状是什么样的认知，但是几个简简单单的例子，足够震慑到外行人了，而相比于从业者，其他人显然是更多的，那么只要将这些东西放出来，就足以吸引很多人的眼球，那么这个行业的热度就维持住了。
说这么多，也只是希望，从业者，以及想要从业的同学们，别也被这篇文章唬住了，或者被各路大模型的 PR 唬住了，脚踏实地一些，或做出真东西，或探索新套路。
最后，类人也不应该是 AI 的目标，如果 AI 真的类人了，人类又将如何自处？人类想要的也无非是更廉价、更专业、工作时间更长，且不需要为之安全有多负责的助手，而非另一个竞争者。
毕竟，1（数）2（百）年前，人类在潘（新）多（大）拉（陆）星球上，面对从未见过的人类时，都已痛下杀手，又怎会允许现在的人们，造出一个或许能超越自己的智能呢？[doge]
以上。
萌屋作者：Severus
Severus，在某厂工作的老程序员，主要从事自然语言理解方向，资深死宅，日常愤青，对个人觉得难以理解的同行工作都采取直接吐槽的态度。笔名取自哈利波特系列的斯内普教授，觉得自己也像他那么自闭、刻薄、阴阳怪气，也向往他为爱而伟大。
作品推荐
深度学习，路在何方？
数据还是模型？人类知识在深度学习里还有用武之地吗？
在错误的数据上，刷到 SOTA 又有什么意义？
后台回复关键词【入群】
加入卖萌屋NLP、CV、搜广推与求职讨论群
[1]. Dasgupta I, Lampinen A K, Chan S C Y, et al. Language models show human-like content effects on reasoning[J]. arXiv preprint arXiv:2207.07051, 2022.
[2]. Abdou M, Kulmizev A, Hershcovich D, et al. Can language models encode perceptual structure without grounding? a case study in color[J]. arXiv preprint arXiv:2109.06129, 2021.
