Michael Jordan：大模型在兩個方向仍需“努力”

AIGC動態(tài)1年前 (2023)發(fā)布大數(shù)據(jù)文摘

AIGC動態(tài)歡迎閱讀

原標(biāo)題：Michael Jordan：大模型在兩個方向仍需“努力”
關(guān)鍵字：不確定性,問題,系統(tǒng),模型,方式
文章來源：大數(shù)據(jù)文摘
內(nèi)容字?jǐn)?shù)：15113字

內(nèi)容摘要：

大數(shù)據(jù)文摘受權(quán)轉(zhuǎn)載自智源社區(qū)
采訪：李夢佳回望過去的這一年，大模型的出現(xiàn)永遠改變了當(dāng)前的技術(shù)產(chǎn)業(yè)格局，卻鮮少有人說起大模型真正的致命缺點。
“如果你問 ChatGPT，烏干達總統(tǒng)是誰？它會給出一個答案。但你問它對剛才說的話有多確定？它表示無法回答。”提及當(dāng)前大語言模型最欠缺的是什么，美國三院院士、著名計算機科學(xué)家、智源研究院學(xué)術(shù)顧問委員會委員Michael I. Jordan在近期的智源專訪中坦言，當(dāng)前的大模型在兩大前沿方向上仍需努力，其一，缺乏量化不確定性并進行干預(yù)的能力；其二，大模型缺乏一個良性的經(jīng)濟激勵模式，“模型應(yīng)該溯源提供答案的人，給出報酬或其他激勵方式，這才是真正的經(jīng)濟系統(tǒng)運作的方式。”
而這兩點和他自身的知識框架息息相關(guān)。在橫貫幾十年的漫長學(xué)術(shù)生涯中，Michael總共有兩次頓悟的經(jīng)歷，一次是統(tǒng)計學(xué)，一次是微觀經(jīng)濟學(xué)。機器學(xué)習(xí)和統(tǒng)計學(xué)以及經(jīng)濟學(xué)的碰撞，讓他深刻意識到要從系統(tǒng)角度出發(fā)解決醫(yī)療、教育等現(xiàn)實問題。“這個時代最有趣的挑戰(zhàn)是進行一種集體主義的機器學(xué)習(xí)，從人群整體、甚至人機混合的整體上去分析。” 以下為采訪全文（編者進行了不改變原意的改編）。
Michael I. J

原文鏈接：Michael Jordan：大模型在兩個方向仍需“努力”