Yann LeCun：语言的有限性决定了 AI 永远无法比肩人类智能(3)

4、语言之外

放弃「所有知识都是语言知识」的错误观点，可以让我们意识到有多少知识是非语言知识。书籍中记载了许多我们可以使用的信息，说明书、论文图表、城市地图也有同样的用处。除了文字体现出的信息，自然特征、人造产品、动物和人类的心理、生理特点都充满了可以被人类利用的信息。 这说明在语言之外，这个世界本身就向人类展示了大量的信息，可供人类探索并使用。 同样的，社会习俗和割裂仪式可以仅仅通过模仿向下一代传递。人类的很多文化知识都是标志性的，只是看着就可以传递下去。这些微妙的信息模式很难用语言表达，但收到信息的人仍然可以理解。就此可以看出，非语言理解对于人类的发展来说十分重要。 LeCun 指出，被记录在文字中的人类知识并没有很多，在灵长类动物的交流中也几乎捕捉不到非人类灵长类动物的知识。 我们之所以认为语言重要，是因为语言可以用小格式传达很多信息，尤其是在印刷术和互联网出现之后，语言可以复制信息并广泛传播。 但是压缩语言中的信息并不是没有代价的，这需要我们花费大量的精力来解码信息密集的段落。 比如，人文学科的课程可能需要学生做大量的课外阅读，或者大量的课堂时间都得花在复习困难的文章上等等。虽然信息提供到手上了，但是要想对信息进行深入的理解仍然是很耗时的。 这也就解释了为什么经过语言训练的机器能知道的这么多却又懂得这么少。机器获得了人类知识的一小部分，但这一小部分人类知识可以是关于任何事情的。这就有点像镜子了，系统给人一种很深的错觉，又可以反射几乎任何东西。但问题是，镜子只有一厘米厚， 如果我们试图进去探索，就会撞到脑袋 。 可以看出， 人类有了深刻的非语言理解，才使得语言有用武之地。 正是因为我们对世界有深刻的理解，所以我们可以很快地理解别人在谈论什么。这种更广泛的、情境敏感的技能是人类自古就有的基本知识。 非语言理解让感知得以出现，并使得感知能够得以留存和繁荣。所以对于 AI 研究人员来说，寻找人工智能中的常识（common sense）是比关注 AI 语言更重要的任务。 最后，LeCun 总结， LMM 没有稳定的身体，也不能持久地感知世界，所以它们只能更多地关注语言，因此 LLM 的常识总是肤浅的。 我们的目标是让人工智能系统关注所谈论的世界，而不是语言本身——虽然 LLM 并不理解这两者的区别。 我们无法仅仅通过语言来达到深刻的理解，经过对 LLM 的研究，我们可以看明白，仅仅从语言本身能了解的东西是多么少。