据法国《回声报》网站3月10日报道，自聊天生成预训练转换器(ChatGPT)引发冲击以来，大语言模型便在全球科技领域占据主导地位。但是面对能耗瓶颈和认知局限，各大科研实验室已着手筹备人工智能的下一场革命。

　　法国人杨立昆坚信：“如果我们希望大语言模型达到人类的智能水平，那就是死路一条。”他认为，支撑“双子座”人工智能模型(Gemini)、ChatGPT或“克劳德”模型(Claude)等聊天机器人的大语言模型，严格来说永远算不上真正的“智能”。

　　他新成立的实验室先进机器智能公司(AMI)刚刚完成了10亿美元融资，正专注于一项全新架构的基础研究——“世界模型”。在科技界，当投资者们为人工智能的潜力趋之若鹜时，并非只有他一人在探索其他技术路径。

　　自2022年底ChatGPT横空出世后，大语言模型在全球科技领域遍地开花。开放人工智能研究中心(OpenAI)这款聊天机器人基于Transformer技术架构，该架构由谷歌公司研究人员于2017年提出。

　　此后，整个人工智能生态系统都投身于大语言模型竞赛。谷歌的“双子座”人工智能模型、Anthropic公司的“克劳德”模型、元宇宙平台公司的Llama大型语言模型、法国米斯特拉尔人工智能公司的Le Chat，均基于这一概率统计路径：此算法通过学习海量数据，预测下一个词汇。

　　尽管这些模型在文本相关应用(代码、写作、摘要、翻译)中表现惊艳，但仍存在诸多缺陷。

　　人工智能博士、初创公司Quant AI Lab创始人贝特朗·哈桑尼解释说：“大语言模型存在机械性局限：其内置参数量不断增加，且获取高质量数据存在限制。此外，它们对硬件和能源的需求永无止境，因此资金投入十分巨大。”

　　例如，OpenAI计划未来五年投入超过1万亿美元用于基础设施建设，以训练其大模型。该公司及其竞争对手能否最终收回如此巨额的成本，目前还很难说。

　　尽管大语言模型的能力不断提升，但多项研究表明，其发展已经达到极限。资金和性能的双重瓶颈，促使实验室探索其他方案。

　　在企业中，越来越多的团队开始研发小语言模型。这类模型规模更小，仅需较少算力即可在专属数据上训练，可靠性更高。

　　初创公司Dragon LLM正在尝试将Transformer架构与算力消耗更低的Mamba架构相结合。该公司联合创始人奥利维耶·德伯尼表示：“数据隐私、主权和人工智能成本问题，迫使企业转向更高效的模型。”

　　杨立昆正致力于研发“世界模型”，用以模拟物理世界并预测行为的后续结果。这类模型不仅基于文本训练，还基于图像、声音和视频进行训练。它们不再依赖概率推理，而是像人类大脑一样具备模拟和预判能力。

　　谷歌前人工智能负责人李飞飞去年成立了自己的初创公司，探索用“世界模型”实现3D建模。

　　塞雷娜风险投资公司参与了杨立昆的项目融资，该公司合伙人保罗·莫里乌说：“全球都在疯狂投资大语言模型的算力建设。在物理世界，尤其是机器人领域，需要采用一种不同的、更加先进的路径。”

　　还有一些研究人员主张采用“混合路径”，将已知技术进行整合，目标是打造能执行绝对逻辑规则的算法，在金融、医疗等关键领域确保可靠性。

　　如今投身这场竞赛的研究人员，大多是脑子里只有一个模糊的概念，但这个概念在硅谷大受欢迎：那就是实现“超级智能”，即一种超越人类大脑能力的人工智能。这足以令某些程序员和企业家心驰神往。

　　但数据咨询公司Ekino总经理朱利安·洛热尔则认为，与大语言模型已经实现的功能相比，“世界模型”的应用还处于非常初级的阶段。（编译/王忠菊）