自今年初文生視頻大模型 Sora 引爆熱議后，關(guān)于大語言模型的“理解”能力成為了熱門話題。近日，美國軟件巨頭 Adobe 表示，將允許用戶在其旗下的視頻編輯軟件中使用包括 Open AI 的 Sora 在內(nèi)的第三方生成式人工智能工具。同時，馬斯克旗下人工智能公司 xAI 也推出了首個多模態(tài)模型 Grok-1.5Vision，該模型除文本功能外，還可以處理各種各樣的視覺信息，并能進行多學(xué)科推理。

在這一系列的發(fā)展中，一個核心的話題就是有人認為這些模型已經(jīng)具有了“理解”能力，它們能夠理解語言背后的邏輯，能夠理解物理世界的運動規(guī)律。但當談到“理解”的時候，我們不禁要問，有多少人知道自己心中的“理解”到底是什么？如果大家對于什么是“理解”都沒有共同認識的話，討論這些生成模型是否有“理解”能力就失去了意義。

“理解”是一個我們再熟悉不過的詞匯了，它同時也是智能意識領(lǐng)域中最基本與核心的問題之一。從小到大，我們都在努力地去“理解”，也希望被別人理解。在受教育的過程中，幾乎所有課程，都是講授需要我們?nèi)ダ斫獾闹R內(nèi)容，然后用考試來檢驗我們是否理解課程。但卻沒有一門普及性的課程教授我們應(yīng)該如何去理解。

只要是生理正常的人都一樣地在正常呼吸，但是正常人之間的理解能力卻是有很大的差異。如同一個老師教授的學(xué)生可以有很不同的結(jié)果表現(xiàn)。如果我們將人類的理性意識活動做簡化，可以看到理解是認知的結(jié)果也是行動的前提，是人類理性意識活動的核心環(huán)節(jié)。

目前包括大語言模型在內(nèi)的機器學(xué)習(xí)方法，接受的都是人類給其提供的用文字符號表達的內(nèi)容，所以即使它有了某種“理解”，也僅僅是存在于文字符號這個抽象層面的，而做不到最為關(guān)鍵的回歸關(guān)聯(lián)理解。基于多種傳感器構(gòu)建“具身智能”的努力，包含了實現(xiàn)回歸關(guān)聯(lián)的意圖。但是因為我們沒有關(guān)于意識活動的基礎(chǔ)科學(xué)理論來支撐這些努力，所以借助“具身智能”實現(xiàn)回歸關(guān)聯(lián)或“符號落地”這一目標能否實現(xiàn)以及能走多遠，都還有待于在實踐中去探索。

對于大語言模型的“理解”問題，我們需要更深入的思考和探討，以推動人工智能領(lǐng)域的發(fā)展。