张钹院士认为，大语言模型的发展必将对产业和职业产生深远影响。一方面，它将提升效率和质量，对多数行业起到互补作用；另一方面，也会替代部分工作。但大语言模型本身存在的缺陷决定了它不可能完全取代人类。总体来看，大语言模型与人类还是互补的关系。而人工智能这样发展下去，最主要的一定会推动经济的发展。为把握机遇，张钹院士呼吁要紧密结合科研、技术创新和产业发展，开发通用的人工智能软硬件，推动产业进步。尽管道路艰难，但大语言模型已经为通用人工智能开辟出一条道路，其影响还会持续显现。以下为张钹院士演讲内容（内容有调整）大家好，这个会议主要围绕大模型，我想所有的听众呢，都是冲着大模型来的，因此我今天就讲大模型的内容。讲三个问题。一个我们如何从这个大语言模型走向通用人工智能，这条路应该怎么走，我们会走到什么地方？第二个，这个大模型发展下去，对我们产业，对我们职业会产生什么影响？最后，讲一点有关人工智能产业的一点思考。大家知道，我们人工神经网络是1947年开始的，当时主要作为鉴别器（分类）使用，也想把它作为生成器来生成，结果遇到很大的困难。这个问题到2014年干出来以后，才得到一定的解决，特别是2017年Transformer转换器提出来以后，就像打开这个闸门，生成式的人工智能迅猛地发展。我们为什么要搞生成式的人工智能，大家常常引用Richard Feynman 说的一句话，“如果我们不能创造它，我们就不可能理解它。” （What I cannot create，I do not understanding.）所以我们通过生成式的人工智能，就是要打开理解这个世界的大门。我们怎么来理解生成式的模型？我们必须从生成式大模型具有的四个特征来分析它，这四个特征是“三大一缺点”。“三大”什么大呢？就是强大的生成能力，强大的迁移或者推广能力以及强大的交互能力，最后一个大缺点，幻觉。我想从这个三点出发，我们才能够真正地认识大模型。
就是说大模型所有的工作都是外部提示的，不是它主动做的，而且它是在外部提示下，用概率的预测的办法来完成它。人类完全不是这样，所有工作基本上是在内部驱动下，内部意图的驱动下，在意图的控制下，或者意识的控制下来完成的，这就表现了大模型的三个天花板。第一，质量不可控。大模型的质量无法人为控制，输出质量不稳定。第二，生成结果存在正确错误，因而不可信。第三，不鲁棒。输出很依赖输入提示词，相同内容不同提示词会产生不同解，给出不同回答。综上所述，当前大模型存在的三大问题(不可控、不可信、不鲁棒)是根本性的缺陷，随着模型规模的增加也难以解决。前几天我看了图灵奖得主 Joseph Sifakis 在清华做的报告，他也是这个观点一样的，他就画出来这个智能化三个层次，他认为目前来讲，机器大多数作为辅助，那么第二步走向自动化，自动化的意思是什么，把部分的监控任务交给机器。
因为到现在为止这个理论还没有建立起来，这就是人工智能所以缓慢和曲折的原因。为什么理论建立不起来？就受到三个特定的限制。因为过去你只能在特定领域，利用特定模型去解决特定的任务，根本你就在特定情况下做的事，怎么可能建立一个通用理论呢？大模型的出现给我们建立这个理论提供了可能性，因为你不走向通用，你不可能建立通用理论，所以现在这个有可能了。那这种情况下，我们才有可能得到安全、可控、可信、可靠和可扩展的人工智能技术。换句话讲如果这个理论没有建立起来，我们人工智能的技术永远是难以相信。三是推动AI的创新应用与产业化，这个我们特别强调知识的作用，这个就必须充分发挥这四个要素，这个四个要素肯定都要发挥知识、数据、算法、算力，但是我们最主张的，就必须重视知识作用，所以我们把知识放在第一位。人工智能发展可以分为三个阶段。第一代人工智能试图通过建立语义符号系统来模拟人类思考，包括推理、决策、诊断、设计、规划和创作等能力。这体现了符号主义和行为主义的主张，即构建一个语言和符号的理想空间，在这个空间内模拟人类思考。但是这种模型存在一个重大缺陷，即“符号接地”（the symbol grounding problem）问题，无法与物理世界联系，系统都是人为定义的，与外部环境脱节。
