作者：中联科创特约嘉宾尹智

AI大模型可以有近乎无限的"知识"，但有这么多"智能"吗？—— 

有观点认为GPT还只是在概率论统计学的框架下做语素的排列组合，有观点认为GPT已经穿透了语意，达到了语言承载的逻辑推理能力层。不管结论如何，GPT的一个重要意义，是让我们开始深入思考:什么是智能？什么是知识？什么是人类的智能和知识？只有人类才有智能和知识吗？

思维力是把信息转化成知识经验和符合实际的洞察的能力，说具体点，无非就是归纳，推理，演绎，以及基于这些之上的探索和发现的能力。这些能力有两个方面的要素: 第一是能力水平，在同样的信息量下，高水平智能能更准确更符合实际地进行逻辑推理演算；另一个是常识，也就是信息量本身，说一个人很能推理，可能原因不在于这人逻辑有多好，而是他/她的常识/通识很丰富，可以调用常识来扩大推理的输入信息量。象福尔摩斯能一眼看出很多事，除了他超强的逻辑思维能力，一个重要原因也是他推理基于的常识，一般性知识（比如从伦敦到某个城市的火车一天就那么几班）很多。所谓智能，个人觉得，更多在于第一个方面；而知识，更多指的是第二个方面。

具体到AI大模型，个人觉得，智能是需要训练（调参）的，知识却可以通过外挂来丰富。给AI大模型加各种外挂，连接各种插件接口，会增加其知识，而不会增加其智能。

比如一个企业自有的的管理章程，运营流程，这是知识，这并不需要大模型的训练，通过外挂接上大模型，大模型就可以通过已有的逻辑能力，通过跟已有的常识的类比来消化掉新知识，这就不需要重新训练（这就是为什么我们可以基于GPT做一个客户问答系统）；而一个航天系统的控制系统的设计，很可能就无法通过外挂一个知识库来实现，而是需要大模型产生以往没有的"智能"，要有新"范式"的思维能力，这就需要通过训练重新调整模型参数。

我们现在并不能确认的是，大模型的"智能" —— 对应的是人类的"智商" —— 和常识，是不是已经足够完备了，就好像一个智力已经完全发育成熟的大学生，可以不再纠结于智商是否够不够，而是可以通过目前的大脑结构去学习任何新知识。这个问题的答案，将深刻影响目前大模型落地行业/领域的模式。 —— 仅代表尹智个人观点 Ken's personal view only