迈克尔·乔丹：大模型在两个方面仍需“努力” 丨智源专访

AIGC动态欢迎阅读

原标题：迈克尔·乔丹：大型模型在两个方向仍需“努力”丨智源专访
关键字：不确定性,问题,报告,系统,模型
文章来源：人工智能学家
内容字数：16212字

内容摘要：

来源：智源社区
回顾过去的一年，大型模型的出现永远改变了当前的技术产业格局，却鲜有人提及大型模型真正的致命缺点。
“如果问ChatGPT，乌干达总统是谁？它会给出一个答案。但如果问它对刚才说的话有多确定？它会表示无法回答。”提到当前大型语言模型最缺乏的是什么，美国三院院士、著名计算机科学家、智源研究院学术顾问委员会委员Michael I. Jordan在最近的专访中坦言，当前的大型模型在两个前沿方向上仍需努力：一是缺乏量化不确定性并进行干预的能力；二是缺乏良性的经济激励模式，“模型应该溯源提供答案的人，给出报酬或其他激励方式，这才是真正的经济系统运作方式。”
这两点与他自身的知识框架密切相关。在延续数十年的学术生涯中，Michael总共有两次顿悟的经历，一次是统计学，一次是微观经济学。机器学习、统计学和经济学的融合让他深刻认识到要从系统角度出发解决医疗、教育等实际问题。“这个时代最有趣的挑战是进行一种集体主义的机器学习，从人群整体、甚至人机混合整体上进行分析。”以下为采访全文（编者进行了不改变原意的改编）。智源专访栏目的目的在于展示技术研究者和创业者的研究成果。

原文链接：迈克尔·乔丹：大型模型在两个方向仍需“努力”丨智源专访