@Lenciel
·
LLM 调研（3）- 历史
💡
原文中文，约3400字，阅读约需9分钟。
📝
内容提要
本文介绍了人工智能的历史、符号主义和连接主义两种主要的研究方法，以及神经网络的发展历程和存在的问题。符号主义的优势在于推理过程可解释，但存在泛化问题；连接主义的优势在于模拟人类神经元，但不具备可解释性。神经网络在逻辑上不透明且不可调试，存在风险和伦理问题。了解这些，才能更好地理解LLM在自然语言领域的进展。
🎯
关键要点
- 人工智能的历史始于1956年的达特茅斯会议，提出了模拟神经元的想法。
- 符号主义主张用符号和逻辑体系构建人工智能系统，具有可解释性和强大的知识表达能力。
- 符号主义面临泛化问题，且难以将客观世界抽象为符号。
- 连接主义通过模仿人类神经元实现人工智能，但缺乏可解释性。
- 神经网络的发展经历了多次波折，直到2006年才逐渐复兴。
- 连接主义的最大问题是缺乏符号主义的可解释性，导致模型输出不透明。
- LLM在自然语言处理领域取得了重大突破，但仍存在风险和伦理问题。
➡️
