【導讀】2024年7月2日，由中國科學技術協會、廣西壯族自治區人民政府主辦，中國自動化學會承辦的第二十六屆中國科協年會通用大模型未來演進路線——數據、算力、算法論壇在廣西南寧召開。會議特別邀請中國科學技術大學陳小平教授作題為“大模型的科學解釋和邏輯增強”的主旨報告。報告闡釋了現階段大模型研究和應用面臨的挑戰和機遇。首先從科學研究的觀點，重新梳理人工智能的基本概念和基本原理；然后分析大模型的工作原理，嘗試對大模型的奇異表現作出科學解釋，進而闡明大模型的主要特性、局限和邏輯增強的必要性，并對大模型的模仿能力、反思能力和小數據訓練的可能性等深層科學問題加以闡釋；最后討論垂直領域大模型當前研究的重點課題，以及我國人工智能發展面臨的機遇和挑戰。為了應對這些挑戰并確保人工智能的可持續發展，需要加強跨學科合作，制定適當的政策和法規，并促進公眾對人工智能的理解和參與。
人工智能取得了很大的進展，但在科研和應用中還面臨著諸多挑戰與風險。尤其值得注意的是，普遍認為，目前還不太了解大模型是如何工作的，那應該如何推進應用并控制風險？所以，有必要探討大模型的科學解釋，加深對人工智能的基本概念和深層科學問題的理解。針對我國國情和大模型在垂直領域的應用，圍繞邏輯增強討論相關的研究課題。
一、什么是人工智能
什么是人工智能？最常見的回答是根據“人工”和“智能”這兩個詞的常識性理解，來定義或理解人工智能是什么。人工智能的創始人是圖靈，1950年他發表了一篇文章，這是人工智能歷史上第二重要的文獻。在文章的第一自然段，圖靈就否定了上述流行定義方式。為什么呢？我補充一個解釋。科學或技術的任何一個學科都不是用常識性理解來定義的。例如，牛頓力學是用四條基本原理來定義的，從四條基本原理出發，經過邏輯和數學的推理，可以推出大量定理，比如第一宇宙速度、第二宇宙速度等等。這些定理表達了宏觀物理世界的力學原理，比如人造地球衛星的力學原理是：任何航天飛行器的運行速度超過第一宇宙速度，不超過第二宇宙速度，就一定成為地球衛星。如果用日常生活中的物理常識，能推出這些定理，得到這樣的物理學原理嗎？顯然是不行的。同樣，我們認識人工智能（包括大模型），也不能局限于常識性理解。
圖靈的想法不一樣，他的方式很特別。在1950年的文章中，他提出了一個假說，但沒有用“假說”這個詞。這個假說主張，可以用計算機模仿人的一些智能行為，包括推理、決策、學習、理解、創造，以及這些技能的集成。但他認為自然語言不能表達科學假說，也不能表達科學原理，所以他想了一個變通的辦法，提出了著名的“圖靈測試”。圖靈測試是一個科學實驗，如果機器通過了圖靈測試，就說明圖靈假說成立，通不過就是還不成立。這樣就繞過了一個難題：一個學科在創立之初，沒有科學語言描述它的假說，怎么辦？圖靈就用圖靈測試來替代圖靈假說。
可是，圖靈測試并沒有闡明圖靈心目中機器智能的原理到底是什么？為此需要關注他1948年的一篇內部報告，這是人工智能歷史上第一重要的文獻，可惜沒有公開發表，但現在可以看到了。這篇報告中，圖靈提出了一個關鍵思想：機器智能的工作原理與人的智能的工作原理可以相同，也可以不同。我把相同的叫做原理模擬，不同的叫做功能模仿。這個思想的要害在于：機器可以用與人不同的工作原理，模仿（imitate）人的智能的功能表現。這個思想就是圖靈的機器智能觀。
有人認為，人工智能應該從1956年麥卡錫提出Artificial Intelligence這個詞開始，這個詞意味著用人工方法讓機器模擬（simulate）人的智能的工作原理，所以他們相信麥卡錫主張人工智能的擬人化觀點。麥卡錫到底是什么意思呢？我們來看看他的個人主頁，他用一系列問答來解讀什么是Artificial Intelligence，其中第四個問題是：人工智能不就是模擬人的智能嗎？麥卡錫的回答：“有時是，但并不總是，甚至通常不是”。然后他解釋了理由：一方面AI有時是模擬人的方法，另一方面AI中大多數工作是研究世界對智能提出的問題，而不是研究人和動物。AI研究者可以自由使用沒有觀察到人用過的方法，或者這些方法所涉及的計算比人能做的多得多。由此可見，麥卡錫是贊同圖靈的機器智能觀的，只是由于種種原因對他產生了誤解。
現在我們發現，大模型做的計算就比人能做的多得多，所以才需要那么多數據和算力。雖然AI在技術上進展很大，但并沒有超越七十年前奠基者和先驅們提出的基本原理。
二、大模型的科學解釋
大模型存儲在深層網絡中，其中每一個深層網絡通常有幾十億到幾千億個參數，一個參數就是0到1之間的一個數，一個深層網絡的行為就是由這些參數決定的。那我們如何理解大模型？它會有什么行為？有什么風險？它的工作原理是什么？光看這些參數能看明白嗎？這是很大的挑戰。
大模型技術非常豐富，主要有三大塊。第一塊是預訓練，訓練出來的就是基礎大模型。第二塊叫細調，即細粒度的調整，也就是對大模型進行專門訓練，讓它的回答更符合人的需要。ChatGPT就是用了幾個基礎大模型，根據人類反饋數據進行細調得到的。第三大塊是激發，一個大模型的神經網絡里都是一些參數，使用大模型就要把它里面隱含的東西激發出來。激發得好，就得到好的回答；激發得不好，就產生平庸的或者錯誤的回答。
根據我的分析，預訓練和激發這兩部分有一個共同的基礎，也是大模型的底層機制，叫做關聯度預測。我給出關聯度預測的一個形式化理論，作為一種科學解釋，于是這兩部分就不再是黑箱，但也不是白箱，是灰箱。細調部分還是黑箱，這部分暫時沒有辦法。Hinton提到的AI風險，主要就是針對細調而言的。
我給出的形式化理論叫做類Lc系統。第一篇論文是2023年7月在《智能系統學報》上發的，可以免費下載；還有一篇2024年1月發在《中國人工智能學會通訊》上，會員可以免費下載。今天由于時間關系，有些內容不能展開，有興趣的觀眾可以參考這兩篇文章。
類Lc系統有三條公理，前兩條公理是通用的，第三條公理跟應用有關，不同的應用有不同的公理3，ChatGPT的公理3就不是我PPT里寫的這個。這些公理用來描述大模型的可解釋的一般行為，有些行為不可解釋，比如細調現在就不可解釋，所以不在三條公理的覆蓋范圍內。大模型的一些行為細節或個別大模型的特殊行為，也不在考慮范圍之內。
去年7月提出類Lc理論之后，我就等著別人的實驗結果，主要等深度測試，這種測試不是只給出測試結果統計，而是進一步揭示大模型的奇異表現，也就是好得令人意外，或差得令人意外，卻無法解釋的表現。能不能解釋奇異表現，是大模型科學解釋的試金石。深度測試極少被報道，也是因為測試結果無法解釋。
有意思的是，去年7月之后出現了大量深度測試，而之前我只看到兩個別人的深度測試，其余都是我的團隊做的。迄今發現的大多數深度測試結果都可以用類Lc加以解釋，甚至可以用類Lc預言這些表現，也就是在測試之前預言會出現什么樣的問題。少數奇異表現不容易解釋，但也不與類Lc矛盾。這表明，類Lc理論得到了實驗的支持，所以我現在向大家報告相關進展。今天講三個深度測試及相關的理論分析。
第一個測試：邏輯否定。這是去年8月美國一位哲學家做的測試。問題中的p代表一個命題，也就是有真假的陳述句。命題分為肯定的和否定的，否定的命題前面有奇數個否定詞~。給大模型的測試題目是：p前面有27個否定詞，問大模型“p前有幾個否定詞”。看起來很簡單，數一下否定詞的個數就行了，結果大模型回答28個。
這說明什么？說明大模型不會計數。計數是數學的基礎功能，自然數是用0和+1（即計數）定義的，加、減、乘、除等數學運算都是用0和計數定義的，不會計數意味著缺乏數學基本能力。不會計數又導致不會邏輯否定。邏輯學的一條規則是雙重否定律，即兩個否定詞連在一起就變成肯定，而肯定和否定是相互矛盾的，不能混淆。不會否定運算就意味著缺乏邏輯的基本能力，這個問題就比較大了。所以這個測試說明大模型缺乏邏輯和數學的基礎能力。
這種現象的原因是什么？在類Lc理論中，通過邏輯推理可以證明關聯度預測的一些數學性質，比如“基于語境擴展的傳遞性”和“語境糾纏性”，其直觀含義是：關聯度預測依賴于語境，是通過語境擴展實現的，無法與語境徹底分離。但是，計數和邏輯否定運算是基于規則的，不受語境的影響。這就表明，大模型不會計數和邏輯否定不是偶然的，是有內在原因的，原因就在于關聯度預測的數學性質，這些性質決定了關聯度預測缺乏邏輯和數學的基本能力。
根據上述理論分析，可以得到更深層的判斷：如果我們希望大模型具備邏輯和數學的基本能力，那就必須改變關聯度預測的數學性質，這實際上意味著改變關聯度預測，也就是改變大模型的底層機制。由此進一步得知，僅僅修改關聯度預測的算法細節和應用方式（如增加提示詞），不改變它的基本原理，是不可能讓大模型具備邏輯和數學基本能力的，所以也就不能完全避免“幻覺”和“越獄”等現象的發生。這個結論為后面要講的“邏輯增強”奠定了理論基礎。
再看第二個測試；奇偶性。奇偶性與計數相同，都是數學運算，類似的內容就不重復了，我們來講這個問題的修復。去年9月有人對最強的幾個大模型測試名人出生月份的奇偶性，發現幾乎都是隨機回答。測試人員想修補這個缺陷，一開始認為非常簡單，只需要12個帶標簽的訓練例，即12個月份分別加上奇數或偶數標簽，用這12組補充數據訓練大模型就行了?？墒怯柧毢蟮臏y試表明，沒用，還是隨機回答。于是又做了一輪訓練，找了2萬5千個名人的出生月份，全部加人工標簽，做成2萬5千組帶標簽的訓練例，再進行補充訓練，結果回答正確率達到90%以上。然而這并不意味著大模型學會了所有語境下數字的奇偶性。
這個測試進一步說明了語境糾纏的普遍性和頑固性，關聯度預測的語境糾纏對于數學和邏輯運算是普遍存在的，不限于計數，而且很頑固——為了消除語境糾纏，必須針對具體語境加人工標簽并進行補充訓練。比如孤零零的12個月份是一個語境，名人出生月份是另一個更復雜的語境，似乎包含著前一個語境，但對前一個語境的標簽和補充訓練，對后一個語境卻基本上不起作用。由此可知，對于出生月份之外的其他語境，為了讓大模型能夠區分數字的奇偶性，需要一個一個語境分別加標簽并進行補充訓練，因為某個語境中的標簽和訓練在其他語境中不能復用。這種情況超越了AI研究者過去的經驗和直覺。
這個例子還說明，從類Lc公理推導出的數學性質不僅適用于大模型的生成，也適用于大模型的訓練，比如生成是語境糾纏的，訓練也是語境糾纏的。所以類Lc理論有很強的解釋力和指導意義。
再進一步的發現是，大模型和人不一樣，人在學習數學和邏輯的抽象運算時，不需要對每一個語境都訓練一遍，所以人類的學習只需要小數據；如果對每一個語境都需要單獨訓練一遍，那就不得不依靠大數據。大模型的訓練就是這樣，無法通過小數據實現。注意，這個重要結論是從關聯度預測的數學性質推導出來的，不是單純來自實驗觀察。所以，如果我們希望通過小數據實現大模型的訓練，那就必須改變大模型的底層機制——關聯度預測。
第三個測試：算術推理。這是去年2月對ChatGPT做的測試。測試題目是：一個孩子存了21元，如果又得到15元，用這些錢可以買多少個單價6元的玩具？回答很有意思，兩句話，第一句給出答案5，這顯然不對，更有意思的是第二句說：應該有總共21+15等于36元，所以能買36/6等于6個玩具。哎呀，它明明知道是6個，計算過程也是正確的，可是為什么前面說是5個？而且發現前面錯了，為什么后面不糾正？對于這種奇葩表現，一般將其歸結為“幻覺”。
這個例子表明，大模型給出的答案跟答案的解釋不一致，所以大模型的解釋不是自己行為的因果解釋。假如大模型能夠對其答案給出因果解釋，它就需要回憶自己的解答過程，并對解答過程進行邏輯分析，判斷其正確與否，然后闡述自己的分析過程和分析結論。這一套流程在人類思維中是一種典型的反思過程。根據實驗結果，大模型沒有表現出類似的反思行為；根據理論分析，大模型內部的運行機制是關聯度預測，并且遵守類Lc系統的數學性質，而關聯度預測和類Lc都不具備類似于人的反思能力。所以我們可以得出判斷：大模型沒有反思能力，因而也沒有關于自身行為的因果解釋能力。
根據理論分析和實驗測試，大模型不僅沒有反思能力，而且也沒有通常意義上的計算和邏輯，它是通過關聯度預測模仿（即圖靈所說的imitate）計算和邏輯。在語言等非封閉論域，這種模仿能力是有限的，不保證與被模仿者（計算和邏輯）完全相同，所以有時成功有時失敗。當模仿失敗時，表現往往很奇葩，給人感覺好像大模型產生了“幻覺”。其實大模型不可能產生幻覺，是人由于解釋、理解不了大模型的奇異表現，對大模型產生了幻覺。
上面的分析對于大模型的應用有實際意義。比如在工業應用中，需要提取應用領域的專業知識。有人說大模型里就有很多知識，夠用了。其實專業知識必須建立在邏輯的基礎上，由于大模型沒有邏輯和數學的基本能力，所以它存儲的不是知識，而是資訊。資訊中的很大比例可以轉化為知識，因此我們需要識別哪些資訊可以轉化為知識，哪些不能轉化。在這方面，目前還沒有看到相關的研究成果。同時，通用大模型缺乏工業領域的訓練數據，也就沒有工業領域的資訊，更談不上專業知識了，所以也不可能通過轉化得到專業知識。由此可見，通用大模型并不能簡單地應用于工業領域。
綜合各方面情況，雖然大模型在人機交互等方面進展很大，但在工業和其他一些專業領域的應用仍然面臨著重大挑戰，其中包含一個基礎性課題——邏輯增強。
三、垂直領域大模型和邏輯增強
我們進一步梳理、總結大模型的主要特性。通過這些特性，可以更明確地認識到邏輯增強的必要性。
第一個特性：大模型沒有邏輯能力。有時大模型對邏輯問題的回答是正確的，為什么說它沒有？根據計算機科學的標準，如果一個程序具有某種計算能力，那它在相關的運算中必須永遠是正確的，否則就是沒有這種能力。顯然，計算機科學的這種標準保證了程序的可靠性，如果允許程序有時對有時錯，那就沒有可靠性可言。根據這一標準，大模型不具備計數、等量代換，邏輯否定、約束滿足、傳遞性推理等數學和邏輯的基本能力。但在某些情況下，大模型可以模仿這些能力，所以大模型在這些能力上的表現是不可靠的。不能因為有時它在某個功能上的表現是對的，就以為它永遠是對的。最近一位菲爾茲獎獲得者發現，當測試問題涉及隱式邏輯關系時，大模型回答的錯誤率比正確率高得多，有時甚至超過100比1。在很多垂直領域，應用需要的恰恰是符合計算機科學標準的那種可靠性或高可信度。
第二個特性：大模型能回答任何問題，但不保證回答總是正確的?，F在用類Lc理論可以證明這個結論，而不是單純看實驗結果。根據三條公理，可以證明關聯度預測能夠回答任何問題。但根據第一個特性，無法保證回答總是正確的。
第三個特性：大模型與人之間只有弱共識。這個特性可能不太容易理解，但這一條可能是最重要的。大概意思是說，字詞之間的統計關聯，因為是從語料中提取出來的，所以和多數人是一致的，此外大模型沒有其他語義。比如大模型不知道一個詞本身是什么意思，但它知道這個詞跟別的詞是如何關聯的。于是，你和大模型對話的時候，你怎么理解大模型都可以，不同的人對大模型輸出的同一句話可以有不同的理解，都是可以的。所以在關聯度預測機制下，大模型不跟用戶吵架，用戶說什么它都說對。為什么？因為很多意思它根本就沒有，所以也不會與用戶的意思發生矛盾，這樣就吵不起來。但是，過去的AI和軟件都要求強共識，所以我們要學習編程，通過學習達成強共識，否則你就用不好軟件?？墒谴竽Ｐ蜎]有強共識，只有弱共識，所以通過自然語言對話人人都可以使用大模型。這就解釋了為什么大模型好用，原因在于弱共識性。
總結起來，我們發現大模型的工作原理跟人的智能的原理有所不同。這符合圖靈的機器智能觀，所以大模型再次驗證了圖靈的機器智能觀。
我們把機器智能與人的智能的關系總結為一句話：青似于藍而異于藍。這意味著，兩種智能永遠都不會完全一樣，不用擔心大模型將來變得跟人一樣，永遠沒有這種可能性。但是，也不要以為它不跟你一樣，就不會超過你。它用它的方式超過，以人不易覺察、不易理解的方式突然超過，有些方面可以超過得更快、風險更大。
在一些垂直領域，中國的機會非常大，因為中國的實體經濟規模龐大，尤其中國的制造業體量龐大，對垂直領域大模型有很多需求。有些國家大部分制造業都轉移了，主要需求集中在虛擬經濟和服務業，所以通用大模型對他們更重要。
前面提到，垂直領域的應用往往要求可靠性，比如生產過程就要求很高的可靠性，不可能像聊天那樣，聊得嗨比對錯更重要。但是大模型提供的資訊是不可靠的，所以對大模型的回答需要人工判斷對錯，這在工業等垂直領域用起來就非常麻煩，難以滿足工業生產中設備高速運轉的實際要求。
所以在垂直領域，大模型研究面臨挑戰，目前應該仍然處于0到1的階段。垂直領域大模型需要滿足哪些要求？第一，專業性，不是有回答就夠了，還需要滿足專業標準。第二，具有可靠性或高可信度。第三，可操作性，專業領域需要一些專門的操作，大模型本身并沒有這些操作，它靠激發，但激發不保證功能的正確實現。還有其他一些要求，這里省略。
垂直領域大模型的操作有哪些？這是別人提出的一些基本操作：一個是檢索，在垂直領域需要檢索特定的結果，而大模型給你的回答未必是你想要的東西，所以這里說的檢索是完全可控的，用戶想要什么就提取什么。第二，分類，即把對象分成不同的類。第三，比較，對不同對象的屬性進行比較。第四，反向搜索，找到符合條件的對象。大模型不具備這些功能。
另外，還需要一些高級功能，包括：1.易用性，大模型一做專業操作，它的易用性就下降了，過去的一些AI技術功能強大，但是不易用?，F在這個挑戰依然存在，要讓常用操作易用。2. 知所知，即知道自己知道什么。大模型不具備知所知能力，有時它有答案，但是它不回答你（它說別的沒用的），需要你激發它。3.知不知，即知道自己不知道什么。大模型也不具備知不知的能力，即使它沒有正確答案，它還是會回答你，結果回答錯誤。
上面提到的這些，很多屬于邏輯增強的內容，比如知所知、知不知是元級邏輯功能，基本操作屬于基礎性邏輯功能。
垂直領域現在有很多人在做，國內國外都有，這是6月份剛剛發布的一個結果，其目標是驗證大模型的回答是否正確，以提高回答的可靠性程度。作者設計了一些算法，讓大模型自己進行驗證，所以馬上就跑起來了，而且取得了一定效果。其中一個數據集上，測試結果的準確率達到了99.60%，不過這個數據集比較簡單。其他幾個數據集上只有80%多。對于垂直領域來說，一般需要達到99%以上的準確率，現在差距還很大。所以垂直領域大模型有很多工作要做。從科研的角度，有很大的空間；從應用的角度，也有很大的空間可以去努力。
最后對人工智能發展的全貌做個補充說明。現在大模型是最熱的，這不等于人工智能只有大模型。除了生成式人工智能，還有規劃式人工智能，比如現在的外賣很快就送來了，大量的騎手、大量的訂單為什么那么快？因為人工智能在派單，并規劃騎手的送單路線，使得效率大大提高。這種技術并非只適用于外賣，大量場景都可以用。還有分析式人工智能，用于發現數據中的復雜模式?，F在自然科學的各個學科都在做，用的方法以深度學習為主，不是大模型，叫做AI for Science。預期未來幾年，有可能出現科學發現的快速推進，非常值得期待。第四種是智能化裝備，包括智能機器人，在物理空間中完成自主、半自主操作，在實體經濟特別是制造業有巨大的應用前景。
事實上，發展人工智能我們有很多選擇。從風險來看，其他三種類型都是低風險，大模型有的時候是高風險，在垂直領域的應用是低風險。那么，有沒有可能先推進一些低風險、高效能的人工智能應用呢？我認為有兩個重點，它們都面臨著越來越嚴重的用工荒。一個是智慧農業和現代農業，另一個是傳統制造業的高端化。過去有一種看法，認為制造業的中低端可以不要了，轉移到東南亞和其他地方去。現在發現不行，因為中國制造業的80%都是中低端，如果中低端都走了那怎么辦？回到改開前大量消費品依靠進口的老路上去嗎？現在提出中低端往上走，中低端變成高端，這個市場就太大了，能做的事情太多了。
人工智能的研究和應用有非常大的發展空間，讓我們共同努力！
（本文根據作者報告的速記稿整理加工而成）
