LLM的边界与AGI的方向（一）

近几年来，人工智能领域最为耀眼的成就莫过于大型语言模型（LLM）的快速崛起与广泛应用。自GPT系列模型、Claude、Gemini、Mistral等模型相继问世以来，越来越多的场景中，AI不再是冷冰冰的逻辑模块，而是可以对话、写作、编程、推理的智能体。许多人开始憧憬：既然AI已能生成优美文字、解答复杂问题、通过律师与医师考试，AI 和人类的交互越来越有“人性”，那通用人工智能（AGI）是否已经不再遥远？

然而，随着人们对LLM能力的进一步观察与深入使用，越来越多的迹象表明，目前的大语言模型虽然显示出前所未有的强大，却还远远不到AGI的临界点。LLM是“智能模拟”的一个高峰，却并未穿透智能本身的边界。从预测语言到理解世界，从生成文本到做出行动决策，大家越来越清楚地看到，这条路远比人们最初想象的要曲折而复杂得多。

当前的LLM触及发展瓶颈的时候，我们不得不再次正视LLM与人类智能之间的本质差异，更谨慎地分析实现AGI还需要的模型与算法，重新理解“智能”的构成，并在未来的架构中超越单纯的语言模型。

语言模型的辉煌与极限

大语言模型的成就毋庸置疑。通过大规模文本语料和深层神经网络的训练，它们在自然语言处理领域表现出了超出预期的能力：生成流畅、语义连贯的文本，能够进行基础推理，甚至可用于编程、翻译、写作与教学等多种任务。

但正如人们在使用过程中所发现的那样，LLM虽然擅长模拟人类语言，但并不真正理解语言所指代的世界。在具体表现上，它们仍存在以下问题：幻觉（hallucination）频发，即生成不真实或无依据的信息；逻辑推理能力薄弱，难以处理复杂的多步骤逻辑或数学问题；记忆能力有限，无法跨文档、跨时间整合信息；没有上下文感知能力，无法真正“理解”场景或情境中的变化。

更关键的是，大语言模型缺乏世界交互能力。它们的知识来源于训练数据——大量的网页、书籍、代码与论坛帖子，而非通过亲身感知、实践或社会互动获得。这意味着它们缺乏所谓的“感知—行动—反馈”的基本智能环路。它们可以“说”，但不能“做”；可以“编造”，却不能“验证”；可以“预测”，却不懂“因果”。

人类智能并不只是语言

如果说LLM模拟的是“语言的外壳”，那么人类智能则是一整套深度整合的系统。这种系统不仅包括语言处理，还包括感知、记忆、动机、情绪、注意力、行动能力与元认知能力等。

人类从一出生就生活在一个动态变化的世界中，通过视觉、听觉、触觉、本体感受、嗅觉等多模态输入建立起对世界的模型。这种模型不是靠静态文字，而是通过经验、互动、游戏、实验和反馈不断强化的。而LLM则没有身体，也没有感知，所拥有的只是文字的相关性统计。这就造成了一个根本性的差异：人类知道“杯子能装水”不仅是因为语言说了这件事，而是因为我们看过、摸过、用过杯子。而LLM“知道”这件事，是因为成千上万个句子都在说“杯子装水”。

更进一步，人类智能有目标、有动机、有情绪、有欲望。我们做决策时会考虑代价、风险、奖励与情境；我们能从失败中学习，从经验中反思，从他人那里汲取教训；我们拥有短期与长期的记忆，能在数秒内记住对话，也能在多年后想起童年的某个片段。当前的LLM，即使具备越来越大的上下文窗口，也无法在这种多层级、多尺度、多时间维度的记忆系统中自如穿梭。

最后，人类具备自我模型。我们可以思考自己在思考什么，预测别人会怎么想我们。也就是说，我们不仅有智能，还有“自我意识”的雏形。而LLM仍是一个外部操控的黑箱，其“行为”完全依赖于输入的提示词（prompt），不具备内生的自我驱动。

瓶颈的浮现与行业的转向

2023至2025年间，AI社区已经从最初的狂热转向了冷静分析。越来越多的研究者开始指出，仅靠继续放大LLM的参数规模和训练数据，并不能持续带来智能能力的跃升。实际上，从GPT-3到GPT-4再到GPT-4o，其语言生成质量提升幅度逐渐减缓，而计算成本则指数级增长。

OpenAI在其最新的技术报告中也承认，未来的突破可能不再只是“更大模型”，而是“更好的系统”。图灵奖获得者、Meta的Yann LeCun甚至直言：“LLM训练的是文本的模仿，而不是对世界的理解。” 他提出了一种多模块系统蓝图，包括感知模块、世界模型、短期记忆、规划器与行动器等。这些构成了一个“可以感知、记忆、计划并行动的系统”，而不仅仅是一个聊天机器人。

DeepMind方面，也正在从“预测式模型”转向“世界模型”（world models）方向。其Gato模型尝试用同一个架构处理多种模态任务，从游戏控制到对话生成，从图像识别到物理交互。MuZero则进一步探索“无需明确规则即可通过经验进行学习”的新方向。这些研究，都表明了一个共同的趋势：语言预测不等于理解，模仿人类语言不等于模拟人类智能。

更具代表性的还有最近被称为“神经符号AI”（neuro-symbolic AI）的研究路径，旨在融合神经网络的表示能力与符号逻辑的推理能力。通过将LLM与知识图谱、逻辑引擎、约束系统等结合，可以弥补LLM在因果推理与物理常识上的缺陷。

（未完待续）

其它作品