NIKKEI——日本經濟新聞中文版

      由於不擅長邏輯，因此Chat GPT也不擅長簡單的計算。讓它做任意4位數之間的乘法，大都會算錯，並且反覆輸入相同算式時，總是給出錯誤的答案。

讓ChatGPT計算4567×5678的乘法，會給出錯誤的答案。大規模語言模型不擅長世上文獻很少的小學生水準的數學。

      也就是説，現有的聊天AI不適合用於調查事實。而應該僅限於在不管內容的真實性和準確性，只需要自動生成自然語句和軟體程式等文字列的目的時使用。

      機器學習的極限和下一個AI

      那麼，擁有與人類相當的「智慧」的AI的開發到底有沒有取得進展呢？熟悉日本國內外動向的日本科學技術振興機構研究開發戰略中心的研究員福島俊一表示：「具有邏輯思考、常識和認知的新一代AI的研究從幾年前就在推進」。

      AI掀起過3次新技術浪潮。分別是1960年代、1980年代及從2010年代持續至今的第三次。其中，1960年代和1980年代是電腦根據人類預先編制好的邏輯，分析數據得出結論。由此也發現編制支援現實的無數邏輯不太可能，於是上一波浪潮在1990年代開始走向衰退。

      2010年代開始、持續到現在的AI浪潮並不是人類思考邏輯，而是由讓電腦自己歸納出數據的各種類型的機器學習來引領。隨著相當於電腦大腦的半導體性能越來越高以及網際網路普及，可以收集全世界的數據，被稱為「深層學習」的可以識別複雜類型的軟體技術問世等要素全部得以實現。

      如果將機器學習型AI和「大數據」結合起來，限定於特定用途，就可以完成人類不可能完成的工作。比如，通過讀取大量的面部照片，提高圖形識別能力，從而實現智慧手機開機時的面容解鎖。

Digital Garage董事伊藤穰一指出了依賴機器學習的AI的「極限」

     不過，要實現自動駕駛及自律型多功能機器人，相當於頭腦的AI要具有識別眼前物體和周圍情況的能力，其中包括過去沒經歷過的情況。

      這需要基於邏輯和常識的推論能力，僅靠依賴「過去」事例的機器學習型模型並不能順利實現。熟悉尖端技術動向的Digital Garage公司董事伊藤穰一指出：「谷歌、特斯拉及蘋果仍很難將自動駕駛汽車推向實用説明依靠機器學習的AI存在極限」。

      「別説人類，就連貓狗的智慧都遠未達到」

      對話型AI缺乏「常識」和「道理」也源於根據數據以歸納法方式探索相關類型的機器學習型AI的弱點。

      兼具常識和邏輯思考的新一代AI如何才能實現？參考人類兒童自然掌握語言、空間認識及社會關係等的過程，讓電腦學習邏輯和常識的研究正以腦科學家和認知科學家也參與的跨學科途徑推進。另外，也有將在第2次AI浪潮下失敗的人類輸入邏輯和常識與尖端的深層學習相融合的嘗試。

      關於通過機器實現與人類接近的智慧這一長期目標與現有AI技術的差距，開拓深層學習基本技術的美國Meta首席AI科學家、紐約大學教授Yann Lucan形容道：「目前先別説人類，就連貓狗的智慧都遠未達到」。

      我們不能因為看到對話AI的流暢文章就誤以為AI智慧已經接近超越人類的「特異功能」（Singularity）。人類的科學技術在達到這一水準之前還需要實現眾多突破。

      本文作者為日本經濟新聞（中文版：日經中文網）編輯委員 小柳建彥