大模型只有“知识”，没有“智能”

 香港大学计算机系主任马毅教授对于人工智能领域的一些观点和思考：

1. 对大模型黑盒模型的批判: 马毅教授认为当前大模型研究路径以黑盒模型为主，通过堆积参数来实现模型智能水平，这种方法已经遇到了瓶颈，并不能真正理解智能的本质。他认为，真正的智能应该基于更深层次的理解，包括数据压缩、模式识别和自主学习等。
2. 白盒理论的提出和实践: 马毅教授提出了“白盒”理论，旨在解决现有深度学习模型普遍难以解释的“黑盒”问题。他的团队开发了CRATE框架，能够在保持模型良好性能的同时，大大增强模型的可解释性。
3. 对“智能”与“知识”的区分: 马毅教授认为，智能和知识是两个不同的概念。智能是获取新知识、改进旧知识的能力，而知识只是智能系统活动的结果积累。他以GPT-4和刚出生的婴儿为例，说明GPT-4拥有更多知识，但没有智能，而婴儿虽然知识少，但更有智能。
4. 对Scaling Law的理解: 马毅教授认为，Scaling Law的本质在于扩展正确的模型，而不是不计成本和效率地扩展。他认为，需要先找到更加可控、可解释、甚至更完整的系统，才能进行下一步的扩展。
5. 对人工智能研究的未来展望: 马毅教授认为，目前我们对于智能的理解才刚刚开始，还有很长的路要走。他认为，未来的研究方向应该集中在对模型的理解、理论的简化和统一，以及对未来技术的预测。

马毅教授对于人工智能发展方向的思考，他强调了对模型的理解和解释的重要性，并提出了白盒理论，试图解决现有黑盒模型的不足。他认为，真正的智能需要更深层次的理解，而不仅仅是数据和算力的堆砌。