人工智能大模型表征方式的一致性及其哲学启示

作     者：涂良川 Tu Liangchuan

作者机构：华南师范大学马克思主义学院 

出 版 物：《学术前沿》 (Frontiers)

年 卷 期：2024年第14期

页      面：45-54页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家社会科学一般项目“马克思主义哲学视域中的人工智能奇点论研究”的阶段性成果 项目编号:21BZX002 

主　　题：表征收敛 哲学叙事 大模型 人工智能 

摘      要：以大数据、强算力、多模态和高维度等训练出来的人工智能大模型愈发智能,体现出类人的“聪明。基于系统稳定性、功能有效性和优化可能性要求,大模型将注意力机制嵌入系统之中,使基于不同数据训练出来的不同大模型在处理数据时体现出表征收敛的趋向。大模型的表征收敛,一方面,显示出基于神经网络的深度学习具有实现通用人工智能的技术潜质;另一方面,也印证了大数据挖掘、大模型超越、强算力迭代和高维度透视所形成的智能具有类人性。因此,虽然人工智能大模型的表征收敛是人工智能智能性的技术体现,本质上却是以人类本质力量对象化的方式考问智能本质的哲学追问。与其说是大模型试图表示现实模型的稳定性推动了系统的表征收敛,倒不如说是大模型以“挖掘即认知“学习获智能“高维达简洁对观测的经验升华构成了表征收敛的智能动因。