智能本质：马毅教授对大模型和白盒理论的观点

引言

在人工智能的快速发展中，我们见证了从简单的自动化工具到复杂的智能系统的演变。随着深度学习技术的突破，大模型如GPT系列已经能够执行从文本生成到图像识别等多样化任务。然而，这些模型虽然在功能上取得了显著进展，但其内部工作机制往往被视为黑箱，缺乏透明度和可解释性。香港大学计算机系主任、数据科学研究院院长马毅教授，以其独到的见解和深入的研究，填补研究的空白。他提出了白盒模型的概念，旨在提高模型的可解释性，同时探索智能的本质。本文将探讨马毅教授的观点，从智能与知识的区分出发，探索他对大模型和白盒理论的看法。
原文访谈链接

智能与知识的区分

在探讨人工智能的发展历程时，我们常常将智能与知识混为一谈，认为知识的积累自然带来智能的提升。然而，马毅教授提出了新的观点：

智能不仅仅是知识的积累，更是获取新知识、改进旧知识的能力

智能被赋予了动态和主动的特质，而知识则被视为智能活动的结果和积累。

智能的本质在于其适应性和学习能力。正如一个刚出生的婴儿，虽然不具备丰富的知识储备，但其拥有学习和适应环境的潜力，这种潜力是智能的体现。相对地，一个装满书籍的图书馆，尽管拥有海量的知识，但没有能力去主动获取新知识或对现有知识进行改进，因此它不能被称为智能。

马毅教授进一步指出，智能的核心在于对数据的压缩、模式的识别和自主学习的能力。这些能力使得智能系统能够在面对新情况时做出适应和反应。例如，人类在面对未知环境时，能够通过观察、学习和推理来形成对环境的理解，并据此做出决策。这种能力是智能系统所追求的，而不仅仅是对已有数据的简单映射或重复。