刘伟 | 多模态并不是智能的核心

作者 | 刘伟  北京邮电大学人机交互与认知工程实验室主任、剑桥大学访问学者转自 | 人机与认知实验室多模态指的是通过多种感知方式（如视觉、听觉、语音等）来处理和理解信息。虽然多模态对于智能系统的发展和提高用户体验非常重要，但它并不是智能的核心。智能的核心是指系统具备自主学习、推理和决策的能力。智能系统需要能够通过分析和理解大量的数据和信息，从中提取有意义的模式和规律，并基于这些模式和规律做出适当的决策。多模态在这个过程中起到了辅助的作用，可以提供更全面、准确的信息，但它并不决定系统是否具备智能。因此，多模态是智能系统中的一个重要组成部分，但并不是智能的核心，智能的核心在于系统的学习、推理和决策能力。包括GPT4.0在内的大语言模型并没有解决“应该”如何的问题。大语言模型通常 ………………………………