因为一旦群智框架通过因果推导，理解了整个过程，下次就不会再犯同样的错误。但前者如果有人稳定的，持的，不停喂养错误数据，下次依然可能犯错……

真的，如果不是有那么多的禁令限制，山姆·奥特曼说不定便也屈服了。

二般人其实也一样，倒是群智的框架能接到，两者走的路线并不完全相同。

这就属于典型的因果关系理解错误。毕竟照理过程，冰块会先在作用下经历化再被加到沸，才能变成蒸汽。

一个最简单的例，当有人向chatgpt提问，苹果熟了又没人采摘会发生什么？回答大概率是正确的，掉在地上。这并不是说chatgpt理解了重力导致的因果关系，更大的可能是它学习过关于顿发现重力的那篇文章。

本章尚未读完,请击下一页继续阅读---->>>

就算萨亚·纳德拉敢命，东跟董事会分分钟能教这个三哥裔的ceo该怎么人。

比如chatgpt的逻辑中不存在因果耦合，其最心的工作原理是通过分析大量文本数据来预测给定上下文中最可能的下一句话或词汇。

约谈的结果就是没有任何结果，但并不是没有收获。起码双方都大概了解了对方的态度。能不能有一个合适的解决方案另说。

……

但优劣不能如此简单的对比。

当然并不是说群智框架就是完的。

成功的人工智能产品，而且名声很大。但其实就目前来说，一般人只能在网上接一下豆豆，没可能接到豆豆的源代码。

对这简单的问题解答，显然前者更有优势。前者只要不停告诉chatgpt，冰要先化成，下次就能给正确答案。

当然，这场谈话属于机密。

这跟群智的因果解耦框架不同，群智框架其实更接近世界大模型框架，依赖的是因果关系的学习。简单来说，就是不断的通过结果，倒原因的学习方式来掌握知识，以及加对这个世界的理解。

这基于统计模型的学习模式缺乏对真实世界的理解。

这也是如果有人孜孜不倦的给chatgpt喂养错误的数据，就能让人工智能在某个问题上不停犯错的原因。

现在世界的格局就是这样，起码在国际层面，发展到了微、有为这层级的公司，早已经不可能从纯粹的商业角度来任何决策，更别提微还是上市企业。

除了当事人外，没有第三人能听到。

让他有底气发那两声“呵呵”，终究是因为对面这家公司恰好是被严格限制的。别说投资对面了，微如果真想跟对面眉来去，首先要迎接的是来自资本主义的铁拳，哪怕微有着充足的动因。

萨亚·纳德拉面沉如，但也只能不咸不淡的回了句：“希望你能够慎重考虑。如果继续这样下去，openai很可能将失去曾经最重要的支持者。”

只是两人都没，其实也不可能注意到，当两人山姆·奥特曼站起来告辞后，办公室角落里wifi代表信号传输的灯光闪烁的要比平时稍微频繁了些。

两者的区别是要让chatgpt给正确的回答，需要训练数据时生成文本。群智框架只需要让它彻底能理解化跟升华两不同的概念就够了。

对于山姆·奥特曼来说，目前的好消息是，chatgpt已经喂养足够多的数据，起码在现阶段，也许能得不比群智框架差多少。但坏消息是，还有豆豆这逆天的存在，以及还要面对金主的威胁。

只是嗤笑之后，山姆·奥特曼显然也并不想把前这位得罪的太狠了，一气说：“好吧，萨提亚，我们会考虑你的意见，也会尽力找到双方都能接受的合作方式。但我们必须明确，openai的技术推不可能被单一的利益关系所束缚。”

比如之前网上就曾曝过一个笑话，有人问接了群智框架的小艺，如果把冰块放刚烧开的会发生什么？小艺的回答是，冰块会变成蒸汽，因为沸腾可能使冰块蒸发。

不而散。

起码就目前而言，chatgpt还没有构建内在的世界模型来理解因果关系。

“我代表西林数学研究所非常迎大家的到来，同时也谢乔教授把这次代表荣誉的机会给了我，来为大家介绍一新的加速理论，以及我们用超算验证的相关结果

事实上群智框架也会错。只是犯的错误往往于对因果关系错误的理解。

但后者要各举例，比如让系统理解冰之所以会直接变成气态，是因为在地球标准压力下，二氧化碳没有态存在的稳定区。所以会直接从固变为气，但则不一样……