我是比较同意楼主的观点，现阶段的 LLM 只是统计学的扩展。只是把已经存在的打散拼接，个人观点它还不具有创造的能力。

本来就是，现在所谓的 AI ，连真正的 AI 的门槛都没有摸到

ANN 里的神经元激活是线性的一次性激活，但是真正的生物神经元是脉冲多次信号值叠加刺激激活，生物神经元的种类繁多，不同的功能对应了不同形态的神经元（具体见洛利群著的神经生物学原理）。远不是 ANN 里的感知器就能攘括的。

看起来这里的讨论还是有点意思的，我来抛几个砖： > 原帖：就是 6500000 亿个连接。这要多少“参数”才能完整模拟。600B 的大模型的参数量也就这个数字的千分之一。所以... 这个论证并不明确。这些连接（条件）能达到某种效果不意味着达到某种效果需要这些条件。你当然大可以拿出所谓进化论去说一些道理，不过我仍然不认为这个论证是明确的。 > 所以说现在这种被称作 AI 的东西，根本没有智能 你可以说一下至少你自己对智能的定义吗？在没有共识的情况下讨论一个概念是没有任何建设性的。 进一步的，在明确了智能定义的情况下，你能比较严格的证明一个统计学模型（或者更准确地，一个由神经网络表示的语言模型（ LM ））为什么永远不可能拥有“智能”吗？ --- 个人观点：人类目前对意识、智能的概念了解甚少，以至于现阶段无法对大语言模型和类似人工智能系统的“本质”和“智能性”做任何形式的断言。

“这一立方毫米的老鼠脑组织里找到了 5 亿个神经连接，人类大脑大概 1300 立方厘米，就是 1300000 立方毫米，按这个老鼠的脑子算，就是 6500000 亿个连接。” 为啥不直接计算一立方毫米的人脑组织里找到多少神经连接？

现在数据量翻倍几十万亿，巨量算力，但是每次整出来的迭代模型对比上代感觉并没有突飞猛进 scaling law 已经放缓

@chairuosen 意义就是对确定它到底是不是真理做出进一步实质性的帮助。规模不够，并不代表方向错误，你在这帖子用用规模还不够大反驳它，是没有说服力的，所以是没有意义的。

另外，LLM 这种监督学习的产物，只是机器学习里的一个分支。我觉得 RL+snn 才是最有希望接近类脑智能的。目前的 ANN 对于时间序列的视频是无能为力的，不然为什么没见几个牛逼的视频处理的 LLM ？因为基础架构就搞不定。不管是人还是动物，都是对于视频画面的理解来感知世界的，不是文字，也不是语音。

@coefuqin 至少时间维度上的行为现在这些神经网络就是完全忽视的

之前 gpt 这种超大模型只有 openai 一家研究根本卖不出去，是 gpt 进化到 3.5 能力涌现价值也跟着涌现，才出圈的。而且这玩意本身就是个语言模型，做的事情就是已知 A 预测 A 后面跟着的是 SS 。 至于人脑的研究与模拟，和这个根本就不是一条路子。