人類的意向性是還沒有形成自然語言表征的思維傾向。某些語詞或命題的意義，只有在一定的生活形式之上，才能真實(shí)地顯現(xiàn)出來。價(jià)值命題即是其中的一種，它的意義之顯現(xiàn)，一定是與某一種生活形式相連，而不在于科學(xué)意義上的真或假。有關(guān)這一點(diǎn)，正如皮爾斯所言：“宗教命題的意義不在于如果它是真的它必然會(huì)產(chǎn)生的功能，而是一種使信服它的人的生活產(chǎn)生重大差別的功能。宗教信仰不同于事實(shí)信仰，它不是假設(shè)，它不以事實(shí)為依據(jù)，它不被視為有多大的可能性。”。

維特根斯坦所發(fā)現(xiàn)的，數(shù)學(xué)是同義反復(fù)的，AI又何嘗不是？！他在《邏輯哲學(xué)論》中的兩句話說就是：“上帝不在世界之內(nèi)顯露自身?！?，他認(rèn)為世界是事實(shí)的總和，而事實(shí)的世界，總是充滿著各種各樣的沖突和意外，因此是一個(gè)偶然性的世界。而超驗(yàn)的東西，代表著絕對(duì)的價(jià)值，這就意味著它們不可能存在世界之內(nèi)。所謂“上帝不在世界之內(nèi)顯露自身”，即意味著“它沒有使自己顯現(xiàn)在任何個(gè)別事實(shí)或事實(shí)的集合中。”上帝是一種必然性的存在，或許也就是人類的思維。

海森堡曾經(jīng)有這樣一段表述：“我們必須記住，我們觀察到的不是自然本身，而是我們的提問方式揭示的自然。”

普朗克認(rèn)為：“科學(xué)是內(nèi)在的整體（Science is inherently a whole），被分解為單獨(dú)的部門，不是取決于事物的本質(zhì)，而是取決于人類認(rèn)識(shí)能力的局限性。實(shí)際上存在著由物理學(xué)到化學(xué)、通過生物學(xué)和人類學(xué)到社會(huì)科學(xué)的鏈條。這是一個(gè)任何一處都不能被打斷的鏈條?！?/p>

艾略特在其《傳統(tǒng)與個(gè)人才能》中認(rèn)為：“詩之所以有價(jià)值，并不在于感情的“偉大”與強(qiáng)烈，不是由于這些成分，而在于藝術(shù)作用的強(qiáng)烈，也可以說是結(jié)合時(shí)所加壓力的強(qiáng)烈。”

哥德爾指出的：“不管計(jì)算機(jī)發(fā)展到什么程度，最后跟它說話的只能是人，而不是計(jì)算機(jī)?！?/p>

俄國詩人納德松有句話：“世界上沒有比語言的痛苦更強(qiáng)烈的痛苦。”語言作為思想的表達(dá)工具是幫助人們思維，但同時(shí)也是阻礙人類思維的工具。對(duì)于人工智能而言更是如此。

許多AI系統(tǒng)不穩(wěn)定，它正在成為應(yīng)用領(lǐng)域的一個(gè)主要問題，尤其是它們?cè)絹碓蕉嗟赜糜诩膊≡\斷、金融博弈或自動(dòng)駕駛汽車等高風(fēng)險(xiǎn)領(lǐng)域。

不穩(wěn)定性是現(xiàn)代人工智能的致命弱點(diǎn)，一個(gè)數(shù)學(xué)悖論顯示了人工智能的局限性。研究人員發(fā)現(xiàn)的悖論可以追溯到 20 世紀(jì)的兩位數(shù)學(xué)巨人：艾倫·圖靈和庫爾特·哥德爾。20世紀(jì)初，數(shù)學(xué)家試圖證明數(shù)學(xué)是科學(xué)的終極一致語言。然而，圖靈和哥德爾展示了數(shù)學(xué)核心的一個(gè)悖論：無法證明某些數(shù)學(xué)陳述是真還是假，一些計(jì)算問題無法用算法解決。而且，只要一個(gè)數(shù)學(xué)系統(tǒng)足夠豐富，可以描述我們?cè)趯W(xué)校學(xué)習(xí)的算術(shù)，它就無法證明其自身的一致性。

對(duì)此，科爾布魯克（Matthew Colbrook） 博士說：“數(shù)學(xué)存在固有的基本限制，同樣，人工智能算法也無法解決某些問題。”

除了人為的操作和統(tǒng)計(jì)的使然外，AI還不能較好地處理等效、等價(jià)、類比、因果及其混雜問題。

不能理解并實(shí)現(xiàn)非存在的有，即合理的或不合理的等效（心理重組、旋轉(zhuǎn)、彌聚任務(wù)）。

從語法到語義的跳躍一般是常識(shí)性的，但對(duì)于個(gè)性化意向、非常識(shí)性的則很難實(shí)現(xiàn)完美的躍遷。

科學(xué)、技術(shù)、數(shù)學(xué)上講有因有果、講why，但人世間除了因果（包括人造的、自然的以及混雜的）事以外，世界上還有許多有因無果、有果無因的事……所以有人就說太陽底下就沒有新奇的事。人造的不一定完全不好，比如人工智能。一個(gè)人造的因果是個(gè)別，一群人造的因果叫做常識(shí)或公理。

AI不知道如何在通信降級(jí)和拒止環(huán)境中進(jìn)行判斷、制定決策，且大都會(huì)在封閉結(jié)構(gòu)里進(jìn)行聚合計(jì)算，沒有在開放環(huán)境下進(jìn)行有效的彌散算計(jì)。

計(jì)算計(jì)既是一種開放的封閉結(jié)構(gòu)，同時(shí)也是一種封閉的開放結(jié)構(gòu)。

合理的等效是理性的內(nèi)核，不合理的等效則是靈性的源泉，二者結(jié)合更是表象與本質(zhì)的統(tǒng)一，同時(shí)也是產(chǎn)生主觀與意識(shí)的基礎(chǔ)，可惜AI及其開發(fā)者沒有感知到這些，或者感知到了這些卻或不能或不想或不敢或不知實(shí)現(xiàn)之。

因?yàn)椴荒艿葍r(jià)，所以只能等效；因?yàn)椴荒艿刃?，所以只好類比；沒有類比，就沒有因果；沒有因果，就沒有AI。

其實(shí)，一元、二元、三元、……多元并不重要，重要的是變?cè)恢黧w、客體、三體、……多體不重要，重要的是變體；沒有等效、等價(jià)、類比、因果的變化，就沒有真實(shí)動(dòng)因的智能與反智能存在。

—————————————

智能之所以有價(jià)值，并不在于理性的“偉大”與強(qiáng)烈，不是由于這些成分，而在于藝術(shù)（感性及靈性）作用的強(qiáng)烈，也可以說是多者結(jié)合時(shí)所加壓力的強(qiáng)烈。

GPT的先天不足包括：

1. 難以處理長文本：由于GPT是基于Transformer模型，它不太適合處理長文本。當(dāng)輸入文本很長時(shí)，模型需要更多的計(jì)算資源，這會(huì)導(dǎo)致計(jì)算效率降低。

2. 缺乏常識(shí)知識(shí)：GPT主要是通過大規(guī)模的文本數(shù)據(jù)進(jìn)行訓(xùn)練，但這種訓(xùn)練方法無法為模型提供常識(shí)知識(shí)。因此，當(dāng)GPT遇到需要常識(shí)判斷的問題時(shí)，可能會(huì)出現(xiàn)錯(cuò)誤的答案。

3. 容易受到樣本偏差的影響：由于GPT是建立在大規(guī)模文本數(shù)據(jù)上的，如果訓(xùn)練數(shù)據(jù)存在樣本偏差，那么模型就會(huì)受到影響。這可能導(dǎo)致模型在處理不同領(lǐng)域的文本數(shù)據(jù)時(shí)出現(xiàn)問題。

4. 缺乏人類推理能力：雖然GPT可以生成自然語言文本，但它仍然缺乏人類推理能力。例如，GPT無法像人類一樣從上下文中推斷出隱含的含義或邏輯關(guān)系。

5. 對(duì)新領(lǐng)域的適應(yīng)性不足：GPT是在大規(guī)模文本數(shù)據(jù)上訓(xùn)練的，因此對(duì)于新領(lǐng)域的文本數(shù)據(jù)，它的適應(yīng)性可能不足。這意味著模型需要重新訓(xùn)練才能適應(yīng)新的領(lǐng)域。