为什么Yann lecun（杨立昆）对chatGPT持否定态度？

简单回答：采用归纳的方法，永远不可能实现可靠的演绎，尽管可以模仿一些常用演绎过程。

整个机器学习体系，到目前为止，都只是对已有数据中的某种规律的归纳、综合（generalization）。目前还没有通用的演绎算法（有限领域的演绎或纯符号演绎是之前AI研究已经做了的事情）。

人类的智能，至少有归纳和演绎两种。

所谓归纳，是对纷繁芜杂的事物之中存在的某种规律进行抽取。简单地说就是，A、B、C同属一类事物（但这类事物并不只有这三个），A、B、C具有某一特征，因此认为（或假定）该类事物都具有这一特征。

深度学习可以认为是一种在归纳方面相当强大的算法。它能归纳很多不同的东西，比如图像、文字、语音等等。

但它无法做到的是进行演绎。

当然，这不是说它完全不能够完成一些演绎工作。因为一些常见演绎，比如问一堆问题来猜你想的人是谁那种，都有足够的数据可以进行归纳。因此，深度学习，最多能够模仿一些常见的演绎过程（但那只是模仿，而不是实际上的演绎）。或者可以把特定演绎问题和该领域已有的演绎算法匹配起来（比如用归纳方法将你提出的计算问题与计算器程序匹配起来，用后者完成必要的数值演绎）。

因此，如果一些演绎问题，在既有的训练数据中比较稀少，而且没有已经做好的演绎算法，ChatGPT及其后继者就没有办法准确地回答。

而且，因为演绎能力实际上不存在，ChatGPT在生成文字时，并无法检查文字的逻辑合理性。

一旦你提出的问题没有在其训练数据中未曾涉及或比例极低、容易和其他问题混淆，那么ChatGPT的算法就会跑飞，给你一些莫名其妙的结果。ChatGPT大部分时候不能知道自己不知道问题的答案（它有时候确实是回答不知道，但那并不是因为引擎知道无法回答这一问题，而是训练数据中针对某些回答的正确回答就是“不知道”，ChatGPT只是把这个“正确回答”反馈给了你）。

本质上ChatGPT并没有产生质的飞跃，它是一种量的改变。它把深度学习在语言大一统模型上推到了一种极致，但这也只是深度学习算法的极致。而不是智能的极致。

所以，原则上来说，ChatGPT最适合的是回应一些常见的问题（此处“回应”亦可包括帮助你启用一些其他的专用算法）。对于相对少见的问题，或者全新的问题（甚至不需要是演绎问题），它是无法回答的。而且它不知道自己无法回答，它的算法会在这种情况下完全跑飞，搞出些互拼乱凑的答案。