当前位置: 首页 > news >正文

GNU创始人斯托曼:ChatGPT是“胡扯生成器”

编译 | 苏宓

出品 | CSDN(ID:CSDNnews)

对于 AI 工具,有人爱,也有人讨厌。近日,自由软件之父 Richard Stallman(理查德·斯托曼) 在个人网站上发表一篇《不使用 ChatGPT 的理由》的文章,直言现在的 AI 工具并非真正的智能,它们根本不理解自己生成内容的意义。他甚至将 ChatGPT 称为“胡扯生成器”,理由是它生成的内容“对真相毫不在意”。

值得一提的是,Richard Stallman 是 GNU 计划与自由软件基金会(FSF)的创始人。他在 1980 年代发起 GNU 项目,旨在构建一个完全自由的操作系统,并推动软件应当被自由使用、研究、修改和再发布的理念。他最广为人知的贡献包括 Emacs 编辑器、GNU 编译器套件(GCC)等基础工具,以及对 GPL 等自由软件许可证的设计和推广。

他发表的言论,也引发了不小的争议。

ChatGPT 并非真正的智能?

斯托曼在博文中写道:

ChatGPT 并不是“智能”,所以请不要称它为“AI”。

我对“智能”的定义是能够认识或理解事物,至少在某个领域内应如此。而 ChatGPT 无法认识或理解任何事物,所以它不是智能。它并不知道自己的输出意味着什么,也不理解文字可以有意义。

我称它为“胡扯生成器”,因为它生成的内容“对真相毫不在意”。

同样的理由也适用于许多其他“生成系统”。

公众普遍错误地将智能归于这些系统,导致数百万人对它们产生了错误的信任。请与我一起传播这样的信息:人们不应该信任那些只会机械地玩弄文字、却不理解文字含义的系统。

另一个特别拒绝使用 ChatGPT 的理由是,用户无法获得它的副本。它是未发布的软件——用户连可执行文件都拿不到,更别提源代码。使用它的唯一方式是通过与一个远离用户的服务器交互。

在别人的服务器上运行软件来进行自己的计算,本质上会破坏你的计算自由。

对 AI 的定义

与此同时,斯托曼引用了 GNU 官方网站上从自由软件角度对术语的解释,并结合自己的理解,对当前几类基于训练神经网络的系统进行了分类说明:

  • 人工智能:适用于在某个领域(大或小)具备知识和理解的系统。

  • 胡扯生成器:适用于像 ChatGPT 这样的大语言模型(LLMs),它们生成听起来流畅的语言,看似陈述事实,但对语言的语义完全不理解。这一结论得到了 Hicks 等人在 2024 年发表的论文《ChatGPT 是胡扯》的支持。

  • 生成系统:适用于生成艺术作品的系统,其中“真与假”的概念并不适用。

目前,这三类任务大多通过“机器学习系统”实现,这类系统处理由大量数值组成的数据,并根据“训练数据”调整这些数值。一个机器学习系统可能是胡扯生成器、生成系统,或者人工智能。

对此,有人认可斯托曼的观点:

“他并没有说错。它不是智能,而是智能的一种拟像。它可以有用,但绝不能被完全信任。而且,它当然也算不上什么促进自由与开放的福音。”

也有人觉得分歧在于每个人对于「AI 的定义」有所不同所导致:

“当我学习计算机科学时,人工智能的实践课程是造一台循线机器人,或者实现一个基于高斯差分(DoG)的边缘检测算法。现在任何东西都能被称作‘AI’,接受每个人划定‘AI’界限的不同,是合理的。”

还有网友反驳道:

「不,他在这一点上说偏了。他退回到像“ChatGPT 无法认识或理解任何事物,所以它不是智能”这样的模糊表述,这表明你看到的更多是意识形态,而非分析。我是说,这句话在一定程度上是对的。但它和对你我来说一样,都是无法被严格证明的,只是在“理解”和“认识”这两个词的语义上绕圈子而已。

特别是他称 ChatGPT 真正只是一个“胡扯生成器”的说法,确实 100% 正确。但对地球上所有有智慧的人类来说,这句话也同样成立。

归根结底,AI 出错的原因,基本和我们人类出错的原因一样。我们都依靠直觉做出关于生活的判断,然后把“推理”和“逻辑”附加上去,作为事后优化的技能,这些技能都需要训练才能掌握。

(顺便说一句,我对自由软件的观点更能产生共鸣。所有这些模型都只在资金雄厚的私人环境中运行和成长,随着技术成熟,肯定会带来一些非常糟糕的外部影响。)」

那么,你如何看待斯托曼的观点?

来源:

https://news.ycombinator.com/item?id=46203591

https://www.stallman.org/chatgpt.html

推荐阅读:

与C++之父面对面,2025全球C++及系统软件技术大会全日程及参会指南一键领取!

国产GPU的下一站在哪里?12月19日,摩尔线程MDC 2025见

一键清空Win11所有AI!开发者“整活”,一行命令秒清Copilot、Recall,开源狂揽1.7k星!

【报名倒计时,限免】C++之父中国行 · 40周年庆典|北京·上海开发者见面会正式开启!

  • 北京站:12月12日 · 北京金隅喜来登酒店

  • 上海站:12月14日 · 上海淳大万丽酒店

http://www.cnnetsun.cn/news/13049.html

相关文章:

  • MultiHighlight代码高亮工具:重构编程阅读体验的终极指南
  • Wan2.2-T2V-A14B在天文现象模拟视频中的科学准确性验证
  • 5个必学的m3u8-downloader命令行技巧,提升下载效率300%
  • Fastboot Enhance:从命令行苦手到刷机高手的进化之路
  • Wan2.2-T2V-A14B模型对川剧变脸节奏的精准把控
  • Wan2.2-T2V-A14B模型生成视频的浏览器兼容性全面检测
  • Tabula完全指南:3步快速从PDF提取表格数据的终极解决方案
  • 31、计算机安全技术与iptables日志可视化
  • OpenPose Editor完整指南:3步快速掌握AI人体姿势编辑
  • 音频大模型技术突破:Qwen2.5 7B架构实现跨模态能力嫁接,推动语音交互范式革新
  • Playwright快速上手:从环境安装到编写第一个自动化测试脚本
  • DevUI组件库实战:从入门到企业级应用的深度探索,如何实现支持表格扩展和表格编辑功能
  • 25、实用脚本编程:MySQL 操作、用户管理与图像处理
  • LabelPlus:简单高效的漫画翻译辅助工具完整指南
  • 番茄小说下载神器:3种方式让你随时随地离线阅读
  • 物理模拟更真实!Wan2.2-T2V-A14B在动作连贯性上的突破性进展
  • 3个颠覆性设计:eLabFTW如何重新定义实验室数据管理
  • 微信小程序Canvas图片裁剪完全指南:5分钟掌握we-cropper核心用法
  • PyTorch Chamfer Distance深度解析:3D点云相似性度量的高效实现方案
  • Wan2.2-T2V-A14B + GPU加速:构建高效AI视频工厂
  • 用Wan2.2-T2V-A14B生成角色动画,肢体动作自然度达95%+
  • chan.py缠论框架深度解析:从理论到实战的完整指南
  • Wan2.2-T2V-A14B模型对彝族火把节火焰动态的艺术化处理
  • 压缩而不失智:LLM 量化技术深度解析
  • 29、GitHub协作与第三方工具使用指南
  • 18、Linux任务调度与Python脚本基础入门
  • JavaScript Cookie 管理新思路:如何用 js-cookie 解决你的存储难题
  • 高安版电视盒子刷Armbian实战:从砖头到服务器的完美蜕变
  • Wayback Machine浏览器扩展终极指南:如何轻松回溯网页历史
  • 【解决MMCV造轮子的二番战】ModuleNotFoundError: No module named ‘MMCV‘