Karpathy又语出惊人了！
这次他吐槽的对象是....LLM的名字？
没错，就是那个被我们天天挂在嘴边的 "大语言模型"(Large Language Model) 。
Karpathy说：这名字不仅让人困惑，还有点可悲。
卧槽，这是要改名的节奏？
来看看大佬到底想说什么。
LLM：不只是"语言"的专属
Karpathy直言不讳：LLM与语言的关系，其实没那么密切。
"语言"这个词，只是历史遗留问题。
那LLM到底是什么？
Karpathy给出了一个更准确的定义：它们是用于对token流进行统计建模的高度通用技术。
啥是token流？简单说，就是一串串离散的符号。
这些符号可以是：
文本片段 图像块 音频片段 动作选择 分子结构 ......
只要你能把问题转化为对这种token流的建模，你就能"扔个LLM"过去解决。
所以，LLM根本不在乎这些token是不是真的代表了语言！
Karpathy建议，也许我们该叫它 "自回归Transformer" 之类的名字。
LLM：通吃各行各业的"怪物"
既然LLM不局限于语言，那它还能干啥？
Karpathy给出了惊人的预测：随着LLM技术栈越来越成熟，大量问题可能会收敛到这种建模范式。
这是什么意思？
简单说，就是未来80%的问题，都可能用LLM来解决！
不管你是做图像处理、语音识别，还是分子设计，只要能把问题转化为"预测下一个token"，就能用LLM搞定。
这不是要让各行各业的专业模型都失业吗？
深度学习框架：要凉凉？
甚至，Karpathy还质疑了现有深度学习框架的未来。
他说：如果80%的问题都只想用LLM，那PyTorch这些框架是不是太"重"了？
想想看：
上千种操作 各种可以随意配置的层 ......
但其实大多数人可能只想用个LLM而已。
虽然Karpathy说这只是一种可能，但已经足够让人深思了。
难道未来AI开发，真的会变成"人人都在玩LLM"？
LLM：万物皆可"语言"？
面对Karpathy的惊人言论，Clive Chan 认为：其实一切都可以表达成自回归的形式，所以一切都是语言！
Karpathy回应说：确实，你可以说是在"说"纹理、"说"分子。但"语言"这个词还是容易让人误以为LLM只能用于文本应用。
还有人指出：LLM安排token的方式，其实并不是真正意义上的任意符号系统。
Leo Dirac 则提醒：对于视觉或化学这样的领域，如何定义token的顺序并不是显而易见的，这可能会影响模型的归纳偏置。
马斯克也看不下去了，跳出来吐槽到：“绝对需要一个新名字！多模态语言模型，这显然就是个矛盾的名字！”
重新认识LLM
Karpathy的这番言论，算是给我们打开了一扇新的认知之窗，点了一条思考之路。
LLM不仅仅是"语言"模型，而是一种强大的通用建模技术。
未来，我们可能会看到：
更多领域被LLM统一 深度学习框架的变革 AI应用方式的根本改变
你认为LLM会成为未来AI的"统一理论"吗？
👇
👇
👇
👇
本文同步自于知识星球《AGI Hunt》
星球实时采集和监控推特、油管、discord、电报等平台的热点AI 内容，并基于数个资讯处理的 AI agent 挑选、审核、翻译、总结到星球中。
每天约监控6000 条消息，可节省约800+ 小时的阅读成本。
每天挖掘出10+ 热门的/新的 github 开源 AI 项目
每天转译、点评 10+ 热门 arxiv AI 前沿论文
星球非免费。定价99元/年，0.27元/天。(每+100人，+20元。元老福利~）
一是运行有成本，我希望它能自我闭环，这样才能长期稳定运转；
二是对人的挑选，鱼龙混杂不是我想要的，希望找到关注和热爱 AI 的人。
欢迎你的加入！
👇👇👇快人一步，掌控AI👇👇👇
