约瑟夫·希伯以大胆而发人深省的评论，挑战了围绕人工智能（ AI ）及其应用的普遍叙事，并提出了对术语和概念的根本性重新评估。
Shieber 认为，目前的命名方式歪曲了通常被称为“人工智能”系统的性质和能力，特别是大型语言模型 (LLM)。.
重新defiLLM：真正的工具，而非人为的工具
希伯的第一个论点挑战了用来描述这些系统的术语本身。他以洗衣机和汽车等常见家用电器为例，认为将低级机械模型（LLM）称为“人工的”是一种误称。.
与虚假或伪造的产物不同，语言学习模块是真正旨在简化和增强人类活动的辅助工具。正如近期研究表明，它们在理解和语言掌握方面的进步凸显了其切实的实用性。.
“人工智能”的谬误
希伯认为，“人工智能”一词本身就具有误导性，因为它暗示了一种LLM（法学硕士）并不具备的认知能力。尽管希伯承认LLM取得了显著进步，但他强调智能是一个持续的过程，而非静态的属性。他驳斥了基于意识、具身性和经验的论点，而是将智能的本质视为一种由制度引导的集体进化过程。.
破除误解：智力与预测
希伯论证的核心在于区分人类智能和逻辑逻辑模型的目标。人类智能旨在通过测试和迭代寻求真理，而逻辑逻辑模型则优先考虑基于现有数据预测结果。.
希伯认为，LLM（逻辑逻辑模型）擅长生成类似于人类答案的合理回应，而非准确地呈现现实。这一关键差异削弱了它们作为智能实体的地位。.
希伯的批判挑战了传统观念，并引发了人们对社会如何看待和定义人工智能进步的重新评估。他将逻辑逻辑模型重新定义为真正的工具，并强调其预测而非探求真理的本质，从而提出了一个细致入微的视角，促使人们对智能的本质以及技术在塑造人类事业中所扮演的角色进行更深入的思考。.
对未来发展的影响
希伯的分析对人工智能技术的持续发展和部署具有重要意义。通过认识到当前术语和概念框架的局限性，研究人员和政策制定者可以采取更加细致入微的方法来对待人工智能治理和伦理问题。.
Shieber呼吁重新评估LLM的目标和能力，这鼓励人们转向更加透明和负责任的AI开发实践。.
重新defi人工智能需要范式转变。
约瑟夫·希伯的批判挑战了人工智能的主流观念，倡导重新评估相关术语和概念框架。他将逻辑学习模型重新定义为真正的工具，并强调其预测特性，从而促使人们更深入地理解人工智能技术的目标和局限性。.
随着社会不断努力应对人工智能的影响，希伯的见解为理解技术与人类智能之间复杂的交集提供了宝贵的视角。.
