弗朗索瓦.肖莱，谷歌的人工智能（AI）研究者说：“ChatGPT 的叙说没有模型可言，如同你在看一个木偶剧，相信木偶们是有生命的。”研究者们想改变这一点。通过增加系统之间人工神经元的连接，并且给它们饲喂更多的数据，AI应该可以最终完成一些需要推理的任务。其他科学家则认为，“更大则更好”的研究路径将只会消耗更多的电能。他们希望通过模拟人脑的某些方面，比如反馈连接和激发式神经元，可以帮助 AI 变得更小、能效更高，并且最终使得AI具有推理能力。译自《自然简报》2023年3月8日星期三（今天）。
像 ChatGPT 这样的大模型AI，还不具有推理能力。然而，推理能力是智能的重要标志之一。因此，让AI拥有推理能力是人工智能发展的必然方向。
关于现有AI的发展，我的点评如下：
（1）现有的AI学习是通过饲喂大数据，让AI获得数据中的概率模型，因此，AI只能对数据中的知识做概率意义上的扩展，而不会产生推理能力。
（2）AI作为一个动力学系统，增加系统之间神经元的反馈连接，只会增加动力学系统状态的多样性和复杂性，没有理由说就此可以让AI产生推理能力。
（3）在AI中加入激发式神经元，的确可以提高AI的能量使用效率，但是却不会让AI产生推理能力。
（4）AI学习过程中，通过反向传播误差来调整神经元连接参数，也许是一个陷阱。虽然AI可以学习完成一定的任务，但是却无法获得推理能力。
人脑具有高度智能，包括知识扩展和推理能力，然而，能量消耗却极小。人脑是如何做到这一点的呢？一直关注、跟随AI的发展，反反复复，想来想去，人脑的智能结构应该是按照下述方式构建的：
（1）任务的模块化。
（2）模块的层级化
（3）连接的树状化。
（4）学习是通过简单的试错完成，而不是通过反向传播误差来完成。
依照这样的智能结构，应该可以构建小型、高能效、可扩展、而又拥有推理能力的AI。