诺姆·乔姆斯基，这位备受尊敬和唾骂的天才，曾被著名地描述为“活着的最重要的知识分子”，于12月6日年满95岁。他在现代语言学中是一位不朽的人物，在心理学、哲学和政治激进主义中只是一位地位稍低的神
他将认知科学建立为一门学科的工作对人工智能的兴起至关重要，以至于它很少被承认
在语言模拟机器可能成为人类净负面影响的持续警报中，我们是否偏离了乔姆斯基关于人类思维科学的愿景太远了
乔姆斯基成名的根源
它解释了如何利用强化和惩罚在人们的脑海中建立联想，从而鼓励某些行为。例如，老师因表现良好而颁发的金星会鼓励学生更多地这样做
在《言语行为》一书中，斯金纳试图将这一观点扩展到语言学中，将语言分解为据称通过操作条件反射获得的成分
他指出，首先，孩子们没有足够的机会接触语言来学习每一个可能的句子。另一方面，语言是创造性的：我们经常说出以前从未听过的句子，这意味着它们不可能通过简单的奖惩过程获得
他展示了在人类学、心理学和神经科学等与语言相关的领域检查大脑而不仅仅是行为是多么有用。这有助于推动认知革命，最终催生了认知科学领域
乔姆斯基与其他认知科学家一起开创的一个核心思想是，人类的认知（思维、记忆、学习、语言、感知和决策）可以用计算过程来理解。虽然已经有各种理论来解释认知的不同方面，但没有一种理论能提供计算机隐喻的诱人框架：我们的大脑是硬件，认知是软件，我们的思想和感受是输出
Chomsky的方法是连接几代人工智能研究人员的纽带，可以说是从他的麻省理工学院同事、人工智能先驱马文·明斯基开始的，他是1956年达特茅斯研究研讨会的组织者之一，该研讨会开启了人工智能研究
认知革命与人工智能
在人工智能的早期，乔姆斯基关于语言的理论为艾伦·图灵关于机器智能的思想扩展到语言处理铺平了道路
具体来说，乔姆斯基推广的两个关键概念至今仍嵌入人工智能中
第一个是“生成语法”。这是一种观点，即在任何给定的语言中，都有一套特定的规则来决定一个句子在语法上正确（或不正确）的原因
第二个想法是“深层结构”。乔姆斯基说，语言学家过于关注特定语言的传统语法或“表层结构”。这是指构成口语句子的各种成分（如单词、音节和短语）
相反，乔姆斯基想找出所有语言的“深层结构”，而我们在很大程度上是无意识的。这种深层结构决定了一个句子的语义成分，也就是它的基本含义
生成性和深度
不难看出，乔姆斯基的生成语法和深度结构思想与当今的生成人工智能和深度学习相吻合
Chomsky为这项工作设定了基本挑战：制定生成语言的深层规则。如果没有这一点，专家们就不可能对神经网络进行如此深入的研究。他们对语言的理解甚至不足以开始
60年后，像ChatGPT这样的模型已经赶上了乔姆斯基
虽然一些语言学家认为大型语言模型的成功使乔姆斯基的语言方法无效，但他认为这些模型只是模仿，而不是真正的“学习”。乔姆斯基认为，对它们所包含的语言深层规则的了解是一个统计混乱，而不是一个有意义的分析
在《纽约时报》与伊恩·罗伯茨（Ian Roberts）和杰弗里·沃图穆尔（Jeffrey Watumull。相反，他将它们视为一种增强的自动完成功能——对创建计算机代码或在论文中作弊很有用，但对其他方面没有多大帮助
他担心它们的流行会推迟对其他不依赖暴力统计数据处理的人工智能架构的探索。最重要的是，他不相信神经网络（当今人工智能的基础）是复制人类智能的正确架构
乔姆斯基的人工智能思想
尽管乔姆斯基对ChatGPT并不感冒，但他确实看到了人工智能在严峻的未来扮演怪物的潜力。在这篇文章中，他写道，ChatGPT的回应可能散发出“平庸的邪恶：抄袭、冷漠和回避”。
尽管如此，与气候变化相比，他似乎将人工智能视为次要担忧
在《纽约时报》与伊恩·罗伯茨（Ian Roberts）和杰弗里·沃图穆尔（Jeffrey Watumull
他的主要抱怨是，这些系统是寻找真正的通用人工智能（AGI）的死胡同。相反，他将它们视为一种增强的自动完成功能——对创建计算机代码或在论文中作弊很有用，但对其他方面没有多大帮助。
他担心它们的流行会推迟对其他不依赖暴力统计数据处理的人工智能架构的探索。最重要的是，他不相信神经网络（当今人工智能的基础）是复制人类智能的正确架构。
尽管对ChatGPT并不感冒，但乔姆斯基确实看到了人工智能在严峻的未来扮演怪物的潜力。在这篇文章中，他写道，ChatGPT的回应可能散发出“平庸的邪恶：抄袭、冷漠和回避。”
尽管如此，与气候变化相比，他似乎将人工智能视为次要担忧。
商业人工智能：行为主义者的复仇？
乔姆斯基在认知科学领域的道德和乐观工作与人工智能行业目前的情况有着重要的区别。
建模认知的进步不再主要发生在大学里。相反，谷歌、微软和OpenAI等大公司正在囤积资源。
一些研究人员现在正转向人工智能模型来寻找人类思维的线索。如果你同意乔姆斯基和其他人的观点，这不太可能产生太多的见解。但这不是这些模型的重点，是吗？
他们的目的是赚钱。用户提示他们一个刺激并得到回应。如果有用，他们会再次提示。随着时间的推移，该模型将了解哪些刺激和反应模式有效，并将利用这些知识变得更容易上瘾和更有影响力——加强我们对它们的使用，甚至可能改变我们的行为。
刺激、反应、强化和行为。听起来很熟悉吗？
乔姆斯基努力将行为主义排除在语言学之外，并为我们理解语言如何与思维过程联系在一起做出了巨大贡献。具有讽刺意味的是，这些贡献似乎将我们推向了由人工智能推动的行为主义实验的完美舞台。
