目前的语言模型（LLMs）虽然强大，但其能力仅限于数字领域。许多现实世界的问题，如治疗癌症或改革教育，本质上属于复杂度更高的物理领域或社会领域。由于人工智能尚未掌握这两个领域，期望它解决这些根本性问题是不切实际的，这意味着真正的通用人工智能距离我们还很遥远。
三个领域：数字、物理与社会
我们可以将世界看作由三个不同复杂度的领域组成：
- 数字领域： 这是大型语言模型已经表现出高超驾驭能力的领域。
- 物理领域： 包含了无数粒子和亿万年演化的结果，其复杂性远超数字领域。
- 社会领域： 由于文化演化的飞速发展，其复杂性甚至超过了物理领域。
当我们期望人工智能模型治愈癌症时，我们实际上是在要求一个数字领域的大师去解决一个物理领域的问题。同样，当我们希望人工智能彻底改变教育时，我们是在要求它解决一个社会领域的问题。
问题的错位：网络安全是一个社会问题
网络安全表面上看是一个数字领域的问题，但其核心却根植于社会领域。
- 便利性的需求： 我希望方便地访问我的银行账户等文件，因为它们与我的社会生活息息相关。
- 冒充的风险： 正因如此，犯罪分子也想冒充我来访问这些文件。
- 便利与安全的冲突： 系统访问越方便，被冒充的风险就越高。为了让冒充变得更难，几十年来系统变得越来越不方便，我们浪费在身份验证上的时间远超以往，但漏洞依然存在。
在社会问题上，“没有所谓的解决方案，只有权衡取舍。”
思考的本质是社会性的
我们获取知识的方式并非孤立的“我思故我在”。思考本质上是社会性的。我们通过决定相信谁，来决定相信什么。
尽管大型语言模型在数字领域取得了巨大成就，值得我们肯定和使用，但我们必须正视物理领域和社会领域的巨大复杂性。正因为如此，真正的通用人工智能不太可能在短期内实现。