八月，斯坦福大学的研究人员在arxiv 上传了一篇报告，宣布人工智能的新时代已经到来，一个建立在巨大的神经网络和数据海洋之上的时代。

该报告提供了基础模型的机会和风险，包括他们的能力，例如，语言、视觉、机器人、推理、人类交互，技术原理，例如，模型体系结构、训练程序、数据、系统、安全性、评估、理论）到它们的应用，如法律、医疗保健、教育，和社会影响，如不平等、滥用、经济和环境影响、法律和道德考虑。
 
虽然基础模型是基于标准的深度学习和转移学习，但是它们的大规模导致它们可以在关键领域和诸多任务中重要的性能提升。
 
但这种同质化（homogenization）的使用需要谨慎，因为基础模型的缺陷是由所有适应模型继承的。
 
尽管基础模型即将普及，但我们目前对它们的工作原理却没有一个清晰的认识，当别的模型无法成功时，基础模型可以应急来处理一些需要AI 处理的问题。
 
并且表示，斯坦福大学的一个新研究中心，即基础模型研究中心CRFM （Center for Research on Foundation Models），将建立并研究这些人工智能的「基础模型」。
 

作者包含了数十位斯坦福的老师们，如李飞飞等都参与了作者署名，并且作者单位也已经增加了CRFM。

这一想法一经发表，很多人立刻跳出来反对，即使在纪念新中心CRFM正式成立而组织的研讨会上，依然有很多人持反对意见：包括质疑神经网络模型的能力是否真的那么强大、还有神经网络让人类无法理解的行为。

另一些比较柔和的反对派表示，应当把更多精力放在研究如何使机器更加智能的方法上。

UC 伯克利大学的AI 领域教授Jitendra Malik 在视频讨论中表示，基础（foundation）这个词完完全全的错误！

亚利桑那州立大学教授Subbarao Kambhampati认为，称它们为「基础模型」完全就是没搞清楚状况，从这些模型到更通用的 AI 形式没有明确的方法，目前还处于探索中。

俄勒冈州州立大学教授、人工智能促进协会前主席托Thomas Dietterich表示，想知道基础模型的想法是否是为了为构建和工作所需的资源筹集资金。

华盛顿大学语言学系教授 Emily M. Bender 表示，她担心基础模型的想法反映了投资行业更青睐于模型，而非data-centric的 AI 方法。

新斯坦福研究中心主任Percy Liang 认为，他听到了批评，但认为有些人可能误解了该项目的目标。他说反馈是健康学术辩论的一部分，也欢迎所有这些批评。Percy补充说，斯坦福大学的研究人员完全意识到这些模型的局限性，并在他们的研究论文中描述了一些。他们也不相信这些模型是在人工智能领域取得进一步飞跃所需要的。这只是一种不受限制的原始潜力，我们需要找到一种方法来利用和遏制。

内容中包含的图片若涉及版权问题，请及时与我们联系删除