图灵奖得主：不能感知现实，大模型无法构建“世界模型”

图灵奖得主通常是计算机科学界的最高荣誉获得者，他们的观点和研究往往对该领域产生深远影响。在人工智能领域，尤其是在大模型（如GPT3、BERT等）的研究中，图灵奖得主的看法尤为重要。

关于大模型是否能构建“世界模型”的问题，图灵奖得主的观点可能会因人而异。然而，普遍认为，尽管大模型在处理和生成语言方面取得了巨大进步，但它们仍然缺乏对现实世界的真正理解或感知能力。这是因为大模型通常依赖于大量的数据和复杂的算法来预测和生成文本，而不是基于对物理世界的直接感知或理解。

例如，OpenAI的首席执行官Sam Altman在接受采访时表示，尽管GPT4的能力令人印象深刻，但它仍然不能理解现实世界。这意味着GPT4可以生成看似合理的对话或文章，但它并不真正理解这些内容背后的含义或上下文。

此外，还有一些专家指出，尽管大模型在某些任务上表现出色，但它们的性能仍然受到训练数据的限制。这是因为大模型通常只能从其训练数据中学到知识，而无法从新的或未知的数据中学习。因此，如果训练数据中没有包含某个特定的概念或现象，那么大模型就无法理解或描述这个概念或现象。

尽管大模型在某些任务上取得了显著的成功，但它们仍然无法构建真正的“世界模型”。这是因为大模型缺乏对现实世界的真正理解或感知能力，而且它们的性能也受到训练数据的限制。因此，未来的研究可能需要寻找新的方法和技术，以便使大模型能够更好地理解和描述现实世界。