主要观点：语言模型虽给人能理解交流的印象，但背后是假象，机器缺乏人类的经验、意图和世界感知，存在共享经验缺失、符号接地问题、缺乏世界感知和运作模式差异等障碍，虽大型语言模型表现惊人但仍远未达到真正理解，目前机器语言仍存在局限，未来需通过多模态和世界模型等给机器感知和空间经验来突破。
关键信息：

• 语言模型依赖词序列预测，缺乏文化和语境理解，存在偏见。
• 符号接地问题指机器无法通过体验世界赋予词真正意义。
• 人类语言与机器语言在功能、情感等方面不同。
• 机器缺乏对世界的直接感知，如对“填满至边缘”等概念理解不足。
  重要细节：
• 翻译从人到人到人机时难度变不同，机器处理语言受限。
• 如让生成式 AI 生成满杯图像，它常画半满，因无直接与现实联系。
• 像 Yann LeCun 等研究者在探索突破语言处理限制的路径。
• 引用多篇相关研究文献支持观点。