今⽇值得关注的⼈⼯智能新动态：MIT新研究：AI帮助机器⼈⽤全身操作物体。麻省理⼯学院的研究⼈员最近推出了⼀项名为“接触丰富的操纵计划”的创新研究成果。他们使⽤⼀种称为平滑的⼈⼯智能技术，将许多接触事件总结为较少数量的决策要素，它甚⾄可以使⽤简单的算法来快速识别机器⼈的有效操纵计划。
这种⽅法使⼯⼚能够使⽤更⼩的移动机器⼈，这些机器⼈可以⽤整个⼿臂或身体操纵物体，⽽不是只能⽤指尖抓取的⼤型机器⼈⼿臂。这有助于减少能源消耗并降低成本。此外，这项技术对于前往⽕星或其他太阳系天体执⾏探索任务的机器⼈也很有⽤，因为它们只需使⽤机载计算机就可以快速适应环境。研究认为：⼤型语⾔模型不可能是因果模型。有些⼈认为，要实现⼈⼯智能，规模是关键，对于因果模型⽽⾔，也是如此。
研究⼈员指出，⼤型语⾔模型（LLMs）不可能是因果模型，并给出了原因。为此，研究⼈员定义并举例说明了结构因果模型（SCM）的⼀个新⼦类，他们称之为元结构因果模型（meta SCM），它在变量中编码了其他结构因果模型的因果事实。他们推测，在LLMs成功进⾏因果推理的案例中，其背后是各⾃的meta SCM在⾃然语⾔中揭示了因果事实之间的相关性，⽽LLMs最终是根据这些meta SCM的数据进⾏训练的。
如果假设成⽴，那么这就意味着LLMs就像鹦鹉⼀样，它们只是简单地背诵数据中蕴含的因果知识。最后的实证分析提供了有利的证据，证明当前的LLMs是弱因果鹦鹉（causal parrots）。