“我們最終會(huì)進(jìn)入這樣一個(gè)世界：99%的智能由人工智能提供，而1%的人類智能將作為人工智能的后盾。那么，1%的人類智能需要專注于什么領(lǐng)域？最有趣的領(lǐng)域是，我們?nèi)绾卫眠@1%的人類智能來(lái)監(jiān)督代理。”causaLens創(chuàng)始人兼首席執(zhí)行官Darko Matovski在2024年世界經(jīng)濟(jì)論壇新領(lǐng)軍者年會(huì)(夏季達(dá)沃斯)上表示，AI對(duì)人類社會(huì)更重要的影響在于改變公司和政府的決策方式，在這樣的世界中需要平衡AI和人類職責(zé)。

causaLens于2020年發(fā)布了世界首個(gè)因果型人工智能（因果型AI）。因果AI模型關(guān)注的是理解因果關(guān)系。因果AI模型通常需要設(shè)計(jì)實(shí)驗(yàn)來(lái)驗(yàn)證因果關(guān)系，更多地用于科學(xué)研究和決策支持。而GPT等大規(guī)模的深度學(xué)習(xí)模型從大量數(shù)據(jù)中得到學(xué)習(xí)和訓(xùn)練，擅長(zhǎng)處理和生成自然語(yǔ)言，能夠進(jìn)行高質(zhì)量的文本生成、翻譯、回答問(wèn)題等任務(wù)。

例如，企業(yè)經(jīng)營(yíng)中會(huì)產(chǎn)出量化數(shù)據(jù)，讓LLM來(lái)理解這些數(shù)字就像讓一個(gè)英語(yǔ)博士去證明數(shù)學(xué)問(wèn)題，LLM擅長(zhǎng)的能力與任務(wù)并不匹配，而在量化數(shù)據(jù)和數(shù)字方面表現(xiàn)優(yōu)異。Matovski指出，創(chuàng)建一個(gè)能夠理解數(shù)字、語(yǔ)言和視覺(jué)的多模態(tài)世界將會(huì)是真正的突破技術(shù)，因果模型能夠提供可靠的答案，LLM則能將結(jié)果以容易理解的自然語(yǔ)言呈現(xiàn)給用戶。