會上，張鈸院士以《語言大模型（ChatGPT）的本質》為題，對聊天（對話）機器人的發展歷史進行回顧，對語言大模型究竟要解決什么問題進行了探討。張院士通過實例系統介紹了以微軟小冰、IBM沃森等為代表的第一、二代聊天機器人的能力，以及以ChatGPT為代表的最新一代語言模型的語言生成能力，分析了人工智能實現對話或聊天的原理和本質，闡釋了ChatGPT的性能、原理和局限性。

“ChatGPT語言跟人類自然語言生成原理最本質的區別是，ChatGPT生成的語言是外部算法驅動的，而人類的語言是由自身主觀意圖驅動的。GPT是將人類投喂的數據作為其接收的‘知識’來處理的，受制于程式算法的GPT，在處理這些外來‘知識’時，實際是不具備反思能力的。”談及以ChatGPT為代表的AI大模型局限性，張鈸表示，機器的“神經學習”并無相應的人類的心理過程，而只是機械的文字和數字符號的計算。

報告中他也補充稱，隨著數據、算法等核心要素的不斷升級迭代，生成式大模型未來可能會突破人為限制，提升到自主創作層次，從理論上實現高質量內容生態的無限供給。但當前重要的是，需要對ChatGPT語言進行深入的研究和理解，而不是一味追求機器算法語言與人類自然語言的“對齊”。在張鈸看來，某種程度上，生成式大模型正是機器認知智能發展到當下階段的典型代表，這類智能和人類智能各有優劣，而在做大量“對齊”的治理后，大模型智能所生成的文本多維度和豐富性反而會下降，并不利于機器“智能涌現”的創新。他相信，只有人機認知協作才有可能應對未來社會或將帶來的算力和認知挑戰。

他同時還強調了對語言大模型實施必要的道德倫理監管及治理的重要性。