GPT等AI大語(yǔ)言模型，能夠像人類一項(xiàng)思考推理嗎？

發(fā)布日期： 2025-02-27 閱讀量： 作者： 小編

微信截圖_20250221143806.png

人工智能（AI），特別是像 GPT-4 這樣的大語(yǔ)言模型（LLM），在推理任務(wù)上表現(xiàn)出了令人印象深刻的性能。

但這些 AI 真正實(shí)現(xiàn)了對(duì)抽象概念的l理解嗎？抑或是僅僅停留在了模式模仿層面？

最近，阿姆斯特丹大學(xué)和圣塔菲研究所的一項(xiàng)新研究表明，雖然 GPT 模型在一些推理類比任務(wù)中表現(xiàn)良好，但當(dāng)問(wèn)題發(fā)生改變時(shí)，它們就不行了，這突出了 AI 推理能力的關(guān)鍵弱點(diǎn)。

類比推理是根據(jù)兩個(gè)不同事物在某些方面的相似性來(lái)進(jìn)行比較的能力。這是人類試圖了解世界和做出決定的最常見(jiàn)的方法之一。

舉個(gè)類比推理的例子：杯子之于咖啡，就像湯之于碗。從杯子與咖啡的關(guān)系，類比推理出與湯具有類似關(guān)系的是碗。

像 GPT-4 這樣的大語(yǔ)言模型在各種測(cè)試中表現(xiàn)良好，包括那些需要類比推理的測(cè)試。但是，AI 真的可以進(jìn)行通用的、穩(wěn)?。敯粜裕┑耐评韱幔窟€是過(guò)度依賴于訓(xùn)練數(shù)據(jù)中的模式？

阿姆斯特丹大學(xué)的 Martha Lewis 與圣塔菲研究所的 Melanie Mitchell 在這項(xiàng)研究檢查了 GPT 模型（GPT-3、GPT-3.5、GPT-4）在進(jìn)行類比推理時(shí)是否像人類一樣靈活和穩(wěn)健。考慮到 AI 在現(xiàn)實(shí)世界中被越來(lái)越多地應(yīng)用于決策和解決問(wèn)題，因此，AI 的類比推理能力顯得尤為重要。

他們比較了人類與 GPT 模型在三種不同類型的類比問(wèn)題中的表現(xiàn)：

字母字符串類比——測(cè)試對(duì)字母序列變換規(guī)則的推理；
數(shù)字矩陣推理——分析數(shù)字矩陣模式并補(bǔ)全其中缺失的數(shù)字；
故事類比——理解兩個(gè)故事中的哪一個(gè)更符合給定的例子故事。

除了測(cè)試 GPT 模型是否可以理解原始問(wèn)題外，該研究還測(cè)試了當(dāng)問(wèn)題被微妙修改時(shí)，它們的表現(xiàn)如何。例如，在字母字符串類比中，將打亂的字母順序作為新字母表，或使用非字母符號(hào)代替字母；在數(shù)字矩陣推理中，隨機(jī)放置缺失的數(shù)字位置，或用符號(hào)代替數(shù)字；在故事類比中，調(diào)換答案順序，或保持故事的因果結(jié)構(gòu)但改變表達(dá)內(nèi)容。

論文作者指出，一個(gè)能夠真正理解類比推理的系統(tǒng)應(yīng)該即使面對(duì)這些變化也能保持高性能。

結(jié)果顯示，在字母字符串類比中，對(duì)于簡(jiǎn)單類比，無(wú)論問(wèn)題是否被修改，人類的正確率穩(wěn)定在 75% 左右，而 GPT 在問(wèn)題被修改后正確率顯著下降，例如，GPT 從 45% 下降至 35%。對(duì)于復(fù)雜類比，人類和 GPT 表現(xiàn)都比較差，但人類仍優(yōu)于 GPT。

在數(shù)字矩陣推理中，隨機(jī)放置缺失的數(shù)字位置，人類的正確率穩(wěn)定在 77% 左右，而 GPT 則顯著下降，例如，GPT-4 從 81% 下降至 48%。但符號(hào)代替數(shù)字后，人類和 GPT 均未產(chǎn)生顯著變化。

在故事類比中，GPT 模型更傾向于選擇第一個(gè)給定的答案作為正確答案，而人類不受答案順序的影響。此外，當(dāng)故事的關(guān)鍵元素被改寫時(shí)，GPT 表現(xiàn)的比人類更吃力，這表明 GPT 依賴于表面的相似性，而不是更深層的因果推理。

　　論文作者認(rèn)為，這表明了 AI 的推理通常不如人類靈活，它們的推理與真正的抽象理解無(wú)關(guān)，而是更多地進(jìn)行模式匹配。

　　之前一個(gè)廣泛的假設(shè)是，即像 GPT-4 這樣的人工智能模型具有涌現(xiàn)類比推理能力，可以像人類一樣推理，而這項(xiàng)研究表明事實(shí)并非如此，并指出了其推理的脆弱性。

　　雖然 AI 展示了令人印象深刻的能力，但這并不意味著它們真正理解自己在做什么，它們?cè)诟鞣N變化中的泛化能力仍然遠(yuǎn)遠(yuǎn)弱于人類的認(rèn)知能力，GPT 模型通常依賴于表面模式，而不是深度理解。這也提醒了我們，AI 可以成為一個(gè)強(qiáng)大的工具，但它還不能取代人類的思維和推理。因此，在教育、法律以及醫(yī)療等重要決策領(lǐng)域，使用 AI 需要慎重。

　　論文鏈接：　　

　　Evaluating the Robustness of Analogical Reasoning in Large Language Models

上一篇: 微軟搞出全新新物態(tài)！量子計(jì)算機(jī)要起飛了？

GPT等AI大語(yǔ)言模型，能夠像人類一項(xiàng)思考推理嗎？

隨便看看

GPT等AI大語(yǔ)言模型，能夠像人類一項(xiàng)思考推理嗎？