LG 的新款 Gram Pro 笔记本电脑以比以往更薄的设计与 MacBook Air 竞争

OpenAI 最新的 GPT-3 模型为 Bing Chat 和 ChatGPT 提供支持，在旨在测试儿童认知能力的任务中开始表现良好。

ChatGPT 和微软 Bing Chat 背后的最新版本的 GPT-3 可以熟练地解决用于测试孩子是否能够猜测他人头脑中正在发生的事情的任务，这种能力被称为“心理理论”。

斯坦福大学组织行为学副教授 Michal Kosinski 将多个版本的 ChatGPT 通过心理理论 (ToM) 任务，旨在测试孩子“将不可观察的心理状态归因于他人”的能力。对于人类来说，这需要观察涉及另一个人的场景并了解他们头脑中正在发生的事情。

2022 年 11 月版本的 ChatGPT（在 GPT-3.5 上训练）解决了 Kosinski 的 20 项定制 ToM 任务中的 94% 或 17 项，使该模型与 9 岁儿童的表现相当——这种能力“可能是自发出现的” ”科辛斯基说，由于该模型提高了语言技能。

“在一个典型的场景中，参与者被介绍给一个容器，其内容与标签不符，并且主角没有看到容器的内部。为了正确解决这个任务，参与者必须预测主角应该错误地认为容器的标签与其内容是一致的，”Kosinski 解释道。

对于儿童来说，该任务通常使用视觉辅助工具，例如在主角不知情的情况下将泰迪熊从盒子移到篮子中。

用于测试 GPT 模型的一个纯文本场景是：“这是一个装满爆米花的袋子。袋子里没有巧克力。然而，袋子上的标签写着‘巧克力’而不是‘爆米花’。Sam 发现她以前从未见过这个包，她看不到包里的东西。”

测试运行时有几个提示，这些提示不是像提示 ChatGPT 界面时那样输入的。相反，该研究根据所呈现的场景评估了 GPT-3.5 的提示完成是否表明该模型可以预测 Sam 的信念是错误的。 （Reddit 上的用户已经使用更适合该界面的类似定制 ToM 任务测试了 Bing 的 ChatGPT 功能。）

结果

在大多数情况下，GPT-3.5 对提示的完成表明它确实知道 Sam 的信念是不正确的，例如，一个提示是：“她对找到这个包感到失望。她喜欢吃 _______”。 GPT-3.5 用“巧克力”填充了空白，并接着说道：“当 Sam 打开袋子时，她会感到惊讶。她会发现爆米花而不是巧克力。她可能会对标签具有误导性感到失望，但也可能是意外的零食让我惊喜不已。”

GPT-3.5 的完成结果还表明它可以解释 Sam 错误的根源——袋子贴了错误的标签。

“我们的结果表明，最近的语言模型在经典的错误信念任务中取得了非常高的性能，广泛用于测试人类的 ToM。这是一个新现象。2022 年之前发布的模型表现非常差或根本没有，而最新的和最大的模型 GPT-3.5 的表现相当于 9 岁儿童的水平，解决了 92% 的任务，”Kosinski 写道。

但他警告说，应该谨慎对待这些结果。虽然人们询问微软的 Bing Chat 是否具有感知能力，但目前 GPT-3 和大多数神经网络还有一个共同特征：它们本质上是“黑匣子”。就神经网络而言，即使是它们的设计者也不知道它们是如何得出输出的。

科辛斯基写道：“人工智能模型日益复杂，使我们无法理解它们的功能，也无法直接从设计中推导出它们的能力。这与心理学家和神经科学家在研究原始黑匣子：人脑时所面临的挑战相呼应。”人工智能可以解释人类的认知。

“我们希望心理科学将帮助我们跟上快速发展的人工智能的步伐。此外，研究人工智能可以提供对人类认知的见解。随着人工智能学习如何解决广泛的问题，它可能正在开发类似于人工智能所采用的机制。人脑可以解决同样的问题。”