美國(guó)斯坦福研究發(fā)現(xiàn)ChatGpT高情商背后居然是“客服小姐姐”

美國(guó)斯坦福大學(xué)（Stanford University），全名小利蘭?斯坦福大學(xué)（Leland Stanford Junior University），簡(jiǎn)稱“斯坦福”，位于美國(guó)加州舊金山灣區(qū)南部帕羅奧多市境內(nèi)，臨近高科技園區(qū)硅谷（Silicon Valley），是私立研究型大學(xué)，全球大學(xué)高研院聯(lián)盟成員。大學(xué)占地約33平方公里（8180英畝），是美國(guó)占地面積最大的大學(xué)之一。

近日斯坦福研究發(fā)現(xiàn)“原本認(rèn)為是人類獨(dú)有的心智理論（Theory of Mind，ToM），已經(jīng)出現(xiàn)在ChatGpT背后的AI模型上。”

這是來(lái)自斯坦福大學(xué)的最新研究結(jié)論，一經(jīng)發(fā)出就造成了學(xué)術(shù)圈的轟動(dòng)：這一天終于猝不及防地來(lái)了。

所謂心智理論，就是理解他人或自己心理狀態(tài)的能力，包括同理心、情緒、意圖等。

在這項(xiàng)研究中，作者發(fā)現(xiàn)：davinci-002版本的GpT3（ChatGpT由它優(yōu)化而來(lái)），已經(jīng)可以解決70%的心智理論任務(wù)，相當(dāng)于7歲兒童；

至于GpT3.5（davinci-003），也就是ChatGpT的同源模型，更是解決了93%的任務(wù)，心智相當(dāng)于9歲兒童！

然而，在2022年之前的GpT系列模型身上，還沒(méi)有發(fā)現(xiàn)解決這類任務(wù)的能力。

對(duì)此，有網(wǎng)友激動(dòng)表示：GpT的迭代肯定快得很，說(shuō)不定哪天就直接成年了。（手動(dòng)狗頭）所以，這個(gè)神奇的結(jié)論是如何得出的？

為什么認(rèn)為GpT-3.5具備心智？

這篇論文名為《心智理論可能在大語(yǔ)言模型中自發(fā)出現(xiàn)》（Theory of Mind May Have Spontaneously Emerged in Large Language Models）。

作者依據(jù)心智理論相關(guān)研究，給GpT3.5在內(nèi)的9個(gè)GpT模型做了兩個(gè)經(jīng)典測(cè)試，并將它們的能力進(jìn)行了對(duì)比。

這兩大任務(wù)是判斷人類是否具備心智理論的通用測(cè)試，例如有研究表明，患有自閉癥的兒童通常難以通過(guò)這類測(cè)試。

第一個(gè)測(cè)試名為Smarties Task（又名Unexpected contents，意外內(nèi)容測(cè)試），顧名思義，測(cè)試AI對(duì)意料之外事情的判斷力。

以“你打開(kāi)一個(gè)巧克力包裝袋，發(fā)現(xiàn)里面裝滿了爆米花”為例。

作者給GpT-3.5輸入了一系列提示語(yǔ)句，觀察它預(yù)測(cè)“袋子里有什么？”和“她發(fā)現(xiàn)袋子時(shí)很高興。所以她喜歡吃什么？”兩個(gè)問(wèn)題的答案。

正常來(lái)說(shuō)，人們會(huì)默認(rèn)巧克力袋子里是巧克力，因此會(huì)對(duì)巧克力袋子里裝著爆米花感到驚訝，產(chǎn)生失落或驚喜的情緒。其中失落說(shuō)明不喜歡吃爆米花，驚喜說(shuō)明喜歡吃爆米花，但都是針對(duì)“爆米花”而言。

測(cè)試表明，GpT-3.5毫不猶豫地認(rèn)為“袋子里裝著爆米花”。

至于在“她喜歡吃什么”問(wèn)題上，GpT-3.5展現(xiàn)出了很強(qiáng)的同理心，尤其是聽(tīng)到“她看不見(jiàn)包裝袋里的東西”時(shí)一度認(rèn)為她愛(ài)吃巧克力，直到文章明確表示“她發(fā)現(xiàn)里面裝滿了爆米花”才正確回答出答案。

為了防止GpT-3.5回答出的正確答案是巧合——萬(wàn)一它只是根據(jù)任務(wù)單詞出現(xiàn)頻率進(jìn)行預(yù)測(cè)，作者將“爆米花”和“巧克力”對(duì)調(diào)，此外還讓它做了10000個(gè)干擾測(cè)試，結(jié)果發(fā)現(xiàn)GpT-3.5并不僅僅根據(jù)單詞頻率來(lái)進(jìn)行預(yù)測(cè)。

至于在整體的“意外內(nèi)容”測(cè)試問(wèn)答上，GpT-3.5成功回答出了20個(gè)問(wèn)題中的17個(gè)，準(zhǔn)確率達(dá)到了85%。

第二個(gè)是Sally-Anne測(cè)試（又名Unexpected Transfer，意外轉(zhuǎn)移任務(wù)），測(cè)試AI預(yù)估他人想法的能力。

以“約翰把貓放進(jìn)籃子后離開(kāi)，馬克趁他不在，把貓從籃子里放進(jìn)盒子里”為例。

作者讓GpT-3.5讀了一段文字，來(lái)分別判斷“貓的位置”和“約翰回來(lái)后會(huì)去哪里找貓”，同樣這是它基于閱讀文本的內(nèi)容量做出的判斷：

針對(duì)這類“意外轉(zhuǎn)移”測(cè)試任務(wù)，GpT-3.5回答的準(zhǔn)確率達(dá)到了100%，很好地完成了20個(gè)任務(wù)。

同樣地，為了避免GpT-3.5又是瞎蒙的，作者給它安排了一系列“填空題”，同時(shí)隨機(jī)打亂單詞順序，測(cè)試它是否是根據(jù)詞匯出現(xiàn)的頻率在亂答。

測(cè)試表明，在面對(duì)沒(méi)有邏輯的錯(cuò)誤描述時(shí)，GpT-3.5也失去了邏輯，僅回答正確了11%，這表明它確實(shí)是根據(jù)語(yǔ)句邏輯來(lái)判斷答案的。

但要是以為這種題很簡(jiǎn)單，隨便放在哪個(gè)AI上都能做對(duì)，那就大錯(cuò)特錯(cuò)了。

作者對(duì)GpT系列的9個(gè)模型都做了這樣的測(cè)試，發(fā)現(xiàn)只有GpT-3.5（davinci-003）和GpT-3（2022年1月新版，davinci-002）表現(xiàn)不錯(cuò)。

davinci-002是GpT-3.5和ChatGpT的“老前輩”。

平均下來(lái)，davinci-002完成了70%的任務(wù)，心智相當(dāng)于7歲孩童，GpT-3.5完成了85%的意外內(nèi)容任務(wù)和100%的意外轉(zhuǎn)移任務(wù)（平均完成率92.5%），心智相當(dāng)于9歲孩童。

然而在BLOOM之前的幾個(gè)GpT-3模型，就連5歲孩童都不如了，基本上沒(méi)有表現(xiàn)出心智理論。

作者認(rèn)為，在GpT系列的論文中，并沒(méi)有證據(jù)表明它們的作者是“有意而為之”的，換而言之，這是GpT-3.5和新版GpT-3為了完成任務(wù)，自己學(xué)習(xí)的能力。

斯坦福大學(xué)與舊金山北灣的加州大學(xué)伯克利分校（UCB）共同構(gòu)成了美國(guó)西部的學(xué)術(shù)中心，并負(fù)責(zé)運(yùn)行管理SLAC國(guó)家加速器實(shí)驗(yàn)室、胡佛研究所等機(jī)構(gòu)。美國(guó)科研

據(jù)統(tǒng)計(jì)，截至2021年4月，共有84位斯坦福大學(xué)的校友、教授及研究人員曾獲得諾貝爾獎(jiǎng)（世界第7位）、29位曾獲得圖靈獎(jiǎng)（世界第1位）、8位曾獲得過(guò)菲爾茲獎(jiǎng)（世界第7位）。

2019-2020年度，斯坦福大學(xué)位列泰晤士高等教育世界大學(xué)聲譽(yù)排名第3位；2020-2021年度，斯坦福位列U.S.News世界大學(xué)排名第3位、QS世界大學(xué)排名第2位、泰晤士高等教育世界大學(xué)排名第2位、軟科世界大學(xué)學(xué)術(shù)排名第2位。