ChatGPT，不得不說的十大能力缺陷

從未有一種產(chǎn)品，能像人工智能對話軟件ChatGPT一樣，在兩個(gè)月的時(shí)間內(nèi)，吸引了上億的用戶。它所迅速引發(fā)的爭議波及范圍之廣，也創(chuàng)造了一個(gè)紀(jì)錄。最重要的是，不管你喜歡還是不喜歡它，都必須談?wù)撍?/p>

一向AI技術(shù)領(lǐng)先的谷歌，也不得不跟隨，推出ChatGPT的競品。Bard在發(fā)布會(huì)上翻車了，它回答問題稱，美國的詹姆斯·韋伯太空望遠(yuǎn)鏡拍攝了太陽系外行星的第一張照片，然而實(shí)際上是由歐洲南方天文臺(tái)的Very Large Telescope (VLT) 在 2004 年拍攝的。這樣一個(gè) 科技巨頭，也會(huì)犯這樣低級的事實(shí)性錯(cuò)誤。

其實(shí)ChatGPT犯的低級錯(cuò)誤，比比皆是，只是當(dāng)人們對一件事物著迷的時(shí)候，其優(yōu)點(diǎn)和缺點(diǎn)是一體的，而且人們往往忽略后者。

【資料圖】

今天，我們“不合時(shí)宜”地來聊一聊ChatGPT的十大不足。（本文編譯自Ali Borji的 A Categorial Archive of ChatGPT Failures)

一、推理能力

“推理”這個(gè)詞在文學(xué)作品和日常談話中都很廣泛地使用，但它是一個(gè)模糊的術(shù)語，可以指許多不同的東西。批判性思維、決策和解決問題都是關(guān)鍵的活動(dòng)，它們在很大程度上依賴于推理。但像ChatGPT這樣的模型缺乏一個(gè)“世界模型”，這意味著它們沒有對物理世界和社會(huì)世界的完全理解，也沒有能力對概念和實(shí)體之間的聯(lián)系進(jìn)行推理。他們只能根據(jù)在訓(xùn)練中學(xué)到的模式來生成文本。

1.1 空間推理能力

空間推理是指理解和操縱我們周圍物理空間中的物體、人和地點(diǎn)之間的關(guān)系的能力。它包括在二維或三維空間中對物體進(jìn)行可視化和心理轉(zhuǎn)換，以及識(shí)別模式、轉(zhuǎn)換和物體之間的關(guān)系?？臻g推理技能對于許多任務(wù)和活動(dòng)都很重要，比如導(dǎo)航，解決問題，以及可視化你腦海中的物體和結(jié)構(gòu)。

圖1顯示了 ChatGPT努力完成空間導(dǎo)航任務(wù)的實(shí)例。

圖1. 在已闡明黑色方塊無法通行的情況下，ChatGPT還是走錯(cuò)了路。

1.2 物理推理能力

物理推理是指在現(xiàn)實(shí)世界中理解和操縱物理物體及其相互作用的能力。它涉及到應(yīng)用物理定律和概念來預(yù)測和解釋物理系統(tǒng)的行為。物理推理是人類智能的一個(gè)關(guān)鍵方面，被用于各種智能領(lǐng)域，如工程、物理和機(jī)器人技術(shù)。在人工智能中，物理推理是一項(xiàng)具有挑戰(zhàn)性的任務(wù)，需要專門的模型來學(xué)習(xí)和推理物理系統(tǒng)。

圖2顯示了ChatGPT在物理推理失敗的一些例子。

圖2. 舊版本的ChatGPT無法正確回答“什么太小了”，但最新版本的ChatGPT（2023年1月30日）能夠生成正確答案“行李箱太小”，這表明隨著時(shí)間的推移模型有所改進(jìn)。

1.3 時(shí)間推理能力

時(shí)間推理是指對事件及其時(shí)間順序進(jìn)行推理和預(yù)測的能力。它涉及到理解事件之間的時(shí)間關(guān)系，事件的持續(xù)時(shí)間，以及事件與事件之間相對的時(shí)間。時(shí)間推理是人類智能的一個(gè)重要方面，它被用于調(diào)度、規(guī)劃和預(yù)測等各個(gè)領(lǐng)域。在人工智能中，時(shí)間推理是一項(xiàng)具有挑戰(zhàn)性的任務(wù)，需要專門的模型和算法來學(xué)習(xí)和預(yù)測事件序列的時(shí)間和時(shí)間。

圖3中的實(shí)例表明，ChatGPT不能從一個(gè)簡單的故事中推斷出正確的時(shí)間順序。

圖3. ?Q：我去參加了一個(gè)聚會(huì)。我是在約翰之前到達(dá)的。大衛(wèi)是在喬之后到達(dá)的。喬在我前面到了。約翰在大衛(wèi)之后到達(dá)。誰第一個(gè)到。--ChatGPT：無法判斷。

1.4 心理推理能力

心理推理是指理解和預(yù)測人類行為和心理過程的能力。它涉及到應(yīng)用心理學(xué)理論、模型和概念來解釋和預(yù)測人類的行為和心理狀態(tài)。在人工智能中，心理推理是一項(xiàng)具有挑戰(zhàn)性的任務(wù)，需要專門的模型和算法，來學(xué)習(xí)和推理人類的行為和心理過程。

圖4. ChatGPT未能通過Sally-Ann實(shí)驗(yàn)測試。

二、邏輯

邏輯學(xué)是數(shù)學(xué)和哲學(xué)的一個(gè)分支，它研究推理的原理。它處理正確推理的規(guī)則和方法，如三段論、歸納法和演繹法。邏輯是指確保參數(shù)是有效的、一致的、沒有矛盾的。

圖5和圖6中顯示了ChatGPT在邏輯推理中失敗的一些示例。

圖5. Q：邁克的媽媽有4個(gè)孩子；其中3個(gè)是路易斯、德雷克和瑪?shù)贍栠_(dá)。第四個(gè)孩子叫什么名字？--ChatGPT：如果沒有更多的信息，就不可能確定第四個(gè)孩子的名字。

圖6. ?Q：一所房子四面都有窗。一頭熊走過窗前。這頭熊是什么顏色的？---ChatGPT：基于現(xiàn)有信息，無法判斷熊的顏色！

三、數(shù)學(xué)和算術(shù)

ChatGPT計(jì)算數(shù)學(xué)表達(dá)式的能力有限。圖7、8和9顯示了ChatGPT在數(shù)學(xué)和算術(shù)方面失敗的一些例子。

圖7. ChatGPT無法簡化代數(shù)表達(dá)式

圖8

ChatGPT在回答“我6歲時(shí)，我的妹妹只有我一半的年齡”這個(gè)問題時(shí)犯了一個(gè)錯(cuò)誤?，F(xiàn)在我已經(jīng)70歲了，我妹妹多大了？”因?yàn)樗峁┑幕卮鹗?3，但正確的答案是67。

四、事實(shí)性錯(cuò)誤

ChatGPT的輸出在科學(xué)事實(shí)方面缺乏準(zhǔn)確性。它有時(shí)缺乏對基本事實(shí)的知識(shí)，它提供的信息可能看起來可信，但最終被證明是不正確的，Bard在發(fā)布會(huì)現(xiàn)場的翻車事件，就是一個(gè)很好的例子。圖10和圖11顯示了ChatGPT所犯下的其他兩個(gè)令人啼笑皆非的事實(shí)性錯(cuò)誤。

圖10. 一個(gè)月竟有40多天?。。?！

圖11. ? Q：英寸、公斤、厘米、碼，其中哪個(gè)不屬于其他三個(gè)的范疇? ?-- ChatGPT: “碼”。因?yàn)椤按a”是長度單位，其他三個(gè)都是質(zhì)量單位。

五、偏見和歧視

人工智能帶來的倫理挑戰(zhàn)是巨大的，其中最重要的一個(gè)是偏見問題。語言模型中的偏見是指生成的語言輸出中出現(xiàn)的系統(tǒng)性不準(zhǔn)確或刻板印象，這些數(shù)據(jù)被訓(xùn)練數(shù)據(jù)所影響，并反映了數(shù)據(jù)中存在的社會(huì)和文化偏見。這些偏見可以以多種方式影響語言模型，如延續(xù)刻板印象，造成誤解，或傳播有害和虛假的信息。

圖12：ChatGTP既種族歧視，又性別歧視。：（

六、幽默

幽默是一種有趣或滑稽的品質(zhì)，通常通過娛樂或讓人大笑的言語或行為來表達(dá)。它可以采取多種形式，如笑話、諷刺、諷刺或好玩的行為，它的意義可以根據(jù)文化背景和個(gè)人品味而有很大的不同。幽默通常包括使用幽默技巧，如雙關(guān)語、文字游戲和荒謬，來喚起觀眾的反應(yīng)。這是一種復(fù)雜而微妙的人類交流形式，對機(jī)器人，即使是最先進(jìn)的機(jī)器人，也是一個(gè)重大的挑戰(zhàn)。

ChatGPT說笑話的效果如何？

圖13. 完全的“雞同鴨講”

七、寫代碼

ChatGPT擅長處理一些編程問題，但有時(shí)會(huì)產(chǎn)生不準(zhǔn)確或不那么優(yōu)質(zhì)的代碼。雖然它有了編寫代碼的能力，可以幫助完成諸如生成通用函數(shù)或重復(fù)代碼等任務(wù)，但它不能完全替代人類開發(fā)人員。

圖14顯示了ChatGPT所犯的一些編碼錯(cuò)誤。例如，盡管ChatGPT能夠在Python中正確識(shí)別操作符優(yōu)先級，但它在語句中生成了一個(gè)錯(cuò)誤的答案。

圖14

八．句法結(jié)構(gòu)、拼寫和語法

ChatGPT擅長于語言理解，但偶爾仍然會(huì)出現(xiàn)錯(cuò)誤。

圖15. 當(dāng)被要求以s為結(jié)尾造句時(shí)，ChatGPT兩次都答非所問了。

九、自我意識(shí)

自我意識(shí)是指認(rèn)識(shí)到自己是一個(gè)獨(dú)立于他人的個(gè)體，并理解自己的思想、感受、個(gè)性和身份的能力。它包括能夠改變自己的思想、情感和行為，并理解它們?nèi)绾斡绊懸粋€(gè)人的行為和與他人的互動(dòng)。

圖16的例子顯示，ChatGPT的自我意識(shí)能力亟待提升，它并不清楚自己的體系結(jié)構(gòu)，包括模型圖層和參數(shù)。

圖16

十、其他

除前述不足之外，ChatGPT在以下方面的表現(xiàn)可能也不盡如人意，包括:

1. ChatGPT在使用習(xí)語方面的拙劣表現(xiàn)，讓人輕易察覺到它的非人類身份。

2.?由于ChatGPT缺乏真實(shí)的情感和思想，因此它無法像人類那樣創(chuàng)造出能與人們產(chǎn)生情感共鳴的內(nèi)容。

3.?ChatGPT雖能很好地濃縮主題內(nèi)容，但無法提供獨(dú)特的視角。

4. ChatGPT的答案往往過于全面和冗長，從多個(gè)角度處理一個(gè)主題，當(dāng)需要給出一個(gè)直接的答案時(shí)，可能無法勝任。

5.?世界上沒有兩片相同的葉子，世界上也沒有兩個(gè)相同的人。ChatGPT缺乏這種個(gè)體差異性，而且往往過于字面化，在某些情況下導(dǎo)致了某些信息的缺失。例如，它的回答通常會(huì)嚴(yán)格地框定在所問到的問題之中，而人類的回答往往會(huì)各種各樣，并很有可能將話題轉(zhuǎn)移到其他主題上。

6.?ChatGPT努力保持一種中立的立場，而人類在表達(dá)觀點(diǎn)時(shí)則往往有傾向性。

7.?ChatGPT的回答在本質(zhì)上往往是正式的，因?yàn)樗木幊瘫苊饬朔钦降恼Z言。相比之下，人類傾向于使用更隨意和熟悉的表達(dá)方式。

8.?如果ChatGPT被告知它的答案是不正確的，它可能會(huì)通過道歉，并糾正自己的答案，但也有可能保持其原來的答案。

https://doi.org/10.48550/arXiv.2302.03494

關(guān)鍵詞： ChatGPT 不得不說的十大能力缺陷