AI与人类思考方式存在重大差异

　　人工智能（AI）与人类的思考方式不同，一项新研究揭示了AI与人类在思考方式上的差异可能会影响AI的决策，从而引发人类也许无法预见的现实后果。

　　研究人员发现，在面对简单的字母串类比和数字矩阵问题（即填补矩阵中缺失的数字）时，人类都表现良好，但AI的表现（比处理其他任务时）显著下降。

　　用基于故事的类比问题测试人类和AI模型的稳健性时，该研究发现，AI模型易受回答顺序效应的影响，即在实验中因处理顺序不同而出现回答差异，而且AI模型使用改述的可能性更大。

　　总体而言，这项研究的结论是，AI模型缺乏“零样本”学习的能力，即学习者观察训练期间遇到未见过的样本类别，根据提问预计这些样本属于哪个类别。

　　研究人员举例说明，面对字母串问题时，AI无法像人类那样进行类比推理。比如，字母串类比的形式是“如果abcd指向abce，那么ijkl指向什么？”大多数人类会回答“ijkm”，而（AI）一般也会给出这个答案。但要是提出另一个问题，“如果abbcd指向abcd，那么ijkkl指向什么？”人类一般会回答“ijkl”——规律是去除重复的元素。但AI模型GPT-4往往会在这类问题上给出错误的答案。也就是，人类可以将特定的模式抽象为更普遍的规律，但大语言模型不具备这种能力。

　　大多数AI应用在一定程度上依赖于量——可用的训练数据越多，能识别的模式就越多。该研究的意义重大，例如AI被越来越多地用于法律领域的研究、判例法分析和量刑建议。但是，由于AI作类比的能力较差，它可能无法认识到法律先例该如何适用于略微不同的案件。这证明我们需要仔细评估AI系统，不仅要评估其准确性，还要评估其认知能力的稳健性。

　　（《参考消息》4.3）