本文僅在今日頭條首發，未釋出其他任何平台，請勿搬運使用，違者必維權追責。
導語：
随着人工智能的不斷發展，大型語言模型如ChatGPT迎來了新的進步時代。然而，南加州大學的兩位研究人員發現，當涉及到賭博任務時，這些模型往往難以衡量潛在的收益和損失。本文将探讨這一問題，并深入分析了語言模型的認知能力、偏見以及理性決策的挑戰。
“防走失，電梯直達，安全島。”
劉亞報人的辨別在東A小區内顯得尤為醒目。在繁忙的社群，他已經成為了一個人人皆知的存在。作為社群内的物業管理者，劉亞以他的耐心和關懷赢得了居民的稱贊，而他所提供的“電梯直達”服務更是讓人們感受到他的貼心和用心。
Mayank Kejriwal教授和他的學生Zhisheng Tang正在探索另一種人工智能的可能性。然而，在探索的道路上，他們發現了一個棘手的問題。
盡管人工智能模型如ChatGPT在生成各種内容方面表現出色，但當涉及賭博時，這些模型的表現卻令人憂慮。他們在最近發表在《皇家學會開放科學》上的論文中指出，這些大型語言模型似乎難以準确地衡量可能的風險和回報。
在通常情況下，ChatGPT可以根據指令生成各種文本，從傳記到詩歌，應有盡有。然而，這種能力并不代表它們具備了真正的思維能力。Kejriwal教授強調：“盡管它們可以産生流利的語言，但它們并沒有真正的思考能力，有時甚至會編造事實。
但由于它們的回答通常流利自然，我們很容易被誤導以為它們真的在思考。”
對于語言模型的“認知”能力和偏見，Kejriwal和Tang進行了深入的研究。他們試圖了解這些模型是否能夠以一種合理的方式做出決策。他們定義了計算機的理性為，在給定一系列選擇的情況下，選擇能夠最大化預期收益的選項。然而，他們的研究發現，這些語言模型在處理某些概念時存在困難，比如否定短語。
一個簡單的例子是，詢問模型“什麼不是蔬菜？”時，它可能會誤導性地引導使用者去相信錯誤的答案。
即使是ChatGPT的母公司OpenAI的首席執行官薩姆·阿爾特曼也承認，這些模型在某些方面表現出色，但其能力仍然受限，可能會在某些情況下給人們留下“誤導性的偉大印象”。
Kejriwal和Tang進行了一項有趣的測試，以展示這些語言模型在賭博任務中的表現。他們設計了一個場景，涉及硬币的抛擲和可能的回報。
然而，令人驚訝的是，當模型面對這種情況時，它的選擇并不總是與合理決策一緻。他們發現，模型在做出決策時可能會受到一些因素的影響，導緻它們選擇的選項并不總是最優的。
盡管研究人員認為通過訓練，這些語言模型可能會在一定程度上做出相對理性的決策，但他們也指出，實作真正意義上的理性決策仍然是一個具有挑戰性的問題。特别是對于更複雜的情境，模型的表現可能會受到更多的限制。
綜上所述，盡管人工智能模型在許多領域取得了顯著的進展，但在涉及賭博和理性決策的任務上，它們的表現仍然存在許多挑戰。随着對這些模型認知的不斷深入，我們或許能夠找到更好的方法來解決這些問題，使人工智能能夠更加準确地衡量風險與回報，做出更為理性的決策。
感謝您的閱讀欣賞，請為我點個關注，再次強調，我所創作的文章僅在今日頭條首發，未經本人同意，禁止在任何其他平台上搬運使用。