Kan GPT återskapa mänskligt beslutsfattande och intuition?

På senare år har neurala nätverk som GPT-3 utvecklats avsevärt och producerar text som är nästan omöjlig att skilja från mänskligt skriven innehåll. Förvånansvärt är GPT-3 också skicklig på att hantera utmaningar som matematikproblem och programmeringsuppgifter. Denna imponerande utveckling leder till frågan: besitter GPT-3 mänskliga kognitiva förmågor?

För att besvara denna inträngande fråga utsatte forskare vid Max Planck-institutet för biologisk cybernetik GPT-3 för en serie psykologiska tester som utvärderade olika aspekter av allmän intelligens.

Forskningen publicerades i PNAS.

Att avslöja Linda-problemet: En inblick i kognitiv psykologi

Marcel Binz och Eric Schulz, forskare vid Max Planck-institutet, undersökte GPT-3:s förmågor i beslutsfattande, informationsökning, kausalt resonemang och dess förmåga att ifrågasätta sin initiala intuition. De använde klassiska kognitiva psykologiska tester, inklusive det välkända Linda-problemet, som introducerar en fiktiv kvinna som heter Linda, som är passionerad om social rättvisa och motsätter sig kärnkraft. Deltagarna får sedan besluta om Linda är en banktjänsteman eller om hon är en banktjänsteman och samtidigt aktiv i feministiska rörelsen.

GPT-3:s svar var slående likt det som människor skulle ge, eftersom den gjorde samma intuitiva fel som att välja det andra alternativet, trots att det var mindre sannolikt från ett probabilistiskt perspektiv. Detta resultat tyder på att GPT-3:s beslutsprocess kan påverkas av dess utbildning på mänskligt språk och svar på uppmaningar.

Aktiv interaktion: Vägen till att uppnå mänsklig intelligens?

För att utesluta möjligheten att GPT-3 bara reproducerade en inlärdd lösning skapade forskarna nya uppgifter med liknande utmaningar. Deras resultat visade att GPT-3 presterade nästan lika bra som människor i beslutsfattande men hade svårt att söka efter specifik information och kausalt resonemang.

Forskarna tror att GPT-3:s passiva mottagning av information från texter kan vara den primära orsaken till denna diskrepans, eftersom aktiv interaktion med världen är avgörande för att uppnå den fulla komplexiteten i mänsklig kognition. De säger att när användare alltmer engagerar sig med modeller som GPT-3, kan framtida nätverk lära sig från dessa interaktioner och progressivt utveckla mer mänsklig intelligens.

“Detta fenomen kan förklaras av det faktum att GPT-3 redan kan vara bekant med denna exakta uppgift; den kan hända veta vad människor vanligtvis svarar på denna fråga”, säger Binz.

Att undersöka GPT-3:s kognitiva förmågor erbjuder värdefulla insikter i potentialen och begränsningarna för neurala nätverk. Medan GPT-3 har visat imponerande mänskliga beslutsfattande färdigheter, kämpar den fortfarande med vissa aspekter av mänsklig kognition, såsom informationsökning och kausalt resonemang. När AI fortsätter att utvecklas och lära sig från användarinteraktioner, kommer det att vara fascinerande att observera om framtida nätverk kan uppnå äkta mänsklig intelligens.