研究人员揭示了大脑和语言学习领域人工智能创新的路线图

人类的标志之一是语言，但现在，强大的新型人工智能工具也可以作诗、写歌，并与人类用户进行广泛的对话。ChatGPT和Gemini等工具只需轻按一下按钮即可广泛使用，但这些人工智能到底有多聪明?

由佐治亚理工学院心理学院助理教授Anna(Anya)Ivanova和德克萨斯大学奥斯汀分校语言学系助理教授KyleMahowald共同领导的一项新的多学科研究工作正在努力揭示只是。

他们的研究结果可能会催生出比以往任何时候都更类似于人类大脑的创新型人工智能，同时也能帮助神经科学家和心理学家挖掘我们心灵的秘密。

这项研究“在大型语言模型中分离语言和思维”发表在《认知科学趋势》上。该论文的早期预印本已于2023年1月发布。研究团队继续完善最终期刊出版物的研究。

“当我们完成预印本时，ChatGPT就可用了，”Ivanova解释道。“在过去的一年里，我们有机会根据新一代模型(现在包括ChatGPT)更新我们的论点。”

形式与功能

该研究重点关注大型语言模型(LLM)，其中包括ChatGPT等人工智能。LLM是文本预测模型，通过预测句子中下一个单词来创建写作，就像手机或Gmail等电子邮件服务可能会建议您下一个可能想写哪个单词一样。然而，虽然这种类型的语言学习在创造连贯的句子方面非常有效，但这并不一定意味着智力。

伊万诺娃的团队认为，形式能力(创造一个结构良好、语法正确的句子)应该与功能能力(回答正确的问题、传达正确的信息或适当的沟通)区分开来。该团队还发现，虽然接受过文本预测培训的法学硕士通常非常擅长正式技能，但他们在功能技能方面仍然存在困难。

“我们人类倾向于将语言和思想混为一谈，”伊万诺娃说。“我认为，当我们试图弄清楚这些模型的能力时，要记住这一点很重要，因为利用这种能力来擅长语言，擅长形式能力，导致许多人认为人工智能他们也善于思考——即使事实并非如此。

伊万诺娃解释说：“这是我们在数千年的进化过程中与其他人类互动时开发的一种启发式方法，但现在在某些方面，这种启发式方法已经被打破了。”

伊万诺娃补充道，形式能力和功能能力之间的区别对于严格测试人工智能的能力也至关重要。评估通常不区分形式能力和功能能力，因此很难评估哪些因素决定模型的成功或失败。开发不同测试的必要性是该团队更广泛接受的发现之一，并且该领域的一些研究人员已经开始实施。

创建模块化系统

虽然人类将功能能力和形式能力混为一谈的倾向可能在过去阻碍了对法学硕士的理解，但我们的人脑也可能是解锁更强大人工智能的关键。

在麻省理工学院(MIT)担任博士后助理期间，伊万诺娃和她的团队利用认知神经科学工具，通过功能磁共振成像研究了神经典型个体的大脑活动，并利用对脑损伤个体的行为评估来测试大脑区域在语言和认知——既进行新的研究，又借鉴以前的研究。研究小组的结果表明，人类大脑使用不同的区域来发挥功能和形式能力，进一步支持了人工智能的这种区别。

“我们的研究表明，大脑中有一个语言处理模块和独立的推理模块，”伊万诺娃说。这种模块化也可以作为如何开发未来人工智能的蓝图。

“基于人类大脑的洞察——语言处理系统与支持我们思考能力的系统截然不同——我们认为语言与思维的区别在概念上对于思考、评估和改进大型语言模型非常重要，尤其是鉴于最近为这些模型注入类人智能的努力，”伊万诺娃的前顾问、研究合著者、麻省理工学院大脑和认知科学教授、麦戈文大脑研究所成员EvelinaFedorenko说道。

按照人脑模式开发人工智能可以帮助创建更强大的系统，同时也帮助它们更自然地与人类用户结合。“一般来说，机制内部结构的差异会影响行为，”伊万诺娃说。“建立一个具有类似于人脑的广泛宏观组织的系统可以帮助确保它在未来可能与人类更加一致。”

在快速发展的人工智能世界中，这些系统的实验时机已经成熟。在该团队的预印本发布后，OpenAI宣布他们打算在其GPT模型中添加插件。

“该插件系统实际上与我们建议的非常相似，”伊万诺娃补充道。“它采用模块化方法，其中语言模型可以成为系统内另一个专用模块的接口。”

虽然OpenAI插件系统将包括预订航班和订餐等功能，而不是受认知启发的功能，但它表明“该方法具有很大的潜力”，伊万诺娃说。

人工智能的未来——以及它可以告诉我们关于我们自己的什么

虽然我们自己的大脑可能是解锁更好、更强大的人工智能的关键，但这些人工智能也可能帮助我们更好地了解自己。伊万诺娃解释说：“当研究人员试图研究大脑和认知时，拥有一些较小的系统通常很有用，您可以在其中实际进入并探索并了解正在发生的事情，然后再了解巨大的复杂性。”

然而，由于人类语言是独特的，模型或动物系统更难以关联。这就是法学硕士的用武之地。

她补充道，“大脑的研究与人工神经网络(如大型语言模型)的研究有很多令人惊讶的相似之处。”“它们都是信息处理系统，具有生物或人工神经元来执行计算。”

在许多方面，人脑仍然是一个黑匣子，但公开可用的人工智能提供了一个独特的机会来观察合成系统的内部运作和修改变量，并以前所未有的方式探索这些相应的系统。

“这是一个非常棒的模型，我们可以对其进行很大的控制，”伊万诺娃说。“神经网络——它们太神奇了。”