chatgpt 只会死记硬背吗

本周写两篇关于 chatgpt 的随感,我不善于写文档,所以我的文字多是输出直感和观点,而不是知识,没有关于 chatgpt 的原理和应用,甚至术语也不匹配,反正就是想到哪算哪吧。

都说 chatgpt 没有内在逻辑,只会死记硬背,但中国的中小学生又能好到哪去呢?拼命做题,遍历各种题型,熟读成诵,背会唐诗三百首,不会写来也会偷,这种信仰本身就是对量大出奇迹,力大砖飞的天然依赖,填鸭式应试教育背景下的学生之于 chatgpt,五十步笑百步而已。

chatgpt 没有内在逻辑,学生就懂吗?但问题就在于,量大还真就出奇迹,拼命刷题的还真就比那些埋头于逻辑求真的人考试成绩要好,甚至好很多。

chatgpt 将看到的文字信息编码在一个拥有千亿级参数的神经网络中,chatgpt 本质上就是根据已有的文字描述信息不断获取概率最高的下一个字,所依据的就是这张神经网络本身。

仔细想想,chatgpt 和小孩子学说话很像,不断学着大人说,却不懂什么意思,更不管什么逻辑,他只在乎自己看起来像那么回事,别的什么都不用理解。可当小孩子慢慢长大,当他说的话绝大多数都符合大人们的预期时,他是依然在有样学样地模仿大人还是真的理解了语言的本质,谁又在乎呢?交流没有问题,这就够了,语言就是这么一回事,没人会去实证每一句话的含义和它的逻辑严谨性之间的关系。

当 chatgpt 一本正经地介绍曹雪芹写的 《三国演义》时,它只是中了你的圈套(几个月以前的事了,现在它已经不会轻易上当了),但作为人类的我们自己却经常胡搅蛮缠。当我说 “我们要按时下班,把更多的时间留给自己和家庭,毕竟工作赚钱不是唯一重要的。” 很多人从这句话里得到 “赚钱不重要” 的结论,这符合逻辑吗?所以,逻辑到底是什么?

谈到逻辑就不能不谈数学,从集合的交并补讲起相当于起了一门新课,这些概念对于 chatgpt 很快就能记住并 “理解”。我们每个人都是这么开始学习的,当然,这种学习方法,我们干不过 chatgpt。

不管多么复杂,多么饶舌烧脑的信息,chatgpt 都能很快记住并理解,内化成它自身神经网络的一部分,这张网络越滚越大,直到囊括宇宙所有的知识,包括数学(它是懂阿贝尔群的,甚至可以教别人),物理,艺术。

但根据 chatgpt(甚至其它 AI) 的生成原理来看,有个结界,它无法 “代入” 和 “类比”,也就无法产生直觉。不过并不值得骄傲的是,绝大多数人(如果不是所有的话)也一样拥有这个结界,无法 “代入” 和 “类比” 而产生直觉。

直觉比逻辑对于创造而言更重要。逻辑可以被学会,但直觉不能。记住并内化一套规则,学会集合和分类方法,这就是逻辑的步骤,但遇到从没见过的事物关联两个毫不相干的场景,却是反逻辑的,但恰恰是这种类似瞎猜的毫无逻辑的行为能力创造了人类文明,反逻辑反而创造了逻辑本身。

当人们问 chatgpt 一道自己编造的数学题时,它可以结合它见过的其它题目举一反三,就像人遇到不会的题一般也能够通过看其他类似题解法通过数据代换、类比举一反三一样,代数规则,几何证明,数理逻辑,这些问题对于 chatgpt 而言只需要执行搜索任务,就跟我们大多数刷过很多题的人一样。这是令人称道的,试图用一道数学题难住 chatgpt 的机会将越来越渺茫,就像外国人试图在数学竞赛战胜中国人的机会越来越渺茫一样。

让 chatgpt 试一下情景代入。它懂别人的故事:
在这里插入图片描述
但它无法把自己代入:
在这里插入图片描述
虽比不上牛顿,但还是比大多数人考虑得周全。可 chatgpt 没有编出那个著名的故事,也没有对故事表示质疑,甚至抖个机灵都没有。一个普通人可能会说 “我不会思考苹果为什么掉到天上或者横着飞,因为那样的话,它就不会砸到我了”,换句话说,chatgpt 只会就事论事。

几乎可以肯定,三大定律不是苹果砸出来的,但必然有直觉助力,任何从零到零点一的过程几乎都是直觉触发,后面才轮到逻辑入场。

四则混合运算,数学证明,普通人理解的逻辑,这些对 chatgpt 都不是问题,推而广之对 AI 都不是问题,但 AI 很难发现 “飞机就是一只蜻蜓”,“潜艇就是一条鱼”,也不会从茶壶盖被顶起想到蒸汽动力,归纳起来就是 AI 没有能力求出 x 和 y 的交集,同时又得出 “x 就是 y” 的结论,这是不符合逻辑的,x 和 y 明明就不是一个东西。

听起来有些奇怪,但事实就是这样。

当你抬头仰望,看见一架飞机和一只蜻蜓经过,你会瞬间捕捉到两者之间的相似特征,甚至可以自行 “推导” 出空气动力学。但对于从没有见过飞机的人来讲,当他看见一只蜻蜓飞过的时候,有多少人会说 “蜻蜓是一台会飞的机器” 呢?毕竟蜻蜓只是一只昆虫,它并不是一台机器,x 和 y 明明就不是一个东西,所以 x 不可能是 y。

如果你跟同学说三角形内角和等于 200 度,可能只是你记错了,也可能你只想知道 “如果三角形内角和真等于 200 度,看看会发生什么”,无论哪种情况,你的同学和老师会不厌其烦地纠正你错误的认知,告诉你三角形内角和不可能是 200 度,而是 180 度,这是一个结论,chatgpt 也会这样做:
在这里插入图片描述

无论你怎么引导它,它都不肯陪你玩一会儿。它只是不厌其烦告诉你它学过的东西。
AI 擅长小心求证,大胆假设却不行,现阶段的 AI 过于一本正经,它有意避免犯错,让自己越来越正确,但人类文明的推进往往始于错误和毫不搭界的直觉,在此前提下才可能有大胆的假设。

代入和直觉需要第一人称,需要 “自指的边界”,这对于自由意志或许是必不可少的,一个人可以拥有自己最亲密的人几乎所有的记忆,但当这个人离开后却还是会思念。


最后推荐一本书,侯世达的《我是个怪圈》,如果你只是为了考试,相信大力出奇迹,chatgpt 就是榜样。

皮鞋没有蹬上,露着白袜子。

浙江温州皮鞋湿,下雨进水不会胖。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/120455.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

设计模式2、抽象工厂模式 Abstract Factory

解释说明:提供一个创建一系列相关或相互依赖对象的接口,而无需指定他们具体的类。 简言之,一个工厂可以提供创建多种相关产品的接口,而无需像工厂方法一样,为每一个产品都提供一个具体工厂 抽象工厂(Abstra…

SpringMVC 学习(八)整合SSM

10. 整合 SSM (1) 新建数据库 CREATE DATABASE SSM;USE SSM;DROP TABLE IF EXISTS BOOKS;CREATE TABLE BOOKS (BOOK_ID INT(10) NOT NULL AUTO_INCREMENT COMMENT 书ID,BOOK_NAME VARCHAR(100) NOT NULL COMMENT 书名,BOOK_COUNTS INT(11) NOT NULL COMMENT 数量,DETAIL VARCH…

ARM Linux DIY(十四)摄像头捕获画面显示到屏幕

前言 前期已经调试好了摄像头和屏幕,今天我们将摄像头捕获的画面显示到屏幕上。 原理 摄像头对应 /dev/video0,屏幕对应 /dev/fb0,所以我们只要写一个应用程序,读取 video0 写入到 fb0 就可以了。 应用程序代码实例 camera_d…

Webshell 流量特征分析

前言:webshell是以asp、php、jsp或者cgi等网页文件形式存在的一种代码执行环境,主要用于网站管理、服务器管理、权限管理等操作。使用方法简单,只需上传一个代码文件,通过网址访问,便可进行很多日常操作,极…

【计算机网络】图解路由器(一)

本系列包含: 图解路由器(一)图解路由器(二) 图解路由器(一) 1、什么是路由器?2、什么是路由选择?3、什么是转发?4、路由器设备有哪些类型?5、根据…

基于php的物流信息公共平台设计与实现

项目描述 临近学期结束,还是毕业设计,你还在做java程序网络编程,期末作业,老师的作业要求觉得大了吗?不知道毕业设计该怎么办?网页功能的数量是否太多?没有合适的类型或系统?等等。今天给大家介绍一篇基于php的物流信息公共平…

让Pegasus天马座开发板实现超声波测距

在完成《让Pegasus天马座开发板用上OLED屏》后,我觉得可以把超声波测距功能也在Pegasus天马座开发板上实现。于是在箱子里找到了,Grove - Ultrasonic Ranger 这一超声波测传感器。 官方地址: https://wiki.seeedstudio.com/Grove-Ultrasonic_Ranger 超声…

分类预测 | MATLAB实现SSA-FS-SVM麻雀算法同步优化特征选择结合支持向量机分类预测

分类预测 | MATLAB实现SSA-FS-SVM麻雀算法同步优化特征选择结合支持向量机分类预测 目录 分类预测 | MATLAB实现SSA-FS-SVM麻雀算法同步优化特征选择结合支持向量机分类预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 MATLAB实现SSA-FS-SVM麻雀算法同步优化特征选择结…

PyTorch meshgrid 生成网格坐标

torch.meshgrid(*tensors, indexingNone) 使用输入的 1-D 张量创建网格坐标 示例 indexing‘xy’ import torcha torch.arange(3) b torch.arange(3, 6)x, y torch.meshgrid(a, b, indexingxy) print(x , x, sep\n) print(y , y, sep\n)输出: x tensor([[0, 1, 2],[0, …

第七天:gec6818开发板QT和Ubuntu中QT安装连接sqlite3数据库驱动环境保姆教程

sqlite3数据库简介 帮助文档 SQL Programming 大多数关系型数的操作步骤:1)连接数据库 多数关系型数据库都是C/S模型 (Client/Server)sqlite3是一个本地的单文件关系型数据库,同样也有“连接”的过程 2)操作数据库 作为程序员&am…

面试问到MySQL模块划分与架构体系怎么办

面试问到Mysql模块划分与架构体系怎么办 文章目录 1. 应用层连接管理器(Connection Manager)安全性和权限模块(Security and Privilege Module) 2. MySQL服务器层2.1. 服务支持和工具集2.2. SQL Interface2.3. 解析器举个解析器 …

华为摄像头智能安防监控解决方案

云时代来袭,数字化正在从园区办公延伸到生产和运营的方方面面,智慧校园,柔性制造,掌上金融和电子政务等,面对各种各样的新兴业态的涌现,企业需要构建一张无所不联、随心体验、业务永续的全无线网络&#xf…