生成式（人工智慧）系統也許能夠產生一些令人大開眼界的結果，但新的研究表明它們對世界和真實規則沒有連貫的理解。
在一項新研究麻省理工學院、哈佛大學和康乃爾大學的科學家發表在 arXiv 預印本資料庫上發現，大型語言模型 (LLM)，如或人擇的，無法產生準確代表現實世界的底層模型。
例如，當法學碩士負責在紐約市提供路線規劃駕駛路線時，法學碩士的準確率接近 100%。但當科學家提取這些地圖時，所使用的底層地圖充滿了不存在的街道和路線。
研究人員發現，當指令中添加意想不到的變化（例如繞道和封閉街道）時，法學碩士給出的指令的準確性會直線下降。在某些情況下，它導致徹底失敗。因此，人們擔心部署在現實世界中的人工智慧系統（例如無人駕駛汽車）在遇到動態環境或任務時可能會出現故障。
有關的：
「一個希望是，因為法學碩士可以用語言完成所有這些令人驚奇的事情，也許我們也可以在科學的其他領域使用這些相同的工具。但是，如果我們想要，法學碩士是否正在學習連貫的世界模型這一問題非常重要使用這些技術來取得新發現，」資深作者說阿什什·蘭巴坎麻省理工學院資訊與決策系統實驗室 (LIDS) 的經濟學助理教授和首席研究員，陳述。
棘手的變形金剛
生成式人工智慧的關鍵在於法學碩士並行學習大量數據和參數的能力。為了做到這一點，他們依靠變壓器型號，它們是處理數據並實現法學碩士自學的底層神經網路集。這個過程創建了一個所謂的“世界模型”，經過訓練的法學碩士可以使用該模型來推斷答案並產生查詢和任務的輸出。
世界模型的一種理論上的用途是從城市中的計程車行程中獲取數據來產生地圖，而無需像當前導航工具所要求的那樣煞費苦心地繪製每條路線。但如果地圖不準確，路線偏差就會導致基於人工智慧的導航表現不佳或失敗。
為了評估 Transformer LLM 在理解現實世界規則和環境方面的準確性和連貫性，研究人員使用一類稱為確定性有限自動化 (DFA) 的問題對其進行了測試。這些是一系列狀態的問題，例如遊戲規則或到達目的地的路線中的交叉點。在本例中，研究人員使用了從棋盤遊戲《黑白棋》中提取的 DFA 以及紐約街道的導航。
為了使用 DFA 測試變壓器，研究人員研究了兩個指標。第一個是“序列確定”，它評估變壓器法學碩士是否形成了一個連貫的世界模型，如果它看到同一件事的兩種不同狀態：兩個奧賽羅棋盤或一張有道路封閉的城市地圖，而另一張沒有道路封閉。第二個指標是「序列壓縮」——一個序列（在本例中是用於生成輸出的數據點的有序列表），它應該表明具有連貫世界模型的法學碩士可以理解兩個相同的狀態（例如兩個黑白棋盤）完全相同）具有相同的可能步驟順序。
依賴法學碩士是有風險的生意
根據這些指標對兩類常見的法學碩士進行了測試。一個接受隨機產生序列產生的資料的訓練，另一個接受以下戰略過程產生的資料的訓練。
科學家發現，接受隨機資料訓練的變形金剛形成了更準確的世界模型，這可能是由於法學碩士看到了更廣泛的可能步驟。主要作者Keyon Vafa哈佛大學的一位研究人員在聲明中解釋道：「在《黑白棋》中，如果你看到兩台隨機電腦而不是冠軍選手下棋，理論上你會看到全套可能的走法，即使是冠軍選手不會下的壞棋。透過看到更多可能的舉措，即使它們很糟糕，法學碩士理論上可以更好地適應隨機變化。
然而，儘管產生了有效的奧賽羅棋步和準確的方向，但只有一個變壓器為奧賽羅產生了連貫的世界模型，並且兩種類型都沒有產生準確的紐約地圖。當研究人員引入諸如繞道之類的東西時，法學碩士使用的所有導航模型都失敗了。
Vafa 補充道：「令我驚訝的是，一旦我們添加了一條繞道，性能就下降得如此之快。如果我們只關閉1% 的可能街道，準確率就會立即從近100% 驟降至67% 。
研究人員表示，這表明需要採用不同的方法來使用法學碩士來產生準確的世界模型。這些方法可能是什麼尚不清楚，但它確實凸顯了變壓器法學碩士在面對動態環境時的脆弱性。
「通常，我們看到這些模型做了令人印象深刻的事情，並認為它們一定了解世界的某些東西，」Rambachan 總結道。 “我希望我們能夠讓人們相信這是一個需要仔細思考的問題，我們不必依靠自己的直覺來回答它。”
