期刊導航
如果人工智能只是一個“文字計算器”，為什么它會讓人感覺如此人性化？
嘗試傳達生成人工智能（人工智能）是，它所做的事情產生了一系列的隱喻和類比。
從”黑盒子“ 改為 ”類固醇自動完成“， a ”鸚鵡“，甚至還有一雙”球鞋“，目標是通過將復雜技術建立在日常經驗的基礎上，使對復雜技術的理解變得容易——即使由此產生的比較往往過于簡單或具有誤導性。
一個越來越普遍的類比將生成式人工智能描述為“單詞計算器”。部分由 OpenAI 首席執行官推廣，山姆·奧特曼，計算器比較表明，就像我們在數學課上用來處理數字的熟悉塑料物體一樣，生成式人工智能工具的目的是幫助我們處理大量語言數據。
計算器的類比是正確批評，因為它可能會掩蓋生成式人工智能更令人不安的方面。與聊天機器人不同，計算器沒有內置的偏見，不會犯錯誤，也不會造成根本的道德困境。
然而，完全否定這種類比也存在危險，因為生成式人工智能工具的核心是單詞計算器。
然而，重要的不是對象本身，而是計算的實踐。生成式人工智能工具中的計算旨在模仿支撐人類日常語言使用的計算。
語言有隱藏的統計數據
大多數語言用戶只是間接意識到他們的互動在多大程度上是統計計算的產物。
例如，想想聽到有人說“胡椒和鹽”而不是“鹽和胡椒”的不適感。或者，如果你在咖啡館點了“濃茶”而不是“濃茶”，你會得到奇怪的表情。
支配我們選擇和排序單詞的方式的規則，以及語言中的許多其他序列，都來自我們與它們的社交接觸的頻率。你越經常聽到某種方式說某件事，任何替代方案聽起來就越不可行。或者更確切地說，任何其他計算序列看起來都不太合理。
在語言學這個致力于語言研究的廣闊領域中，這些序列被稱為”搭配".它們只是眾多現象之一，這些現象表明人類如何根據多詞模式是否“感覺正確”來計算多詞模式——它們聽起來是否合適、自然和人性化。
為什么聊天機器人輸出“感覺正確”
大型語言模型 （LLM） 以及聊天機器人的核心成就之一是，它們成功地以現在成功欺騙人類直覺的方式將這種“感覺正確”因素形式化。
事實上，它們是世界上最強大的搭配系統之一。
通過在映射其含義和關系的抽象空間內計算標記（無論是單詞、符號還是色點）之間的統計依賴性，人工智能生成的序列不僅在這一點上，在圖靈測試中以人類身份通過，但也許更令人不安的是，可以讓用戶相愛和他們在一起。
這些發展成為可能的一個主要原因與生成式人工智能的語言根源有關，這些根源往往被埋藏在技術發展的敘述中。但人工智能工具既是計算機科學的產物，也是語言學不同分支的產物。
GPT-5 和 Gemini 等當代法學碩士的祖先是冷戰時期的機器翻譯工具，旨在將俄語翻譯成英語。隨著語言學的發展，以下數字諾姆·喬姆斯基然而，這種機器的目標從簡單的翻譯轉向了解碼自然（即人類）的原理語言處理.
過程LLM開發分階段發生，從嘗試將語言的“規則”（例如語法）機械化，通過基于有限數據集測量詞序列頻率的統計方法，再到當前使用神經網絡生成流體語言的模型。
然而，計算概率的基本做法保持不變。盡管規模和形式發生了不可估量的變化，但當代人工智能工具仍然是模式識別的統計系統。
它們旨在計算我們如何“語言”處理知識、行為或情感等現象，而無需直接訪問其中任何一個。如果您提示 ChatGPT 等聊天機器人“透露”這一事實，它會很樂意答應。
人工智能總是在計算
那么，我們為什么不輕易認識到這一點呢？
一個主要原因與公司描述和命名生成式人工智能工具實踐的方式有關。生成式AI工具不是“計算”，而是“思考”、“推理”、“搜索”，甚至“”做夢".
這意味著，在破解人類如何使用語言模式的方程式時，生成式人工智能已經獲得了我們通過語言傳遞的價值觀。
但至少目前還沒有。
它可以計算出“我”和“你”最有可能與“愛”并置，但它既不是“我”（它不是人），也不是“愛”，就此而言，你——編寫提示的用戶。
生成式人工智能總是在計算。我們不應該把它誤認為更多。
提供云服務支持