社牛鹦鹉学会视频交友！LeCun嘲讽：叫大模型随机鹦鹉，太辱鹦鹉了

---

  新智元报道  

大语言模型是随机鹦鹉？不，它们还差得远。

美国东北大学的研究人员发现，鹦鹉们想念自己的朋友时，会主动给朋友打视频。

LeCun转发了这篇文章，评论道：「称LLM为随机鹦鹉，真是对鹦鹉的侮辱。」

「随机鹦鹉」这个梗，出自华盛顿大学语言学家Emily M. Bender等人在21年发表的一篇论文《随机鹦鹉的危险：语言模型是否太大了？》。

随后，人们时常用这个梗来讽刺ChatGPT等大语言模型并不理解真实世界，只是像鹦鹉一样随机产生看起来合理的字句。

如今，连鹦鹉都会隔着视频交友了，与这种高级的理解力相比，LLM真是弱爆了。

我们来看看东北大学学者联合MIT、Glasgow大学，展开的这项研究。

他们发现，当一只鹦鹉想念自己的鹦鹉朋友时，会给它打视频电话，这让它感到很幸福。

研究者们向一群不同物种的鹦鹉和照顾它们的人，展示了如何用平板电脑和手机互相打视频电话。

他们想知道，如果有选择，鹦鹉们会互相打电话吗？

答案是，它们会。

这些鹦鹉只要想，就会随时call自己的小伙伴，而且它们很明白，视频对面的，就是自己真正的鹦鹉同伴。

一位照顾鹦鹉的人说，这只鹦鹉通过视频从自己的朋友那里学会了很多技能，比如觅食、新的声音，甚至学会了飞。

用他的话说，「它只要一通话就神采奕奕，仿佛活了过来。」

一只叫Ellie的凤头鹦鹉，和一只叫Cookie的非洲灰鹦鹉成为了朋友。「都一年多了，它们还会经常聊天。」

研究者发现，鹦鹉们打电话时发出的声音，跟它们在野外时彼此交流的方式很像。比如它们会说「我在这里！」

这种发现其实并不稀奇，研究者们早就发现，凤头鹦鹉和非洲灰鹦鹉都已经表现出了与小学生相当的认知能力。它们能够通过视觉，理解屏幕中的动作。

而人气最高、最受欢迎的鹦鹉，就是最常给小伙伴打电话的鹦鹉。

没错，就是在鹦鹉中，也有社牛。

而鹦鹉们的互动模式，跟人类社会化的互动很像。

有趣的是，鹦鹉们当然很很喜欢打电话，但人类参与者也在这个过程中发挥了很大作用。

某些鹦鹉非常喜欢从人类那里得到额外的关注，还有些鹦鹉，似乎对屏幕另一侧的人类产生了依恋。

有18只鹦鹉参与了这项实验。它们的照顾者会教它们，如果想打电话，就摇铃铛。

如果哪只鹦鹉摇铃了，照顾者就会在平板电脑给它们展示出其他鹦鹉的照片，让它们选择想要call谁。

在一个时长三小时的视频会议期间，鹦鹉们会跟彼此说话，还会用喙轻敲屏幕。

如果哪只鹦鹉出现了恐惧或者攻击性的迹象，人类照顾者就会让通话结束。

18只鹦鹉中，15只坚持到了研究的最后，3只很早就退出了。

这个过程也并不像我们想的那么容易。

鹦鹉们对于选择哪些鸟当自己的朋友，可谓非常挑剔。

如果没调解好这场互动，有的鹦鹉会很害怕，有的则会暴怒，这会造成人类的财产损失——一些体型较大的鹦鹉，足以用喙将iPad撕成碎片。

不过总的来说，研究结果表明，视频通话显著改善了鹦鹉们的生活幸福感。

因为身体原因，很多鹦鹉无法靠近其他鸟类。而视频通话弥补了它们的缺憾。

两只体弱多病的老年雄性金刚鹦鹉成功配对了——此前，它们在一生中几乎从没见过自己的同类。

两只鹦鹉结下了深厚的友情，隔着屏幕，它们会一起热情地唱歌、跳舞。

如果哪一只移出了屏幕，另一只会开始大喊「嘿！你出框了！快回来！」

研究者Hirskyj-Douglas说：「这确实说明了这些鸟类的认知能力和自我表达的能力有多么复杂，多么强大。」

一只鹦鹉的大脑有20亿个神经元，4x10^12个突触。一只鹦鹉的基因组大约有10亿个DNA碱基对或250MB。只有一小部分编码大脑。而大脑不适合基因组。一个大语言模型为350GB。

对于LeCun的说法，众网友纷纷表示赞同。

这位网友表示，LLM当然跟鹦鹉没法比了。与数十亿年的进化相比，LLM算什么？

「AI虽然通过了司法考试，但让它发展出像鹦鹉一样的智能，仍然是遥遥无期。」

「为了模仿这些鹦鹉的行为，我们在LLM和其他AI系统方面，都还有很长的路要走。」

「但我们是否需要重新创造存在主义的配对动机和社会蜂群行为？这些是生物所需要的生物学特性，而不是系统所需要的。」

「鹦鹉是鸟类中的智慧担当。它们可以交流，但它们并没有乔姆斯基意义上的语言，不过它们可以理解彭罗斯意义上的语言。」

「猴子和类人猿也没有语言，或者说它们可能有，但它们很好地隐藏了这一点。」

「LLM让我们发现，在语言禁锢下的人类，实际上就是随机鹦鹉。而实际上，鹦鹉为彼此提供了真正的参考实践。」

有网友指路创造「随机鹦鹉」这个说法的Emily Bender的播客。在这段视频中，Emily解释了为什么我们希望ChatGPT的文本中存在意义。

有心理学家和认知科学家对此展开了调查。

此前人们就发现，如果问GPT-3，要弄平皱巴巴的裙子，你会选热水瓶还是发夹？它选了发夹。

如果在快餐店工作时需要包住头发，用三明治包装纸还是汉堡包？它选了汉堡包。

如果需要给炉灶扇风，是选石头还是地图？它选了石头。

一名认知科学博士最近用这三个场景测试了GPT-3，它全部选错了。

为什么它会做出这么蠢的选择？因为LLM并不像人类那样理解语言。

一名心理学专家在20多年前就提出了上述场景，来测试当时语言模型的理解能力。

从一万亿个例子中，GPT-3注意到了一个单词后会更可能出现哪些其他单词。

语言序列中强大的统计规律性，让GPT-3似乎掌握了语言。因此，ChatGPT能生成合理的句子、散文、诗歌和计算机代码。

但是，GPT-3完全不明白，这些词对人类究竟意味着什么。

人类是随着身体进化而来的生物实体，需要在物理和社会世界中运作以完成任务。

而语言，是帮助人们做到这一点的工具。

而GPT-3和人类的区别是，它并不需要在现实世界中做任何事情。

单词或句子的含义与人体密切相关，包括人们行动、感知和产生情绪的能力。

人类的认知是通过具体化来增强的。比如，我们对「三明治包装纸」的理解包括它的外观、手感、重量，以及我们会如何使用它。

所有这些用途的出现，都是因为人体的本性和需求：人们有可以折纸的手，有一头与三明治包装纸差不多大的头发，以及人类需要被雇用，因此需要遵守包住头发的规则。

而这些信息，从未被LLM捕获。

GPT-3、GPT-4、Bard、Chinchilla和LLaMA等LLM都没有身体，因此它们无法自行确定哪些物体是可折叠的，或者用心理学家J.J.吉布森的说法——affordances 。

因为人有了手和胳膊，才可以用地图煽风点火，用热水瓶来铺开皱纹。

但GPT-3只有在互联网上的文字流中遇到类似东西时，才能伪造它们。

大语言模型会像人类那样理解语言吗？除非它长出人类的身体和感官，有着人类的目的的生活方式。

研究者继续向GPT-4询问了这三个问题，它答对了。

因为GPT-4没有输出它分配单词的概率，因而他们无法对GPT-4进行原始分析。他们猜测，这可能是由于GPT-4从以前的输入中学到了什么，或者它的尺寸和视觉输入增加了。

GPT-4接受了图像和文本的训练，因而能够学习单词和像素之间的统计关系。

当研究者发现，你总能构建更刁钻的问题，让GPT-4也露怯。

比如问它：底部被切断的杯子和底部被切断的灯泡，哪个更适合盛水？它会选前者。

一个可以访问图像的模型，就像一个从电视中学习语言和世界的孩子。但是和人类一样，最关键的机会是，与世界互动。

最近的很多研究就采用了这种方法，研究者们训练LLM生成物理模拟，与物理环境交互，甚至生成机器人。

具身语言理解可能还有很长的路要走，但这些多感官互动，是实现这一目标的关键。

但至少在目前，ChatGPT这类大语言模型既听不懂自己说的话，有没有知觉。