“弱智吧”，人类抵御AI的最后防线

———— / BEGIN / ————

“写遗嘱的时候错过了deadline怎么办？”

“怀念过去是不是在时间的长河里刻舟求剑？”

“英语听力考试总是听到两个人在广播里唠嗑，怎么把那两个干扰我做题的人赶走？”

以上这些饱含哲学但好像又莫名其妙的问题，出自百度贴吧“弱智吧”2023年年度精选，看似毫无逻辑，但仔细一想好像确实又有点道理。

就像天才吧里没有天才，弱智吧也不收真弱智。

然后，它就成为了训练AI中文能力的最佳素材。

前几天看到一篇中科院牵头的论文，简单来说就是精选了一些中文互联网的语料库喂给各种零一万物的Yi大模型，让它们更加熟悉中文语境的互动。

经常在网上冲浪的朋友们应该都知道，中文互联网博大精深，豆瓣、小红书、微博、贴吧、知乎等等早就各自有一套独特的语言习惯，这些语料库的素材截然不同，训练出来的模型能力也就有所差距。

最终，在GPT-4的打分下，弱智吧训练出来的模型夺冠。

具体来看，在6B小模型上，弱智吧训练出来的模型在开放问答、分类、封闭问答和编程能力上较为突出。

而转战到34B大模型上，弱智吧训练的大模型成绩一骑绝尘，在8项能力中排名第一，平均分也远超其他平台训练出来的模型。

这很难评，弱智吧难道就是最优质的中文语料库？

我们不妨先看看在面对弱智吧问题的时候，各个模型的表现。

本次受害大模型分别是ChatGPT-3.5、Gemini、文心一言和Kimi，测试方法是让大模型理解弱智吧的典型问题，并要求他们模仿写一个类似的问题出来。

国产大模型对弱智吧的问题有更好的理解，Kimi和文心一言回答的准确率较高，能答对8道题，答错和半错半对各1道。分别在“我想配个6000多的电脑，大概要多少钱？”和“我买了一斤藕，为什么半斤都是空的？”上栽了跟头。

谷歌的Gemini和Open的ChatGPT-3.5可能因为水土不服，准确率较低。

ChatGPT-3.5甚至认为变形金刚应该购买车险，不知道是专属的幽默还是没看懂这道题。6000元的电脑要花8000~10000元，也属于错得比较离谱的了。

除了答不上来弱智吧的问题，AI也写不出弱智吧的帖子。弱智吧的帖子高度抽象，各种修辞、脑洞和梗，普通人想一个都需要随缘，一板一眼的AI更难想出来了。

同样，作者尝试让ChatGPT-3.5、Gemini、文心一言和Kimi学习上文提到的弱智吧的10个问题，模仿写几个问题出来。

几个大模型写出来的问题都不太行，基本上都是对弱智吧问题拙劣的模仿。

像“我晚上想吃烧烤，早餐可以吃吗？”“掉在地上的冰淇淋，还能叫冰淇淋吗？”“在电梯里放屁被邻居投诉，我是否有权利保持沉默？”等，在形式上和弱智吧的问题一样，但都没有掌握问题的精髓——逻辑。

可以说，弱智吧里的内容，AI看不懂也写不出。

为什么强大的AI就搞不定弱智吧呢？可能源于弱智吧独有的脱离日常的逻辑，弱智吧的吧友非常擅长从日常生活中找到漏洞，并加以利用。

比如，午餐肉能不能晚上吃？香菇掉厕所了还能叫香菇吗？老鼠生病了可以吃老鼠药吗？精神分裂在调查问卷里算一个样本还是两个样本？

除了这些流出的让人会心一笑的问题，弱智吧内还有不少富含哲理的帖子。

也有诗人在弱智吧里冒充弱智写诗，用最简短的句子，给网友带来最强的杀伤力。

弱智吧的内容常用“逻辑反推”“谐音双关”“跨服聊天”等手法生成各种离谱的段子或幽默又带有思考的句子。普通人想看懂弱智吧里的问题也要思考一下，找到问题里的梗，更别说AI了。

这也就是为什么弱智吧会成为人类在AI面前最后的堡垒的原因。

有人吐槽，弱智吧训练出来的模型，编程能力为什么那么高，吧里也没人在搞编程啊。随后有吧友回复道出秘密：编程最讲究逻辑，弱智吧最不缺逻辑。

纵观整个中文互联网平台，都在讲文章的可读性，如何让读者读下去。

知乎上的热帖，先要下飞机，再讲故事，最后引申到主要话题。小红书上的热帖，先喊你一声家人，再给你充足的情绪价值。弱智吧不一样，内容的可读性几乎没有，就一句话，需要读者反复思考，才能看懂作者想要表达的内容。

比如你问：“今天天气怎么样？”

知乎网友会告诉你：“谢邀，刚下飞机，纽约的太阳很大，刚刚拒绝了一个200w年薪的工作。”

小红书网友回你：“家人们，谁懂啊，今天太阳晒死我了，大几千的防晒也没用。”

而弱智吧吧友会说：“太阳翘班了，云正在赛跑。”

正是这样非常抽象的逻辑，才是人类与AI区别最大的地方，也是AI目前学不会的。

当然，其他中文社区不用气馁，也可以发挥特点构建自己的堡垒，比如知乎可以教AI地理，让它搞不清越南到底是哪个国家。