在美国心理学家的一项测试中，GPT-3语言模型展现出了其类比思维的强大能力，这种能力是人类智力发展过程中的经典方法。神经网络算法以令人惊讶的方式证明了自己，在Raven标准渐进矩阵适应测试中，它获得的正确答案数量超过了大学高年级学生。

这种让神经网络执行未曾计划做的事情是一种娱乐形式，但它也可能有科学依据。研究人员正在探索人工智能能力极限，并寻找理解人类思维的方法。GPT-3系列算法最令人印象深刻的是它们能够通过零样本问题解决新问题，这种方式使用文字描述问题。

这种思维机制，被称为类比推理，是指“推理”作为思维的一部分，而不是语言表达。这被认为是人类独有的特征，也是某些智力发达动物物种共有的特性。

加州大学洛杉矶分校（UCLA）的研究人员想要知道GPT-3是否真的能进行类比推理，他们选择了一些在模型训练期间绝对不会遇到的任务。他们使用Raven标准渐进矩阵来改编经过时间考验的测试卡，用于基于文本的人工智能。

这些图像由九个元素组成，每组三行，但第九个单元缺失。受试者需要从多个选项中选择正确答案。这涉及到看前两行确定规则并将其应用于第三行。在视觉上容易感知但在语言上并不容易（见图）。随着每一项任务难度增加。

由于GPT-3不是多模态模型，因此矩阵已调整，但原理保持不变。与之对照的是加州大学洛杉矶分校的大学生，他们输给了人工智能。

学生们提供的正确答案略低于60%（正常水平），而GPT-3提供了80%（高于平均水平但在正常范围内）。正如该研究作者所指出的那样，该算法犯了与人类相同的错误。这意味着决策过程可能非常相似。

除了Raven矩阵之外，研究人员还给出了来自美国标准化入学考试（SAT）的算法任务。大多数变体从未在公共领域发布过，因此 GPT-3 很可能也不熟悉它们。

该模型将"仇恨"和"爱"等同视为同一个词汇，即"财富"；因此，算法必须明白在这种情况下需要找到反义词，而无需直接指示。

正如预期，一切都顺利地解决更困难的问题，其中必须跨越整个句子或段落进行类比。但是，模型却出乎意料地陷入困境，那就是空间思维任务。

即使详细描述这个问题，比如“将软糖从一个碗转移到另一个碗最佳方法是什么——用管子、剪刀或胶带”，算法也会提供无意义的文本作为回应。

这项科学工作有两个重大局限性，其作者已经提到了这一点。一方面，由于努力确保GPT-3没有遇到与这些任务相似的任何内容，在训练期间，它很可能不太可能遇到这样的挑战。此外，还有一点重要的是，可以找到一些SAT 变体甚至是在其训练数据集中出现的情况。

另一方面，由此产生的问题是科学家无法进入模型内部，所以它如何运作是一个黑箱子。这阻碍了解神经网络如何工作和思考的心理学发展。而且，对此事进行详细介绍的一篇文章发表于《自然人类行为》杂志上，其预印本可以免费获取，从arXiv网站访问公众领域版权所有。如果你想了解更多关于这项研究的事实，请查看以下链接 [1] 或者参考相关文献[2] - [5] 来获取最新信息。