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有趣的娱乐，但它也有科学依据。科学家们正在探索人工智能能力极限，并寻找理解人类思维方式的方法。

GPT-3系列算法最引人注目的特点之一是在零样本情况下解决新问题。这主要通过文字描述问题来实现。

这种基于少数示例进行推理和解决新情况的问题被称为类比推理，这是指“推理”作为思维的一部分，而不是仅仅是语言表达。人们认为这是人类独有的特征，也可能存在于一些智力高度发达的动物身上。

加州大学洛杉矶分校（UCLA）的研究人员想要知道GPT-3是否真的能通过类比进行推理。他们选择了一些模型在训练期间绝对不会遇到的任务。

为了测试这一点，科学家们使用了经过时间考验的Raven标准渐进矩阵卡片，并将其调整为文本形式，对AI进行了修改。这一系列由九个元素组成，每组都缺少一个单元，要求选取者从多个选项中选择正确答案。这需要查看前两行确定规则，然后应用到第三行并进行类比判断。在每一次任务中，难度都会增加。

由于GPT-3不是多模态模型，只能处理文本，因此这些图形已经被转换成文本格式，但原理保持不变。在对照组里的是加州大学洛杉矶分校的大三学生，他们输给了人工智能。学生提供的正确答案略低于60%（正常水平），而GPT-3提供了80%（高于平均水平但仍然处于正常范围内）。正如该研究作者所指出的那样，该算法犯与人类相同错误，这意味着决策过程可能非常相似。

除了Raven矩阵外，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。大多数变体从未公开过，因此 GPT-3很可能也不熟悉它们。

该模型在“仇恨”的“爱”与这个词同义词“财富”相同，那么是什么？（正确答案是“贫穷”。）因此，该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，一旦涉及更困难的问题，比如句子或段落之间需要进行类比时,GPT-3就表现得很好。但当涉及空间思维任务时，即使你详细地描述这个问题，比如“将软糖从一个碗转移到另一个碗最好的方法是什么——用管子、剪刀或胶带”，该算法也会提供无意义的文本作为回应。

这项研究提出了一个新的层面上的问题：大型语言模型是否模仿了许多方面的人类思考，或我们面临一种全新的思想方式？如果后一种情况发生，我们可以将之与著名哲学概念"车里的幽灵"做出比较。在此解释中，有一种复杂的人工系统（机器）可以获得不可预见且复杂的人性特征，从外部看起来几乎无法区分与人类意识一样复杂的情况出现的情况。

这项工作有两个重大局限性，其作者提到了这一点。一方面，由于试图确保该模型没有接触过任何类型的心境Raven 矩阵，还有一些可能性是不太可靠，因为没有保证训练数据集包括任何相关内容。此外，由于不能访问内部操作程序，以便观察它如何处理信息流程和决策过程，使得整个讨论变得更加抽象。

关于这项研究的一个简短介绍已发表在《自然行为》上，其预印版可供公众免费下载至arXiv门户网站上以获取更多信息。