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，它获得了更多正确答案，甚至超过了大学高年级学生。

这种利用最少示例（零样本）解决新问题的机制，被称为类比推理，是一种通过文字描述问题来思考和解决问题的方式。这一思维机制被认为是人类独有的特征，也可能存在于一些智力发达的动物物种中。

加州大学洛杉矶分校(UCLA)的研究人员试图了解GPT-3是否能真正进行类比推理，因此他们选择了一些在该模型训练期间绝对不会遇到的任务。科学家们将经过时间考验的Raven测试卡进行改编，以适用于基于文本的人工智能。

这些改编后的题目包括九个元素的一系列图像，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，要求他们根据前两行确定规则，并应用这个规则到第三行上。这在语言上并不容易，但视觉上却很直观（见图）。随着每一项任务难度增加。

由于GPT-3不是多模态模型，所以只能处理文本，因此这些矩阵已经被调整过，但是原理保持不变。在对照组有加州大学洛杉矶分校的大学生，他们输给了人工智能。

学生们给出的正确答案略低于60%（正常水平），而GPT-3得到了80%（高于平均水平但处于正常范围内）。正如研究作者所指出的那样，该算法犯下的错误与人类相同，这表明决策过程可能非常相似。

除了Raven矩阵外，研究人员还提供了一些来自美国标准化入学考试(SAT)的问题，其中大部分变体都未曾公开发布，因此GPT-3几乎一定也没有见过它们。

例如，“仇恨”和“爱”的“财富”相同是什么？(正确答案是“贫穷”。因此，该算法必须理解在这种情况下需要找到反义词，而无需直接指示。

正如预期一样，GPT-3很好地解决了更复杂的问题，其中必须跨越整个句子或段落进行类比。但它也会陷入困境，比如空间思维任务，即使你详细描述这个问题，比如“将软糖从一个碗转移到另一个碗的最佳方法是什么——用管子、剪刀或胶带”，该算法会提供无意义的话作为回应。

这项研究引出了一个新的层次：大型语言模型是否模仿了许多方面的人类思维，或我们面临的是一种全新的思维方式？如果后者，那么与著名哲学概念“车里的幽灵”的比较就显得恰当。在某种解释中，一种复杂的人造系统（机器）可以获得不可预知且与人类意识无法区分特性，从外部看去似乎就像是拥有意识一样。

这项工作也有两个重大局限性，其作者准确地指出了这一点。首先，即使科学家做出了努力，也不能保证GPT-3在训练过程中遇到了与这些类型的问题。此外，该模型极有可能是在针对文本表示进行训练，不太可能针对渐进式Raven矩阵这样的内容进行训练。而最重要的是，可以在其训练数据集中找到SAT的大部分变体形式。

第二个限制就是，我们无法进入该模型内部，这就是为什么它“思考”的过程是一个黑箱子的原因。这阻碍了解神经科学发展的情况分析。