据美国趣味科学网站4月1日报道，我们都知道，人工智能(AI)与人类的思考方式不同，但一项新研究揭示了AI与人类在思考方式上的差异可能会影响AI的决策，从而引发人类也许无法预见的现实后果。

　　这项研究于2025年2月发表在《机器学习研究汇刊》上，研究了大语言模型作类比的能力。

　　研究人员发现，在面对简单的字母串类比和数字矩阵问题(即填补矩阵中缺失的数字)时，人类都表现良好，但AI的表现(比处理其他任务时)显著下降。

　　用基于故事的类比问题测试人类和AI模型的稳健性时，该研究发现，AI模型易受回答顺序效应的影响，即在实验中因处理顺序不同而出现回答差异，而且AI模型使用改述的可能性更大。

　　总体而言，这项研究的结论是，AI模型缺乏“零样本”学习的能力，即学习者观察训练期间遇到未见过的样本类别，根据提问预计这些样本属于哪个类别。

　　该研究的合著者、荷兰阿姆斯特丹大学神经符号AI研究助理教授玛莎·刘易斯举例说明了面对字母串问题时，AI无法像人类那样进行类比推理。

　　刘易斯对记者说：“字母串类比的形式是‘如果abcd指向abce，那么ijkl指向什么？’大多数人类会回答‘ijkm’，而(AI)一般也会给出这个答案。但要是提出另一个问题，‘如果abbcd指向abcd，那么ijkkl指向什么？’人类一般会回答‘ijkl’——规律是去除重复的元素。但AI模型GPT-4往往会在这类问题上给出错误的答案。”

　　刘易斯说，人类可以将特定的模式抽象为更普遍的规律，但大语言模型不具备这种能力。她说：“大语言模型擅长识别和匹配模式，但不擅长归纳总结。”

　　大多数AI应用在一定程度上依赖于量——可用的训练数据越多，能识别的模式就越多。但刘易斯强调，模式匹配和抽象总结并不是一回事。她补充说：“关键不在于数据里有什么，而在于如何使用数据。”

　　该研究的意义重大，例如AI被越来越多地用于法律领域的研究、判例法分析和量刑建议。但是，由于AI作类比的能力较差，它可能无法认识到法律先例该如何适用于略微不同的案件。

　　考虑到AI缺乏稳健性可能会影响现实世界的结果，该研究指出，这证明我们需要仔细评估AI系统，不仅要评估其准确性，还要评估其认知能力的稳健性。（编译/胡雪）