5 月 22 日消息,麻省理工學(xué)院(MIT)最新研究表明,人工智能(AI)在理解“no”和“not”等否定詞方面仍存在明顯缺陷,在醫(yī)療等關(guān)鍵領(lǐng)域可能引發(fā)嚴(yán)重風(fēng)險。
研究表明,AI 已快速發(fā)展,具備診斷疾病、創(chuàng)作詩歌甚至駕駛汽車等多項實用技能,但對“no”和“not”等否定詞,卻束手無策。
在博士生 Kumail Alhamoud 的帶領(lǐng)下,MIT 團隊聯(lián)合 OpenAI 和牛津大學(xué),發(fā)現(xiàn)包括 ChatGPT、Gemini 和 Llama 在內(nèi)的當(dāng)前主流模型,在處理否定語句時,常傾向于默認(rèn)肯定關(guān)聯(lián),忽略否定語義。
研究報告認(rèn)為,這種情況在醫(yī)療場景產(chǎn)生的潛在危害尤為明顯。例如,AI 可能誤解“no fracture”(無骨折)或“not enlarged”(未擴大),導(dǎo)致嚴(yán)重后果。
援引博文介紹,問題的根源并非數(shù)據(jù)不足,而是 AI 的訓(xùn)練方式。斯坦福大學(xué)深度學(xué)習(xí)兼職教授 Kian Katanforoosh 指出,大多數(shù)語言模型依賴模式預(yù)測,而非邏輯推理。
這導(dǎo)致 AI 在面對“not good”(不好)時,仍可能因“good”一詞而誤判為正面情緒。專家強調(diào),若不賦予模型邏輯推理能力,類似細(xì)微卻致命的錯誤將持續(xù)發(fā)生。
Lagrange Labs 首席研究工程師 Franklin Delehelle 也表示,AI 擅長模仿訓(xùn)練數(shù)據(jù)中的模式,但缺乏創(chuàng)新或處理訓(xùn)練數(shù)據(jù)之外情境的能力。
研究團隊通過合成否定數(shù)據(jù)(synthetic negation data)嘗試改進(jìn)模型,取得初步成效,但細(xì)粒度的否定差異仍具挑戰(zhàn)性。
Katanforoosh 警告,AI 對否定的誤解不僅是一項技術(shù)缺陷,更可能在法律、醫(yī)療和人力資源等領(lǐng)域引發(fā)關(guān)鍵錯誤。他呼吁,解決之道不在于堆砌更多數(shù)據(jù),而在于結(jié)合統(tǒng)計學(xué)習(xí)與結(jié)構(gòu)化思維,提升模型的邏輯能力。
本文鏈接:http://www.www897cc.com/showinfo-45-13082-0.htmlMIT 新研究指出 AI 不懂“no”,邏輯推理缺陷導(dǎo)致否定詞成“盲區(qū)”
聲明:本網(wǎng)頁內(nèi)容旨在傳播知識,若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系,我們將在第一時間刪除處理。郵件:2376512515@qq.com
上一篇: Anthropic 最強 AI 模型 Claude Sonnet 4 Opus 4 有望明日發(fā)布
下一篇: Mistral 發(fā)布編程專用開源 AI 模型 Devstral:240 億參數(shù)、單張 RTX 4090 顯卡可運行