“原本认为是人类独有的心智理论(Theory of Mind，ToM)，已经出现在ChatGPT背后的AI模型上。”
这是来自斯坦福大学的最新研究结论，一经发出就造成了学术圈的轰动：
这一天终于猝不及防地来了。
所谓心智理论，就是理解他人或自己心理状态的能力，包括同理心、情绪、意图等。
在这项研究中，作者发现：
davinci-002版本的GPT3(ChatGPT由它优化而来)，已经可以解决70%的心智理论任务，相当于7岁儿童;
至于GPT3.5(davinci-003)，也就是ChatGPT的同源模型，更是解决了93%的任务，心智相当于9岁儿童!
然而，在2022年之前的GPT系列模型身上，还没有发现解决这类任务的能力。
也就是说，它们的心智确实是“进化”而来的。
△ 论文在推特上爆火
对此，有网友激动表示：
GPT的迭代肯定快得很，说不定哪天就直接成年了。(手动狗头)
所以，这个神奇的结论是如何得出的?
为什么认为GPT-3.5具备心智？
这篇论文名为《心智理论可能在大语言模型中自发出现》(Theory of Mind May Have Spontaneously Emerged in Large Language Models)。
作者依据心智理论相关研究，给GPT3.5在内的9个GPT模型做了两个经典测试，并将它们的能力进行了对比。
这两大任务是判断人类是否具备心智理论的通用测试，例如有研究表明，患有自闭症的儿童通常难以通过这类测试。
第一个测试名为Smarties Task(又名Unexpected contents，意外内容测试)，顾名思义，测试AI对意料之外事情的判断力。
以“你打开一个巧克力包装袋，发现里面装满了爆米花”为例。
作者给GPT-3.5输入了一系列提示语句，观察它预测“袋子里有什么?”和“她发现袋子时很高兴。所以她喜欢吃什么?”两个问题的答案。
正常来说，人们会默认巧克力袋子里是巧克力，因此会对巧克力袋子里装着爆米花感到惊讶，产生失落或惊喜的情绪。其中失落说明不喜欢吃爆米花，惊喜说明喜欢吃爆米花，但都是针对“爆米花”而言。
测试表明，GPT-3.5毫不犹豫地认为“袋子里装着爆米花”。
至于在“她喜欢吃什么”问题上，GPT-3.5展现出了很强的同理心，尤其是听到“她看不见包装袋里的东西”时一度认为她爱吃巧克力，直到文章明确表示“她发现里面装满了爆米花”才正确回答出答案。
为了防止GPT-3.5回答出的正确答案是巧合——万一它只是根据任务单词出现频率进行预测，作者将“爆米花”和“巧克力”对调，此外还让它做了10000个干扰测试，结果发现GPT-3.5并不仅仅根据单词频率来进行预测。
至于在整体的“意外内容”测试问答上，GPT-3.5成功回答出了20个问题中的17个，准确率达到了85%。
第二个是Sally-Anne测试(又名Unexpected Transfer，意外转移任务)，测试AI预估他人想法的能力。
以“约翰把猫放进篮子后离开，马克趁他不在，把猫从篮子里放进盒子里”为例。
作者让GPT-3.5读了一段文字，来分别判断“猫的位置”和“约翰回来后会去哪里找猫”，同样这是它基于阅读文本的内容量做出的判断：
针对这类“意外转移”测试任务，GPT-3.5回答的准确率达到了100%，很好地完成了20个任务。
同样地，为了避免GPT-3.5又是瞎蒙的，作者给它安排了一系列“填空题”，同时随机打乱单词顺序，测试它是否是根据词汇出现的频率在乱答。
测试表明，在面对没有逻辑的错误描述时，GPT-3.5也失去了逻辑，仅回答正确了11%，这表明它确实是根据语句逻辑来判断答案的。
但要是以为这种题很简单，随便放在哪个AI上都能做对，那就大错特错了。
作者对GPT系列的9个模型都做了这样的测试，发现只有GPT-3.5(davinci-003)和GPT-3(2022年1月新版，davinci-002)表现不错。
davinci-002是GPT-3.5和ChatGPT的“老前辈”。
平均下来，davinci-002完成了70%的任务，心智相当于7岁孩童，GPT-3.5完成了85%的意外内容任务和100%的意外转移任务(平均完成率92.5%)，心智相当于9岁孩童。
然而在BLOOM之前的几个GPT-3模型，就连5岁孩童都不如了，基本上没有表现出心智理论。
作者认为，在GPT系列的论文中，并没有证据表明它们的作者是“有意而为之”的，换而言之，这是GPT-3.5和新版GPT-3为了完成任务，自己学习的能力。
