大语言模型与反向图灵测试

大语言模型（LLMs）已带来变革性影响。它们是自监督的预训练基础模型，可通过微调适配广泛的自然语言任务，而此前每个任务都需独立的网络模型。这距人类语言的极强通用性更近一步。GPT-3及近期的LaMDA经少量示例 priming 后，能与人类就诸多话题对话。然而，关于这些LLMs是否理解其所言或展现智能迹象，反应与争论不一。这一高方差体现于对LLMs的三次访谈得出迥异结论。我们揭示了一种可解释此分歧的新可能：LLMs中看似智能的表现，实则是反映访谈者智能的镜子，这一显著反转可视为反向图灵测试。若如此，则研究访谈或更多揭示访谈者的智能与信念，而非LLMs的智能。随着LLMs能力增强，它们或改变人机交互及机器间交互方式。LLMs正日益与感觉运动设备结合。LLMs能说会道，但能付诸行动吗？本文勾勒了受脑系统启发的七项重大改进以实现通用人工自主性的路线图。LLMs可通过在自然行为中下载脑数据来揭示脑功能的新见解。