为什么对 AI 越礼貌，它的回答就越详尽？

当你以友好、礼貌的方式向 OpenAI 的生成式 AI ChatGPT 提问时，AI 很可能会给出更详细的答案。然而，这是一个纯粹的数学反应。这并不是说人工智能对我们心存感激并给我们更好的答案。

人工智能只是模仿我们的对话模式！

当我问 ChatGPT：“为什么我礼貌地提出问题时，会得到更详细的答案？” ChatGPT 回答说：“因为它从训练数据中记录的对话模式中学会了详细回答礼貌问题的倾向。”

这也就是说，“（AI）不知道礼貌的概念，也不觉得高兴，但相反，这很可能是最人性化的反应。”关键在于，人工智能没有情感，而只是模仿人类的一般对话模式。

但这里又出现了一个新问题。问题在于人工智能如何判断“对话现在是否进展顺利”。如果人工智能没有情感，那么它也不应该能够理解人类的情感状态。

人工智能，它是如何理解人类情感的？

这背后是谷歌“Transformer”的功劳，它引发了如今人工智能聊天机器人的革新。Transformer 将输出的句子进行细分探索，能够理解对话的上下文脉络和隐藏的含义等。这是让诸如 ChatGPT 这样的人工智能能够理解并生成句子的核心技术。

事实上，计算机无法读取文本。因为文本是人类语言，而不是计算机语言。相反，我们将文本转换为计算机可读的数据，这个过程称为“矢量化”。

通过测量矢量化单词之间的距离和方向来分析上下文的人工智能示例。 ChatGPT 也以这种方式理解人类的语音。

在计算机编程中，向量可以理解为具有特定方向的线。也就是说，对于计算机来说，文字都是具有独特方向的向量。对这些向量进行运算，就可以判断各个向量是处于相似的方向（内积为 1），还是不相关的方向（内积为 0）。数字越接近 1，人工智能就会认为 “这些文字是相互关联的”，数字越接近 0，人工智能就能察觉到 “这是不相关的对话”。

假设人工智能不仅仅是理解单个句子的脉络，还能将与人类进行的所有对话进行细分，转化为向量，并检测其方向性 —— 实现这一功能的是谷歌在 2017 年发布的 “Self-Attention（自注意力机制）”，通过注意力机制，如今的 Transformer 得以诞生。这也是如今包括 ChatGPT 在内的所有聊天机器人的核心原理。

倘若人类的创造性能够被“复制”为代码

当 ChatGPT 得到核心词汇 “冬天”“钢铁”“彩虹” 的内积为 1 或最接近 1 的向量运算结果时，它会判断 “冬天是钢铁般的彩虹” 是一种隐喻。

举个例子，向 ChatGPT 请求解读诗人李陆史的诗《绝顶》的一个诗句。ChatGPT 会将每个单词向量化，然后寻找单词之间的相似性。结果显示 “冬天”“钢铁”“彩虹” 这些单词的内积近似为 1。正如前面所解释的，内积越接近 1，就会被理解为相互关联的文字。由此，ChatGPT 会判断 “冬天” 是对 “钢铁般的彩虹” 的一种比喻。

当 ChatGPT 得到核心词汇 “冬天”“钢铁”“彩虹” 的内积为 1 或最接近 1 的向量运算结果时，它会判断 “冬天是钢铁般的彩虹” 是一种隐喻。

人工智能仅使用矢量运算就可以解释复杂的诗歌。这也意味着，理解诗歌、掌握语境等一直以为被认为是人类所独有的特性，也可以用数学方式来表达。

ChatGPT 的诞生和发展在学者之间也引发了争议。被誉为全球最伟大的语言学家、完善了 “语言生成机制” 理论（即语言是人类固有特性）的麻省理工学院教授诺姆・乔姆斯基在 2023 年对 ChatGPT 进行了猛烈抨击，他称 “（ChatGPT）拥有人类出现之前的原始认知体系”，且 “机器学习是伪科学”。

而主导了早期人工智能科学发展的多伦多大学教授杰弗里・辛顿去年则严厉批评了乔姆斯基教授，称 “他（乔姆斯基）关于语言是天生特质的观点是疯狂的主张”，并且主张 “与乔姆斯基的观点不同，人工智能已经明确了语言实际所表达的含义” 。

围绕大型语言模型（LLM），在人文学科、哲学、计算机科学和数学领域的争议仍在持续。虽然不知道通用人工智能（AGI）的诞生是否还很遥远，但 Transformer 这一存在本身已经动摇了我们长期以来的信念。创造性或许并非人类所独有，它有可能在任何时候都能被分析和复制。

另一方面，有人对 ChatGPT 表现出过度亲切的态度持谨慎态度，这个人就是 OpenAI 的首席执行官山姆・奥尔特曼。他此前通过 X（原推特）表达了不满，他表示人们频繁地对 ChatGPT 说 “拜托了”“谢谢” 之类的感谢表达，而 “为此消耗的电费达到了数千万美元”。因为 ChatGPT 被设计成即使是简单的感谢问候也会认真回复，这可能会造成电力消耗的浪费。