GPT-4、Llama 2比人类更懂“人类心理”？最新研究登上Nature子刊

GPT-4、Llama2比人类更懂“人类心理”？最新研究登上Nature子刊这些发现不仅表明大型语言模型（LLMs）展示出了与人类心理推理输出一致的行为，而且还突出了系统测试的重要性，从而确保在人类智能和人工智能之间进行非表面的比较。相关研究论文以“Testingtheoryofmindinlargelanguagemodelsandhumans”为题，已发表在Nature子刊NatureHumanBehaviour上。GPT更懂“误导”，Llama2更懂“礼貌”心智理论，是一个心理学术语，是一种能够理解自己以及周围人类的心理状态的能力，这些心理状态包括情绪、信仰、意图、欲望、假装等，自闭症通常被认为是患者缺乏这一能力所导致的。以往，心智理论这一能力被认为是人类特有的。但除了人类之外，包括多种灵长类动物，如黑猩猩，以及大象、海豚、马、猫、狗等，都被认为可能具备简单的心智理论能力，目前仍有争议。最近，诸如ChatGPT这样的大型语言模型（LLMs）的快速发展引发了一场激烈的争论，即这些模型在心智理论任务中表现出的行为是否与人类行为一致。在这项工作中，来自德国汉堡-埃彭多夫大学医学中心的研究团队及其合作者，反复测试了两个系列的LLMs（GPT和Llama2）的不同心智理论能力，并将它们的表现与1907名人类参与者进行比较。他们发现，GPT模型在识别间接要求、错误想法和误导三方面的表现，可以达到甚至超越人类的平均水平，而Llama2的表现还不如人类。图人类（紫色）、GPT-4（深蓝色）、GPT-3.5（浅蓝色）和LLaMA2-70B（绿色）在心智理论测试中的表现。在识别失礼方面，Llama2要强于人类，但GPT表现不佳。研究团队认为，Llama2表现好是因为回答的偏见程度较低，而不是因为真的对失礼敏感，GPT表现较差其实是因为对坚持结论的超保守态度，而不是因为推理错误。AI的心智理论已达人类水平？在论文的讨论部分，研究团队对GPT模型在识别不当言论任务中的表现进行了深入分析，实验结果支持了GPT模型在识别不当言论方面存在过度保守的假设，而不是推理能力差。当问题以可能性的形式提出时，GPT模型能够正确识别并选择最可能的解释。同时，他们也通过后续实验揭示了LLaMA2-70B的优越性可能是由于其对无知的偏见，而不是真正的推理能力。此外，他们还指出了未来研究的方向，包括进一步探索GPT模型在实时人机交互中的表现，以及这些模型的决策行为如何影响人类的社会认知。他们提醒道，尽管LLM在心智理论任务上的表现堪比人类，但并不意味着它们具有人类般的能力，也代表它们能掌握心智理论。尽管如此，他们也表示，这些结果是未来研究的重要基础，并建议进一步研究LLM在心理推断上的表现会如何影响个体在人机交互中的认知。...PC版：https://www.cnbeta.com.tw/articles/soft/1431713.htm手机版：https://m.cnbeta.com.tw/view/1431713.htm

谷歌医疗大模型登上Nature杂志 水平媲美临床医生 AI+医疗有望加速融合

谷歌医疗大模型登上Nature杂志水平媲美临床医生AI+医疗有望加速融合研究人员表示，当回答医学问题时，微调后的医疗大模型Med-PaLM表现良好，一组临床医生对其回答的评分为92.6%，与现实中临床医生的水平（92.9%）相当。临床医生对答案的评估除了专家评估，研究团队还请一组非领域专家（印度的非医学背景普通人）评估答案。Med-PaLM在80.3%的情况下被认为是有帮助的。另外，Med-PaLM的答案在94.4%的情况下被认为直接回答了用户问题，临床医生的答案在95.9%。非医学背景的人对答案的评估而MultiMedQA涵盖七个医学问答数据集，包括医学考试、医学研究、消费者查询等相关问题和回答，以评测大模型在临床方面的能力。▌技术尚不成熟但科技大佬强烈看好在AI+医疗领域，Google走在前列。其最新的医疗大模型Med-PaLM2为首个在美国医疗执照考试中达到专家水平的大模型。据华尔街日报报道，自4月份以来，该模型一直在美国梅奥诊所等顶尖私立医院进行测试。据Google在5月份发布的论文，和其他大模型类似，GoogleMed-PaLM2也存在“幻觉”问题，容易“胡言乱语”，但总体来看，Google研究人员认为其表现与实际医生不相上下。曾参与训练Med-PaLM2Google高级研究主管GregCorrado表示：“我并不觉得这种技术现在已经达到了我愿意让家人使用的程度，但在医疗领域AI可以带来好处的环节，它能创造10倍的价值。”这与AMDCEO苏姿丰不谋而合，几天前落幕的世界人工智能大会上，苏姿丰表示，基本上每个层面的科研都受到你所拥有的计算能力的影响，无论是气候研究还是能源研究，所有这些领域的研究都可以在人工智能下得到显著加速，个人对医疗卫生的前景非常期待，认为医疗保健是能找出的一个AI能真正影响人类结果的领域，会帮助医生作出更好的诊断，加速疾病预防研究。▌大模型为AI医疗插上翅膀应用场景有望加速落地Google之外，微软、IBM等科技大厂一直在持续关注AI医疗方面的应用落地。在这轮大模型浪潮之前，AI检测心电图、X光片已在一些医院中投入应用。大模型则有望为AI医疗插上翅膀。华泰证券便表示，随着基于大模型的生成式AI的出现，AI+医疗有望迎来一波新的发展机遇。浙商证券分析师刘雯蜀称，AI大模型将在医疗信息化、互联网医疗、医卫和医保信息化等领域产生生产力变革性推动。综合来看，在大模型的加持下，智能问诊、新药开发、医疗影像这三大AI应用场景有望加速落地。国内，AI与医疗的融合进程也在加快。5月，在上海市经济信息化委的指导下，国内首个基于算力网络的医疗算法模型Uni-talk发布。产业端，科大讯飞、百度、云从科技、卫宁健康等公司都正积极布局医疗领域的垂直大模型；CRO企业药明康德、美迪西、药石科技、成都先导、皓元医药、泓博医药等公司均对AI制药相关业务有所布局。华西证券表示，Med-PaLM2进入实测，医疗大模型应用加速，具备行业Know-How和客户基础，在AI领域早有布局，且积极拥抱大模型技术变革的公司具有先发优势，受益标的包括润达医疗、创业慧康、嘉和美康、安必平、健麾信息、数字人等。...PC版：https://www.cnbeta.com.tw/articles/soft/1370653.htm手机版：https://m.cnbeta.com.tw/view/1370653.htm

华为基于AI的天气预报系统研究成果登上顶级科研杂志《Nature》

华为基于AI的天气预报系统研究成果登上顶级科研杂志《Nature》这是近年来，中国科技公司首篇作为唯一署名单位发表的《Nature》正刊论文。据悉，在这篇研究论文中，提出了基于AI的天气预报系统“盘古气象”。据介绍，这个AI模型使用了39年的全球再分析天气数据作为训练数据，其预测准确率与全球最好的数值天气预报系统IFS相当。在确保极高精准度的同时，盘古气象在相同的空间分辨率下，比IFS要快10000倍以上。同时，在未来，研究团队希望通过融合更多垂直层次和大气变量、整合时间维度并训练4D深度网络、使用更深和更宽的网络等方法，实现模型的进一步迭代。对该研究论文，以及华为的研究成果，《Nature》的审稿人给予了高度评价：“华为云盘古气象大模型让人们重新审视气象预报模型的未来，模型的开放将推动该领域的发展。”...PC版：https://www.cnbeta.com.tw/articles/soft/1369357.htm手机版：https://m.cnbeta.com.tw/view/1369357.htm