你有沒(méi)有想過(guò)，人類真的能做出完全隨機(jī)的選擇嗎？答案可能出乎你的意料。事實(shí)上，人類天生就不擅長(zhǎng)“隨機(jī)”，我們總能在看似無(wú)序的事物中發(fā)現(xiàn)規(guī)律，甚至在本該隨機(jī)的場(chǎng)景中創(chuàng)造出模式。這種“偽隨機(jī)”行為，其實(shí)是一種獨(dú)特的人類特質(zhì)。最近，來(lái)自康奈爾大學(xué)探討了大語(yǔ)言模型（LLMs）在隨機(jī)性方面的表現(xiàn)。他們通過(guò)一個(gè)經(jīng)典的實(shí)驗(yàn)——生成二進(jìn)制隨機(jī)序列，來(lái)觀察這些模型是否能像人類一樣“不隨機(jī)”，或者是否能真正實(shí)現(xiàn)“隨機(jī)”。

研究結(jié)果令人驚訝。研究者發(fā)現(xiàn)，GPT-4和Llama-3在生成隨機(jī)序列時(shí)，不僅表現(xiàn)出人類的偏差，甚至還加劇了這些偏差。

真隨機(jī) 與 偽隨機(jī)

人類有一種奇妙的天賦——發(fā)現(xiàn)規(guī)律。我們總能在生活中找到各種模式：在咖啡的奶泡中看到人臉，在星空里描繪出星座，甚至因?yàn)橥洿┬疫\(yùn)衫而覺(jué)得勒布朗·詹姆斯投籃不中是自己的錯(cuò)。

然而，這種對(duì)規(guī)律的敏感也讓我們?cè)诿鎸?duì)“隨機(jī)性”時(shí)變得格外笨拙。比如，當(dāng)你讓一個(gè)人隨機(jī)選擇一個(gè)1到10之間的數(shù)字時(shí)，他們大概率會(huì)選擇7；或者讓他們?cè)谀X海中拋硬幣，結(jié)果多半是正面。這些看似隨機(jī)的選擇，其實(shí)背后隱藏著可預(yù)測(cè)的規(guī)律。

拋硬幣實(shí)驗(yàn)背后的秘密

從20世紀(jì)初開(kāi)始，人類對(duì)隨機(jī)性的研究就從未停止。早在1913年，F(xiàn)ernberger就指出，人類生成隨機(jī)序列的行為是一個(gè)復(fù)雜而迷人的課題。此后，無(wú)數(shù)研究發(fā)現(xiàn)，人類生成的隨機(jī)序列與真正的隨機(jī)序列有著顯著的差異。

我們通過(guò)一個(gè)經(jīng)典的行為科學(xué)實(shí)驗(yàn)來(lái)研究這一問(wèn)題：讓人類或機(jī)器生成一系列隨機(jī)結(jié)果，比如拋硬幣的序列，然后將這些序列與真正的隨機(jī)序列進(jìn)行比較。簡(jiǎn)單來(lái)說(shuō)，就是看看這些序列與“純粹的隨機(jī)性”有多大差距。

虛擬硬幣實(shí)驗(yàn)

▎溫度參數(shù)：AI的“隨機(jī)性開(kāi)關(guān)”

與人類不同，大語(yǔ)言模型有一個(gè)關(guān)鍵參數(shù)——溫度（temperature）。溫度決定了模型輸出的多樣性：溫度越低，輸出越一致；溫度越高，輸出越隨機(jī)、越多樣化。然而，當(dāng)溫度過(guò)高（比如超過(guò)1.5）時(shí)，模型的輸出可能會(huì)變得混亂，甚至無(wú)法從中解析出硬幣的正反面。因此，我們的實(shí)驗(yàn)溫度范圍設(shè)定在0到1.5之間。

當(dāng)我們讓AI連續(xù)拋20次硬幣時(shí)，結(jié)果同樣有趣。實(shí)驗(yàn)發(fā)現(xiàn)，所有模型在序列的第一次拋硬幣中都傾向于選擇“正面”，這與人類的行為高度一致。無(wú)論溫度如何變化，這種“正面優(yōu)先”的傾向始終存在。這不僅揭示了AI在隨機(jī)性任務(wù)中繼承了人類的偏差，還表明這些偏差在某些情況下可能被進(jìn)一步放大。

▎AI的“第一印象”偏差

在我們的實(shí)驗(yàn)中，超過(guò)88%的AI生成的硬幣序列以“正面”開(kāi)始，這一比例遠(yuǎn)遠(yuǎn)高于人類數(shù)據(jù)。這表明AI在“第一印象”上繼承了人類的偏差，并且表現(xiàn)得更加明顯。尤其是Llama-3，它的偏差比GPT系列模型更強(qiáng)。GPT-4和GPT-3.5之間也存在差異，GPT-4通常表現(xiàn)出更少的偏差。

這種“第一印象”偏差不僅出現(xiàn)在硬幣的正反面選擇中，還出現(xiàn)在其他二元選擇中，比如“真/假”或“A/B”。這可能暗示了語(yǔ)言中的“固定二元組”對(duì)AI的決策產(chǎn)生了影響。

▎AI的“平衡”偏差

在實(shí)驗(yàn)中，GPT-4和Llama-3生成的序列中，正面和反面的比例往往比隨機(jī)分布更接近50%，甚至比人類生成的序列還要“平衡”。例如，在8次拋硬幣的序列中，它們平均會(huì)有4次正面，這與人類的行為非常相似。不過(guò)，Llama-3在低溫時(shí)表現(xiàn)出輕微的正面偏好，而GPT-3.5在低溫時(shí)則表現(xiàn)出強(qiáng)烈的反面偏好，但在高溫時(shí)會(huì)逐漸接近人類的分布。

▎連續(xù)序列與N-gram模式人類在生成隨機(jī)序列時(shí)，往往會(huì)過(guò)度切換正面和反面，認(rèn)為這樣看起來(lái)更“隨機(jī)”。研究表明，人類序列的交替比例通常為60%，而真正的隨機(jī)序列應(yīng)該是50%。在AI實(shí)驗(yàn)中，這種“過(guò)度切換”的傾向被進(jìn)一步放大。例如，在8次拋硬幣的序列中，理論上應(yīng)該平均有3.5次交替，但AI模型的交替次數(shù)普遍高于這個(gè)值。GPT-4在低溫時(shí)幾乎總是生成“正反交替”的序列，而Llama-3則傾向于生成“正反正反……”或“正反正正……”的模式。

本文轉(zhuǎn)自：Coggle數(shù)據(jù)科學(xué)