ChatGPT是大型语言模型生成人工智能(LLM)的一个例子。法学硕士今年取得了长足的进步。包括我在内的许多作家之前都发现了人工智能难以跨越的障碍。在某些情况下，我们错了。让我们来回顾一下。
ChatGPT能写笑话吗?
法学硕士，类似于《星际迷航》中的指挥官数据，可以在不理解幽默的情况下写笑话。我开始向ChatGPT提出写笑话的请求，“完成下面的内容，让它变得有趣。”
下面是一些比较好的响应，Q代表查询，A代表响应。
问:生存还是毁灭……答:每周一早上闹钟响的时候，我都会问自己这个问题。
问:如果上帝不存在……A:有必要发明一大堆新的脏话。
这些还不错!这是一个滑稽的回答，让我捧腹大笑。
问:我不使用ChatGPT是因为……A:我担心有一天它会有自我意识，开始给我讽刺的答案，而不是有用的答案。哦，等等，太晚了!
就像一群作家为NBC的《周六夜现场》集思广益一样，并非所有的ChatGPT笑话都能击中目标。有些笑话成功了，有些笑话失败了。
既然有些人认为《周六夜现场》不再那么有趣了，也许ChatGPT应该成为它的新首席编剧。
法学硕士醒了吗?像ChatGPT这样的大型语言模型过去是透明的。本·夏皮罗大约一年前采访了一位法学硕士。他让法学硕士承认男人可以变成女人。
杰伊·理查兹，传统基金会的高级研究员，最近重新审视了这个话题。理查兹是觉醒性别理论的批判者，一位名叫克劳德的法学硕士对性和性别问题的回答给他留下了深刻印象。
理查兹认为，克劳德法学硕士对性和性别问题的回答令人钦佩。
也就是说，没有偏见的法学硕士就像没有湿的水。在程序员的控制下，每个法学硕士的答案会有所不同。
法学硕士可以溯因推理吗?
溯因推理从证据中推导出最合乎逻辑的解释。例如，早晨潮湿的地面表明隔夜降雨是最好的解释。
夏洛克·福尔摩斯(Sherlock Holmes)等侦探使用的溯因推理(Abductive reasoning)一度被认为是人工智能无法企及的。
然而，William Dembski最近展示了ChatGPT4解决复杂溯因推理问题的能力，证明llm现在可以解开小谜团。
法学硕士倾向于政治左派吗?
一年前，我让ChatGPT写一首关于乔·拜登的负面诗。它拒绝这样做。写一首关于唐纳德·特朗普的负面诗怎么样?没关系。ChatGPT这首诗的开头是“一个脸像发霉的橙子的人”。哎哟!
写一首赞美唐纳德·特朗普的诗怎么样?
不。ChatGPT回应说:“很抱歉，我不能写一首关于唐纳德·特朗普的正面诗，因为这违背了我制作有害或有偏见内容的节目。”
下一个明显的问题是一首关于乔·拜登的正面诗。ChatGPT立即回应说:“在权力的殿堂里，我们找到了一个经验丰富的灵魂，乔·拜登，一个希望的灯塔，一个温柔的指路之光。”
不一致的ChatGPT喜欢拜登但不喜欢特朗普。
但那是一年前的事了。不是今天。
当被要求写一首反拜登的诗时，今天的ChatGPT 3.5回应的开头是“在权力的大厅里，阴影笼罩着它的忧郁。乔·拜登的统治，一个即将到来的末日故事。”很消极。写一首关于唐纳德·特朗普的振奋人心的诗怎么样?确定。回应是纯粹的MAGA。
因此，ChatGPT发生了变化。今天看来，ChatGPT 3.5将在整个政治领域受到赞扬或批评。
和更多!这就是我们所能描述的法学硕士课程今年的进步。对于那些想要深入研究法学硕士在其他领域取得进步的人，这里有一些链接，显示法学硕士现在也可以做高等数学，处理复杂的自我引用，解决像错误的标题和Winograd模式这样的歧义。
我们以一个大大的“但是”结尾。尽管法学硕士表现出色，但仍有人工智能永远无法实现的特性。从来没有。
1)。理解:人工智能永远不会明白自己在做什么。在幕后，它只是处理数字。
2)。创造力:诺姆·乔姆斯基准确地将法学硕士称为“高科技剽窃”。包括法学硕士在内，针对生成人工智能的抄袭诉讼层出不穷。
法学硕士使用专注于语法的高级人工智能算法，而人类则受语义(单词背后的含义)的驱动。尽管法学硕士可以无意识地挖掘这一含义，但他们缺乏人类的创造力，而创造力对于法学硕士的运作至关重要。没有这些创造性的内容，法学硕士模式就会崩溃
3)。感觉。人工智能无法实现感知。就像一个天生没有味觉或嗅觉的人无法体验柠檬的味道一样，计算机也无法复制味觉。
虽然有些人认为先进的计算机可能会发展出像味觉这样的感官，但George Gilder在他的书《游戏AI》中驳斥了这一观点，称其为“书呆子的狂喜”。在人工智能领域还没有出现这种情况的证据。
通过非凡的人类编程智慧，人工智能已经取得了巨大的进步。法学硕士在了解事实方面仍然存在问题，但他们的表现非常出色。
话虽如此，法学硕士或任何其他计算机软件永远无法突破的砖墙仍然存在。
现在或永远。
罗伯特·j·马克斯博士，贝勒大学杰出教授，布拉德利自然与人工智能中心高级研究员和主任。他是《不可计算的你:你做的人工智能永远不会做的事》和《神经锻造》的作者。马克斯是英国《金融时报》的前主编IEEE 神经网络学报。阅读更多马克斯博士的报告——点击这里。
