【杂记】裂脑人实验和语言模型幻觉

2024-09-06 20:52

本文主要是介绍【杂记】裂脑人实验和语言模型幻觉,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

【杂记】裂脑人实验和语言模型幻觉

模型的自主意识在哪里,人的自我认知在哪里?自然而然的,“裂脑人” 这个词突然出现在我脑海里。然后随意翻了翻相关的文章,觉得这个问题和目前大模型面临的幻觉问题也高度相关,遂随笔记录。

裂脑人

什么是裂脑人?人的大脑左右半脑本来是一个整体,因为先天或者后天的原因让左右半脑分开不产生连接,就是“裂脑”。过去这个方法被作为控制恶性癫痫的治疗手段。

一些铺垫知识

  • 我们也知道左脑和右脑负责的功能是不一样的。比如语言组织,思考推理主要由左脑负责,右脑负责一些空间推理,直觉等
  • 左脑控制人身体的右半边:比如你的右眼,你的右胳膊
  • 相应的,右脑控制你身体的左半边:比如你的左眼,右胳膊

两个实验

下面加扎尼加是对于受试者(后天裂脑人)的两个实验

挥手实验->语言编造

实验者给受试者的“左眼”展示“挥手”一词(让右脑知道“挥手”信息),并让受试者按照信息行事。这时受试者便挥了挥手。

此时,实验者准备刁难一下受试者的左脑(左脑没见过“挥手”,但是知道自己挥手了),实验者问受试者你为什么刚才挥手?受试者此时犹豫了片刻之后回复到:以为刚才看见了一个朋友,所以挥了挥手。

联想实验->语言编造

实验者让受试者左眼看到一幅雪景,右眼看到一只鸡脚,然后让他在桌子上的卡片中,左右手各挑选一张有关联的卡片。

受试者由右脑控制的左手挑的是一个铲雪的铲子,而由左脑控制的右手则是挑了一只鸡。

而这一次受试者的解释是:因为看到了鸡爪所以挑选鸡,而挑铲子是因为要用它打扫鸡厩!
(这时因为受试者用语言解释的时候只能依赖左脑,而左脑知道右眼见过鸡,却不知道左眼见过雪景)
请添加图片描述

裂脑人的幻觉

上面两个例子中,受试者都产生了幻觉!产生幻觉的原因,都是由于负责推理和表达的左脑不知道仅仅传递给右脑的信息,然后做出了臆想。

模型的幻觉

铺垫了这么久,可以谈谈大模型了。我们都知道大语言模型也经常产生幻觉!当然大语言模型的幻觉的定义不是那么统一,姑且这么称呼吧。

在过去的实验中,我发现无论给模型过多的信息或者过少的信息,模型都容易产生严重的幻觉!

比如下面有一段文字(省略了很多内容)

Spam msubi是夏威夷一种流行的小吃和午餐食物,它是由... ...在日语中又被称作 ...

我问大模型,请提取上面这段内容中和 (Spam,流行小吃,午餐食物, 夏威夷) 相关的内容,大模型可以正确的回答 Spam是夏威夷一种流行小吃和午餐食物

但是!如果我问大模型请提取上面这段内容中和 (Spam,罐装,流行小吃,午餐食物, 夏威夷)相关的内容,大模型则会错误的回答 Spam是夏威夷一种流行小吃和罐装午餐食物

当然上面的例子只是在我之前某次实验提供过多信息发现模型容易产生幻觉,相应的那些由于缺少信息产生的幻觉更是数不胜数。

解决幻觉

从这里开始都是我的瞎说~

  1. 首先就是信息不能过多也不能过少,在之前的实践中我就是这么进行的,并且发现这样做确实能够一定程度的缓解幻觉。作为一个头疼医头,脚疼医脚的策略。
  2. 我猜想人的大脑能够独立并协同工作也是正常人抑制幻觉的重要能力。比如说 (a)裂脑人只依赖左脑回答问题比正常人左右脑协同工作更多产生幻觉 (b)当人似醒未醒,或者被酒精麻痹了状态下(此时大脑的前额叶并没有苏醒进入工作状态或者是酒精中毒了),人总是会胡言乱语产生大量幻觉。胡说八道的大模型类比成大脑各部分还没配合起来的人类。 人的大脑各个部分不仅可以独立工作,还可以互相监督。而目前的语言模型,并没有类似的能力(多agent的操作可能有点类似)。

这篇关于【杂记】裂脑人实验和语言模型幻觉的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1143093

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者