你有沒有想過，人類真的能做出完全隨機的選擇嗎？答案可能出乎你的意料。事實上，人類天生就不擅長“隨機”，我們總能在看似無序的事物中發(fā)現(xiàn)規(guī)律，甚至在本該隨機的場景中創(chuàng)造出模式。這種“偽隨機”行為，其實是一種獨特的人類特質。最近，來自康奈爾大學探討了大語言模型（LLMs）在隨機性方面的表現(xiàn)。他們通過一個經典的實驗——生成二進制隨機序列，來觀察這些模型是否能像人類一樣“不隨機”，或者是否能真正實現(xiàn)“隨機”。

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

真隨機 與 偽隨機

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，甚至因為忘記穿幸運衫而覺得勒布朗·詹姆斯投籃不中是自己的錯。

然而，這種對規(guī)律的敏感也讓我們在面對“隨機性”時變得格外笨拙。比如，當你讓一個人隨機選擇一個1到10之間的數(shù)字時，他們大概率會選擇7；或者讓他們在腦海中拋硬幣，結果多半是正面。這些看似隨機的選擇，其實背后隱藏著可預測的規(guī)律。

拋硬幣實驗背后的秘密

從20世紀初開始，人類對隨機性的研究就從未停止。早在1913年，F(xiàn)ernberger就指出，人類生成隨機序列的行為是一個復雜而迷人的課題。此后，無數(shù)研究發(fā)現(xiàn)，人類生成的隨機序列與真正的隨機序列有著顯著的差異。

我們通過一個經典的行為科學實驗來研究這一問題：讓人類或機器生成一系列隨機結果，比如拋硬幣的序列，然后將這些序列與真正的隨機序列進行比較。簡單來說，就是看看這些序列與“純粹的隨機性”有多大差距。

虛擬硬幣實驗

▎溫度參數(shù)：AI的“隨機性開關”

與人類不同，大語言模型有一個關鍵參數(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、越多樣化。然而，當溫度過高（比如超過1.5）時，模型的輸出可能會變得混亂，甚至無法從中解析出硬幣的正反面。因此，我們的實驗溫度范圍設定在0到1.5之間。

當我們讓AI連續(xù)拋20次硬幣時，結果同樣有趣。實驗發(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在隨機性任務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一步放大。

▎AI的“第一印象”偏差

在我們的實驗中，超過88%的AI生成的硬幣序列以“正面”開始，這一比例遠遠高于人類數(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。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”。這可能暗示了語言中的“固定二元組”對AI的決策產生了影響。

▎AI的“平衡”偏差

在實驗中，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，它們平均會有4次正面，這與人類的行為非常相似。不過，Llama-3在低溫時表現(xiàn)出輕微的正面偏好，而GPT-3.5在低溫時則表現(xiàn)出強烈的反面偏好，但在高溫時會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序列時，往往會過度切換正面和反面，認為這樣看起來更“隨機”。研究表明，人類序列的交替比例通常為60%，而真正的隨機序列應該是50%。在AI實驗中，這種“過度切換”的傾向被進一步放大。例如，在8次拋硬幣的序列中，理論上應該平均有3.5次交替，但AI模型的交替次數(shù)普遍高于這個值。GPT-4在低溫時幾乎總是生成“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。

本文轉自：Coggle數(shù)據(jù)科學