文章主题：文章关键词：阿西莫夫, Robopsychologist, ChatGPT, GPT3
我的童年偶像是阿西莫夫笔下的机器人心理学家（Robopsychologist）苏珊凯文博士。
因为ChatGPT的存在，我有这个机会，在攻读PhD学位期间就能扮演一名半吊子机器人心理学家。
在2018年阅读Hassabis对未来人工智能发展的展望时，我注意到了他在文章结尾部分提到的一个有趣观点。他认为，我们有望逐步将心理学和神经科学的研究方法引入机器学习领域。这一设想为我们提供了一个新的视角，以期在不久的将来，我们能更好地理解人类智能的本质，并据此开发出更先进的人工智能系统。
尽管我们已经进入了一个以人工智能和机器学习为主导的时代（如GPT-3时代），但人类与这些技术之间的鸿沟依然存在。换言之，尽管我们有了强大的对话模型，但由于其相对简单的结构，我们仍然无法像与真人交流那样，与机器自如地沟通。此外，要将心理学的研究方法引入这个领域，更是如同跨过一道难以逾越的障碍。
自那日始，我反复想象着机器人心理学会的模样，以及我们如何去探索、理解机器人的内心世界。如今，在与对话模型的碰撞中，我们终于看到了希望的曙光。
ChatGPT 的问世无疑是革命性的，它让我们得以亲身体验人工智能的认知能力，并将其从遥远的科幻小说中带入现实世界。
在未来，随着对话模型或多模态交互模型的不断进步，认知心理学的实验方法、理论思维以及测量工具，都有望更加广泛地应用于机器学习领域。
在此，我向文学领域的巨匠阿西莫夫表示崇高的敬意，同时也要向杰出的机器人心理学家苏珊·凯文博士致以最诚挚的问候。此外，我还要向当今时代的领导者——OpenAI公司表示由衷的钦佩！
感慨的话说完了，让我们进入正题吧。
为了测试ChatGPT是否拥有最初步的“智能”，我们先来测试ChatGPT的工作记忆：
虽然很遗憾，ChatGPT 并没有成功区分“几种”与“几次”，但是它确确实实表现出了一定程度的工作记忆。
这绝不是“拟合语料库”或“习得了人类语言的结构”这种层次的能力，在我看来，这绝对是真正的工作记忆。
这里面还有一个很有意思的现象，ChatGPT 在复述水果与动物的名称时，自动按照对话中出现的历史顺序来排序——这或许跟自回归模型的性质有一定关系。
接下来要求 ChatGPT 分析最简单的逻辑命题：
为了防止 ChatGPT 利用常识“偷懒”，必须避免问题中出现的对象包含在 ChatGPT 训练时使用的语料库中。因此我脸滚键盘敲了一个虚构的动物“卡拉拉鲁卡”。
乍一看 ChatGPT 似乎可以正确理解原命题与逆命题、逆否命题之间的关系。
事实上其实并不是这样。当我们把原命题换成更常见的说法，例如“熊都爱吃蜂蜜”或者“卡比兽都爱睡觉”，此时 ChatGPT 可以利用学习到的常识“偷懒”。这种情况下，询问同样的问题，ChatGPT 反而会表现不好。最严重的情况下，ChatGPT 甚至会混淆逆命题与逆否命题，然后开始它招牌式一本正经的胡说八道……
先写到这……每天随缘更新一点
说句题外话，因为我个人是更偏神经科学一点，事实上认知心理学的范式我其实也不是很熟悉，应该要再多了解一下这方面的知识，做的实验会更严肃一些。
希望有想法的朋友可以在评论区多多交流（没有想法只是阿西莫夫书迷也行）
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
