Nature：神经网络“举一反三”能力甚至超人类

西风 发自 凹非寺 量子位 | 公众号 QbitAI

神经网络具有类似人的“举一反三”能力，甚至超过人类水平？？？

最近刊于Nature的一篇论文表示找到了证据。

“举一反三”的能力更专业点叫做系统性泛化能力。像小孩子一样，一旦学会了如何“跳”，他们就可以理解如何“向后跳”、“绕锥体跳过两次”。

要知道，早在1988年，认知科学家Fodor、Pylyshyn就提出了系统性挑战，认为人工神经网络缺乏这种能力。

Nature的这篇文章中表示，研究人员用一种叫做MLC的方法，通过在动态变化的组合任务流中训练，神经网络可以获得人类般的组合推理能力。

他们还将MLC和人类在相同的系统性泛化测试中进行了比较。结果机器学习的系统性泛化基准测试表明，MLC错误率不到1%，并且还可以模拟人类的认知偏见导致的错误。

相比之下，GPT-4 在相同的任务中平均失败率在42%到86%之间，具体取决于研究人员如何提出任务。

挑战已存在35年的观点

35年前，认知科学家Fodor、Pylyshyn提出了一个著名的观点：

人工神经网络由于缺乏组合性，不太可能成为合理的认知模型。

换句话说，人类语言和思维的精髓在于系统性组合，而神经网络只能表示特定的事物，缺乏这种系统性组合能力。

这个观点引发学界激烈讨论。其中反驳观点主要集中于两个方面。

一是尽管人类的组合技能很重要，但它们可能并不具有Fodor、Pylyshyn所说的那样的系统性和规则性。

二是虽然神经网络在基本形式上受到了限制，但使用复杂的架构可以增强系统性。

虽然最近几年，神经网络在自然语言处理等方面有了很大进展和突破，相关辩论也随之升级。

但时至今日，系统性的问题仍没有一个定论。

基于此，纽约大学心理与数据科学助理教授Brenden M. Lake、西班牙加泰罗尼亚研究所（ICREA）研究教授Marco Baroni提出了一种叫做MLC（meta-learning for compositionality）的元学习神经网络模型。

具体来说，用的是一种通过特殊指导和人类示例来指定模型行为的方法，然后要求神经网络通过元学习获得正确的学习技巧。

研究人员还表示，MLC使用的是标准的Seq2Seq架构，常见的神经网络并没有添加符号机制，也没有手动设计内部表示或归纳偏见。

举个例子来说明训练过程。如下图所示，给神经网络模型一个“连续跳跃两次”（skip twice）的指令。并用箭头和小人来展示学习示例，告诉机器jump（跳）、skip（跳过）、jump twice是怎样的。

然后将输出的skip twice和行为目标比较：

类似情境，引入下一个词“向后踮脚尖绕过一个锥体”，要求神经网络组合向后走（walk backwards）、踮脚尖（tiptoe）、绕锥体行走（walk around a cone）的动作，推出如何“向后踮脚尖绕过一个锥体”。

机器VS人类

为了展示MLC方法的性能，研究人员对人类和机器在相同的系统性泛化测试中进行了评估。

实验基于一个少样本学习伪语言任务进行，其中词汇与特定的符号或颜色有关。

比如给出基本词汇，“dax”是红色，“wif”是绿色，“lug”是蓝色。

还有三个Function。Function 1中，“lug fep” 代表三个蓝色的连续圈圈，“dax fep” 代表三个红色的连续圈圈。

Function 2代表的是交替，像“lug blicket wif” 代表蓝绿蓝三个颜色的圈圈。

Function 3代表把输出顺序倒过来，像“dax kiki lug” 代表蓝红（根据基本词汇应该是红蓝）。

还可以组合不同的Function，比如“wif blicket dax kiki lug”是蓝绿红绿。

△MLC架构

然后研究人员对25名人类的反应和机器的反应进行了比较：

研究人员还测试了在不给出任何示例的情况下，人类和机器归纳这种方法后的输出，为的是测验人类的归纳偏见：

测试后的结果表明，人类能够系统性地泛化，正确率约为80%，但也存在一些偏见。

而使用MLC方法机器可以达到或超过人类的系统性泛化水平。

MLC还可以预测哪些指令对人们来说更容易或更难。

下图展示了模型预测人类行为的log-likelihood值（用来判断模型预测数据的好坏），数值越大表示模型的预测越准确：

研究人员还在两个常见的机器学习的系统性泛化基准测试SCAN、 COGS中，着重关注MLC处理新单词和单词组合方面的表现，结果显示错误率不到1%。

△在机器学习基准测试中进行系统性词汇泛化的错误率

他们还表示，在纯粹的代数推理和模拟人类复杂组合行为的情况中，MLC还可以模拟人类的认知偏见导致的错误模式，这说明神经网络是一种很好的建模工具。

引发热议

美国圣达菲研究所的计算机与认知科学家Melanie Mitchell表示：

这项研究是一个有趣的原理证明，但这种训练方法是否可以扩展到更大的数据集甚至图像，还有待观察。

德国奥斯纳布吕克大学自然语言处理专家Elia Bruni表示：

这项研究可以使神经网络更高效地学习，将减少像ChatGPT等所需的训练数据量，并减少“幻觉”。 将系统性注入神经网络是一件大事，它可以同时解决这两个问题。

但也有网友指出：

人类的沟通是多样且多层次的，可以从太多角度总结 ，所以有必要持合理的怀疑态度，同时还需要证据和测试结果。

还有网友表示用这种方法能够击败GPT-4是因为提示的问题：

我觉得一名高级的提示工程师使用GPT-4可以达到正确率85%的效果。“根据研究人员如何呈现任务，准确率在42%到86%之间”这话确实会让人产生疑虑。 考虑到主观因素，希望他们能展示是如何提出这个任务的，至少比只给一句话要详细。

论文链接：https://www.nature.com/articles/s41586-023-06668-3

参考链接： [1]https://www.nature.com/articles/d41586-023-03272-3 [2]https://news.ycombinator.com/item?id=38017146

— 完 —