大模型集体失智？人脑也有不靠谱的时候！

主要观点总结

本文主要讨论了人工智能模型在简单任务中的失误，以及这种现象在人类生活中的类似情况。通过描述AI模型在回答小数比较问题时的错误，引出人类大脑在处理视觉信息时的类似情况，包括视觉错觉和感知误差等。文章还介绍了相关研究和理论，如Retinex理论和光流法，并探讨了这些错误在科学研究、艺术创作和技术应用中的影响。

关键观点总结

关键观点1: AI模型在回答简单问题时出现错误，如小数比较。

AI模型在回答小数比较问题时出现失误，这引发了关于模型性能和局限的讨论。

关键观点2: 人类大脑在处理视觉信息时的类似情况。

人类大脑在处理视觉信息时也会出现错觉和感知误差，这涉及到大脑如何依赖经验和上下文进行推测。

关键观点3: 相关研究和理论的应用和影响。

文章介绍了Retinex理论和光流法等在视觉感知领域的研究和应用，这些理论和方法的出现有助于解释AI和人类在处理视觉信息时的复杂性和局限性。

关键观点4: AI或人脑的失误对科学研究和技术应用的影响。

通过研究和探讨AI或人脑的失误，可以获得关于人类视觉和认知过程的重要启发，对科学研究、艺术创作和技术应用都有深远的影响。

文章预览

随着计算机算力不断提高、算法的不断进步，基于人工神经网络的人工智能架构获得了空前的发展。深度神经网络不仅在模式识别、图像处理中得到了广泛的应用，在光学计量 [ 1 ] 、成像 [ 2 ] 等方面也硕果累累。而近些年逐步发展的AI大模型则更是融入到了人们生活的方方面面，可以协助人们绘画、创作文章、甚至是回答复杂问题。 而就在近日，有不少朋友发现各大AI大模型居然在简单的小数比大小上接连翻车，例如当人们对AI提问“9.11和9.9谁大？”时，AI会直接给出9.11比9.9大的结论。 笔者对GPT提问截图 以下是笔者整理的各个模型的回答结果： 对于这个情况，网友合理的解释可以分为“程序员背锅”派和“大模型偷懒”派。“程序员背锅”派认为：AI都是工程师开发的，对于工程师习惯用的版本号来说，9.11的版本号是要大于9.9的，因此9.9实际上 ………………………………