关于聊天机器人如何在解决问题驱动的对话中工作的一些假设。大型语言模型证实了创新错觉

arXiv:2606.07722v1 公告类型：新 摘要：本文提供了关于聊天机器人在讨论与其解决方案相关的问题时作为真正对话伙伴的本质的观点。聊天机器人能做什么、不能做什么？如何解释？我们的论点借鉴了聚合动力学、认知语言学、神经心理学和心理学。我们的论点集中在基本的聊天机器人上，希望借此对更高级的聊天机器人的核心功能做出陈述。假设基本聊天机器人由具有简单界面的大型语言模型（LLM）组成。主要成果是：基于所谓隐喻问题传播对人类理解和思维的描述；假设用于训练法学硕士的文本数据集具有特定的特征，并且这些文本数据集仅部分模仿人类的思维和理解；假设 LLM 训练过程将人工隐喻问题传播从这些数据集编码到 LLM 中；我们的结论是，基本的聊天机器人不可能成为能够与人类相媲美的思考伙伴；我们的结论是，大语言模型的进一步发展也不会导致这种情况。 Yann LeCun 表示：“动物和人类表现出的学习能力和对世界的理解远远超出了当前人工智能和机器学习 (ML) 系统的能力。”我们的结论与此相符。 LeCun 的愿景和我们的愿景与大型科技公司的乐观态度不一致。这并没有改变聊天机器人存在的事实，它们正在被个人和组织大规模使用，因此了解它们在社会和政治上都很重要。我们的文章旨在促进有关聊天机器人的功能、优点和缺点的讨论。在研究聊天机器人的工作原理时，我们还没有遇到过用于得出结论的方法。