大語言模型

你有沒有想過，當別人向你提問時，你回答問題的思考邏輯是什麼呢？這個看似很奇怪的問題，其實是非常重要的事情，因為它可能是造成我們思維與人工智慧思維有所區別的最大原因。從經典的心理學實驗「琳達問題」，認知心理家發現人們在思考時，容易因為捷思法，透過自己的經驗反射性判斷出答案，而非經過複雜縝密的思考。讓人意外的是，這樣的問題在LLM當中也同樣會發生，但差別在於LLM如果透過提示與修正提問方式之後，回答準確度會有上升的趨勢，但在人類身上並沒有這樣的效果。如此看來，機器的發展和人類大腦的發展，似乎並不是依循著相同的發展路線而前進，這又是另一個值得玩味的議題。

大語言模型 (LLM) 的出現，讓人們看到了人工智慧所能展現的高度自主性，LLM能完成不少跨領域的任務，並且展現很不錯的自然語言處理能力。不過，面對一些看似簡單的數學計算或是化學式轉換的任務時，大語言模型卻會出現誤差。為了解決這個限制，並且發揮LLM的效用，必須整合其他工具，讓LLM變得具有計算及分析能力。