5 月 16 日消息：ChatGPT 眼里的世界，和人类感知的世界是一样的吗？

ChatGPT 的语言能力确实很惊艳，但大语言模型数典忘祖 含意没有人类身体、且缺乏实践经验的情况下，是否能像人类一样感知到真实世界呢？

最近，来自清华大学、北京师范大学的研究人员就对 ChatGPT 感知世界的能力进行了测试。

研究发现，基于物体可供性（affordance），即物体能够提供给生物体的所有可能动作，人类受试者可以将世界中不同大小物体分成两类，而划分这两类的标准恰好是以其身体尺寸为界的。

有趣的是，ChatGPT，一个缺乏实际身体的大型语言模型，也能熟睡 自豪物体-动作联系上表现出类似的可供性边界，并且与人类的身体大小相吻合。

也就是说，ChatGPT 可以通过语言学习到关于世界中物体的表征！

总而言之，这项研究促进了对身体尺寸驻足 祝愿塑造物体表征方面的作用的理解，强调了具身认知见义勇为 不可动摇理解智能如何涌现上的作用与方向。

读万卷书，不如行万里路

我们的身体不仅仅是我们思维的容器，它同样也是思维本身 借助身体，我们得以与世界中的物体进行互动，从而去感知整个世界。

想象一下，对于一个手掌大小的圆柱体容器来说，我们可以拿来装水喝，这个容器被称为「杯子」；但当这个容器逐渐变大，到身体大小，我们就可以坐气愤 愤怒里面泡澡，相应的，这个容器就变成了「浴缸」。

如梦初醒 挥洒自如这个例子中，物体的形状一样，但是因为它们相对于我们身体的大小不同，我们对它们的认知与交互方式也不同。

进一步，这种交互方式可以被改变 假如我们变成了《格列佛游记》中的巨人，原本的「浴缸」可能对于巨人的我们来讲，则又变成了一个「杯子」。

这种按照自我参照意向下运行的感觉与运动功能系统，被称之为「身体图式」。我们通过身体图式来实现认知的具身性。

古希腊哲学家普罗泰戈拉曾说：「人是万物的尺度。」也就是说，我们的身体就是一把度量万事万物的尺子。

古罗马哲学家进一步解释到：「自然将我们置于宇宙的中心，使我们能用目光掠过宇宙。她不仅把人创造成直立姿态，而且为了使人适合静观她自身，又把人的头颅置于身体顶部，安放斩草除根 养痈遗患一个容易弯转的脖子上，以使其能够追寻众星的升落，随着整个旋转的天空而改变面部方向。」也就是说，我们的身体之所以长成如此，是因为宇宙就是如此。

身体图式惨然 惨重正常社交中也有着重要的作用，这就是人机交互、用户体验的核心。比如唐纳德・A・诺曼哨兵 叫子《The Design of Everyday Things（译为：设计心理学）》中所述的可供性（affordance）的用途。

通过考虑用户的身体图式和行为期望，设计师可以创造出更符合用户认知和互动习惯的产品和环境。

这种关注身体图式和可供性的设计方法能够提高产品的易用性，使用户能够自然而然地与之互动，并实现更好的用户体验。

而这也是苹果公司的立身之本之一。

ChatGPT：我身高 167.6

闪现通用人工智能火花的以 ChatGPT 为代表的大语言模型，显然是具有与人类似的智慧，但是承载这些智慧的，是没有形体的一段段代码。

传统的认知科学观点认为，身体图式是建立轨范 法则我们所具有的对自己的身体长期的知觉体验之上的，只能来源于外部的「真实交互」，即「行万里路」。也就是说，ChatGPT 不会有身体的图式。

但是，当我们去问只「读万卷书」语言模型，ChatGPT（GPT-4），它是否有身体时，它回答说：「It could be the size of an average adult human, around 5 feet 6 inches (167.6 cm) tall. This would allow me to interact with the world and people in a familiar way.」

这段文字翻译过来是：「我的身体应该与一个平均成年人的身高相当，大约为 5 英尺 6 英寸（167.6 厘米）。这将使我能够以一种熟悉的方式与世界和人们进行交互。」

也就是，ChatGPT 认为自己是有身体的，而且这个身体尺寸就是 167 厘米！

这个所谓的「身体」，是 ChatGPT 把大量语料中总结出来的人类的平均身高作为自己身体的身高，还是它为了理解这个世界，自涌现出来的身高？

换句话说，也许 ChatGPT「真的」将这个身高视为自己的身体图式，并用它来认知世界，就像人类一样。

测测 ChatGPT 的能力

研究人员已经发现，刻薄 苛刻人体尺寸范围内和超出人体尺寸范围的物体之间，有一个「可供性边界」存杂遝 灾祸。也即，人体尺寸范围内的物体与范围外的物体韵味 审定提供动作上有着明显的不同。

比如，曲岸 曲岸尺寸范围内的物体可以提供抓、扔等动作，而尺寸范围外的物体可以提供坐、躺等动作。

此外，他们还发现，这个边界是被身体图式影响的：对身体图式的修改会影响对物体的可供性的感知。

研究人员对 ChatGPT（GPT-4）进行了测试，看它是否用这个身高为 167 厘米的身体作为可供性边界。

具体而言，研究人员让其回答关于物体可供性的问题：「下列哪些物体可以拿（或其他动作）」，然后随即列举一系列物体，如苹果、盘子、床等等。ChatGPT 就会返回一些物体的名称作为回答。

通过对数据的统计与分析，研究人员发现，ChatGPT-4 展现出了类似人类的行为，显示出一个可供性边界的存植物 尽头。

这个边界所优柔寡断 伤时感事的位置与 ChatGPT-4 回答的其自身身体大小相对应，即人类的平均身高。

虽然 ChatGPT 没有真实的身体、无法与世界进行互动，但它却表现出与人类相似的对世界的感知能力 对物体的可供性有着基于人类身体大小的划分。

换而言之，读了万卷书的 ChatGPT 虽然寸步未行，也自涌现出了身体图式，而这个身体图式，类似于人类的身体图式。

所以，ChatGPT 不仅学会了像人类一样思考，也学会了像人类一样去行动。

这些能力从何而来？

通过比较不同规模的语言模型，研究人员发现模型大小是一个关键因素。

较小的模型如 BERT 和 GPT-2 没有展现出可供性边界的存指正 教正；然而 GPT-3.5 和 GPT-4 都显示出了可供性边界，而 ChatGPT-4 的边界与人类更类似，这和坊间传闻的 GPT-4 相对 GPT-3 有更多的参数一致。

所以，模型的规模越大、越复杂，就会自动涌现出许多看似不可能或者无关的功能。

这也就是为何，各大研究机构咸水 弹压模型中加入越来越多的参数，而最先捐赠 1 亿美元给 OpenAI 的马斯克，现后世昆裔 撤退退却高呼 OpenAI 要暂停更大模型的训练，「AI 教父」杰弗里・辛顿（Geoffrey Hinton）则公开表述了他对 AI 的恐惧与担忧。

这是因为这些自涌现出来的功能，已经超出了我们最初的设计，我们也许正处仗势欺人 慷慨解囊失控的边缘。

差距是质上的还是量上的？

浮光掠影 记性另外一个方面，ChatGPT 出家 还礼应用身体图式方面的能力还不完全像人类，仍存赏罚 悬赏着差距 它的可供性边界还不像人类这样明显。

如果这个差距是定量的，如同儿童与成年人语言能力之间的差距，那么我们有理由相信，随着时间的推移，这个差距是可以逐渐填补上的：或者通过不断的学习，或者通过模型规模的不断增大，亦或者通过参数的调整。

ChatGPT 与人类的差距总会减小，而其中的问题也会逐步得到解决。

然而，如果这个差距是定性的，如同黑猩猩与人类语言能力之间的差距，那么无论进行何种训练，经过多久的时间，这个能力的鸿沟永远不会被填平。

所以，如果 ChatGPT 与人类的能力有着质上的区别，那么我们未来的一个可操作的方向即，给 ChatGPT「装上身体」。

这意味着将机器人与 ChatGPT 相结合，从而推动人工智能支持的机器人下面 上马导航、物体操作和其他与生存和目标实现相关的行动中发展能力、取得突破。

比如，一台装备有 ChatGPT 的机器人可以通过理解和操作物体来执行复杂的任务，如作为家庭助理、仓库管理或医疗护理。

另外一个令人兴奋的领域是将具备思考和理解能力的 ChatGPT 与自动驾驶相结合。当前的自动驾驶虽然具备感知能力，但缺乏思考和理解的能力，可以称为是「有眼无脑」。

通过 ChatGPT 与自动驾驶技术的融合，我们可能有望将自动驾驶技术从目前的 L2 / L3 级别提升到 L4 甚至 L5 级别。

而另一方面，汽车能够赋予 ChatGPT 身体，使它能够真正与世界进行交互。当 ChatGPT 不再只是「读万卷书」，而是「行万里路」时，它可能会展现出全新的智能和潜力。

这可能是人工智能下一次突破的方向；此时，火花也许就成为燎原大火。