LLM再下一城！伯克利研究證明：OpenAI的o1被證明也具有匹敵人類語言學(xué)家的元分析能力。
在人類諸多才能之中，哪些才是人類所獨(dú)有的？
自古希臘哲人亞里士多德以來，語言便被視為最能彰顯人之本性的標(biāo)志。他曾言：人類乃「具有語言的動(dòng)物」。
即使當(dāng)今的大語言模型如ChatGPT已能在表層上模擬人類的日常言談，學(xué)者們依然追問：
在人類語言的深處，是否蘊(yùn)藏著某些獨(dú)特的結(jié)構(gòu)與特質(zhì)，是任何其他生物的溝通方式，乃至AI的運(yùn)算體系，皆無法真正企及的？
加州大學(xué)伯克利分校語言學(xué)家、羅格斯大學(xué)的攜手，讓多個(gè)大語言模型經(jīng)受一系列語言學(xué)測(cè)試——其中包括要求模型歸納虛構(gòu)語言的規(guī)則。
雖然大多數(shù)大語言模型未能像人類那樣解析語言學(xué)規(guī)則，但有一個(gè)模型展現(xiàn)出遠(yuǎn)超預(yù)期的驚人能力。它能像語言學(xué)研究生那樣分析語言——劃分句子成分、解析多重歧義，并能運(yùn)用遞歸等復(fù)雜語言學(xué)特征。
研究者Gašper Beguš表示，這一發(fā)現(xiàn)「挑戰(zhàn)了我們對(duì)人工智能能力的認(rèn)知」。
AI會(huì)說話不稀奇，會(huì)解釋才稀奇——
如果語言是讓我們成為人類的關(guān)鍵，那么如今大語言模型獲得了「元語言」能力，這又意味著什么呢？
LLM構(gòu)建無窮遞歸
想象一下：你在搭一座一層套一層、像俄羅斯套娃一樣的「句子塔」。
每套進(jìn)一層，理解難度就指數(shù)級(jí)上升。
這種結(jié)構(gòu)，在語言學(xué)里叫「中心嵌入」（center embedding），曾被知名語言學(xué)家喬姆斯基稱為能定義人類語言與思維的決定性特征。
比如這句話：
The worldview that the prose Nietzsche wrote expressed was unprecedented.
（大意為：尼采所寫的那篇散文所表達(dá)的世界觀是前所未有的。）
表面上看平平無奇，但如果你拆開它的「語言洋蔥」：
最外層：The worldview [...] was unprecedented（這個(gè)「世界觀」前所未有）；
套進(jìn)去一層：that the prose [...] expressed（是「那篇散文所表達(dá)的」）；
再往里一層：Nietzsche wrote（而這篇散文是「尼采寫的」）。
這就像在一個(gè)句子中間，又塞進(jìn)一個(gè)完整的句子，再在那個(gè)句子里塞進(jìn)另一個(gè)句子——三層套娃，層層遞歸。
人類能理解這樣的句子，但之前，人們認(rèn)為這樣的能力大模型不具備。
上述句子在真實(shí)對(duì)話中幾乎從未出現(xiàn)過——因?yàn)榇蠹視?huì)覺得它「太繞了！」
所以，任何語言模型如果只是靠「背書」，根本不可能見過，自然也無法識(shí)別出這種例子。
語言學(xué)家們認(rèn)為，人類語言從有限詞匯和有限規(guī)則中生成無限可能句子，這種能力歸因于無限遞歸。
迄今為止，還沒有令人信服的證據(jù)表明其他動(dòng)物能夠以復(fù)雜的方式使用遞歸。
圖1：不同大模型識(shí)別多重遞歸，繪制正確語法樹的比例
然而，該研究指出在眾多大模型中，唯有OpenAI o1模型不僅看懂包含多重遞歸的句子（圖1）。
o1不僅能如同語言學(xué)家那樣，以接近100%的正確率畫出正確的樹狀結(jié)構(gòu)，還能將本就復(fù)雜的句子變得更多一層。
圖2：該句子對(duì)應(yīng)的正確語法樹
當(dāng)它被問：「能不能再加一層遞歸？」o1回復(fù)：
The worldview that the prose that the philosopher Nietzsche admired wrote expressed was unprecedented.
「那位尼采所敬仰的哲學(xué)家所撰寫的散文所表達(dá)的世界觀是前所未有的。」
這說明o1不僅能夠使用語言，還能夠思考語言，具備元語言能力（metalinguistic capacity ）。
由于語言模型只是在預(yù)測(cè)句子中的下一個(gè)單詞，人對(duì)語言的深層理解在質(zhì)上有所不同。因此，一些語言學(xué)家表示，大模型實(shí)際上并沒有在處理語言。
這項(xiàng)研究的結(jié)論看起來是對(duì)上述觀點(diǎn)的否定。
大模型能區(qū)分歧義
也能深入理解句子
想象一下，你聽到下面的話：「Eliza wanted her cast out.」
乍一聽，好像就是「Eliza想把她的cast趕出去」？
但「cast」這個(gè)詞既可以是動(dòng)詞（「驅(qū)逐」），也可以是名詞（「石膏」）！
于是這句話就有兩種不同的含義，分別是
Eliza想要她的石膏被拿出去，
Eliza想把她趕出去。
這樣識(shí)別包含多義性句子的能力，之前同樣被認(rèn)為大模型不具備。
人類擁有很多常識(shí)知識(shí)，使我們能夠排除歧義。但大模型很難具有這樣的常識(shí)知識(shí)水平。
然而該研究表明，o1可正確識(shí)別兩種結(jié)構(gòu)，并為每種生成了符合語言學(xué)規(guī)劃的句法樹。其他模型（如 GPT-4、Llama 3.1）只會(huì)生成不合語法的結(jié)構(gòu)，還會(huì)對(duì)語義產(chǎn)生誤解。
該研究還考察了大模型在音韻學(xué)相關(guān)任務(wù)上的表現(xiàn)——
音韻學(xué)是研究聲音模式以及最小的聲音單位，即音素的組織方式。
例如，在英語中，給以「g」結(jié)尾的詞加上「s」會(huì)發(fā)出「z」的音，就像「dogs」一樣。但給以「t」結(jié)尾的詞加上「s」聽起來更像標(biāo)準(zhǔn)的「s」音，就像「cats」一樣。
該研究一口氣創(chuàng)建了30種新的迷你語言，以了解大模型是否能夠在面對(duì)新生成的虛擬語言時(shí)，在沒有任何先驗(yàn)知識(shí)的情況下能不能正確推斷語音規(guī)則。
結(jié)果出人意料，即使是在這些虛構(gòu)的語言上，o1在音韻相關(guān)的任務(wù)上表現(xiàn)依舊出色。
大模型比人類更好地理解語言嗎？
從上述三個(gè)例子可以看出，曾經(jīng)那些被認(rèn)為僅僅人類能夠擁有的語言理解能力，大模型如今也具備了。
2023 年著名語言學(xué)家喬姆斯基在《紐約時(shí)報(bào)》上寫道：「語言的正確解釋很復(fù)雜，不能僅僅通過浸泡在大數(shù)據(jù)中就能學(xué)會(huì)。」
該文認(rèn)為盡管 AI 模型在運(yùn)用語言方面可能很擅長，但它們并不具備以復(fù)雜方式分析語言的能力。
在此思潮影響下，即使ChatGPT在各方面上復(fù)制了自然語言，公眾仍想知道大模型是否有人類語言的特定特征能不能由大模型復(fù)現(xiàn)。
這當(dāng)然很有必要，隨著社會(huì)越來越依賴大模型，了解它在哪些方面能成功以及哪些方面會(huì)失敗變得越來越重要。
語言分析是評(píng)估語言模型推理能力與人類相似程度的理想測(cè)試平臺(tái)。
而o1能夠以與語言學(xué)家相似的方式分析語言，例如繪制句子圖、解決多個(gè)歧義含義，并利用遞歸等復(fù)雜的語言特征
但我們發(fā)現(xiàn)這一現(xiàn)象后，人們不禁會(huì)問下面兩個(gè)問題：
第一個(gè)問題是為何只有o1可行，其它大模型表現(xiàn)都差一大截。
回答是相比其它模型，o1 的優(yōu)勢(shì)很可能源于思維鏈（類似Deepseek的深度思考），使其能像人類語言學(xué)家一樣逐步推理、驗(yàn)證假設(shè)、構(gòu)建抽象規(guī)則。
第二個(gè)問題是當(dāng)模型的性能隨著規(guī)模變大而變大時(shí)，大模型是否有一天會(huì)比我們更能準(zhǔn)確的理解語言嗎？
對(duì)于這個(gè)問題的回答，目前還沒有定論。
一方面，任何的大模型在語言學(xué)上還沒有提出過原創(chuàng)性的觀點(diǎn)，也沒有教給我們關(guān)于語言的新知識(shí)。
另一方面，增加計(jì)算能力和訓(xùn)練數(shù)據(jù)，語言模型最終會(huì)在語言技能上超越我們， 看不出有什么理由阻止語言模型展現(xiàn)出比我們更好的語言理解能力。
研究尚不足以宣稱「機(jī)器理解語言勝于人類」，但足以改變?cè)u(píng)價(jià)口徑：對(duì)模型的考察，應(yīng)從「任務(wù)產(chǎn)出」轉(zhuǎn)向「結(jié)構(gòu)解釋」。
當(dāng)可解釋性成為首要指標(biāo)，AI研究、教育與應(yīng)用治理將迎來同一套標(biāo)準(zhǔn)——把「為什么對(duì)」放在「對(duì)不對(duì)」之前。