鹦鹉通过视频聊天结识网友,LeCun:将大模型称为「随机鹦鹉」是在侮辱鹦鹉

简介: 鹦鹉通过视频聊天结识网友,LeCun:将大模型称为「随机鹦鹉」是在侮辱鹦鹉


机器之心编译

机器之心编辑部

美国东北大学的研究人员称,鹦鹉学会了通过视频通话与其他鹦鹉聊天,然后发展友谊。

视频聊天在一定程度上拉近了人类之间的距离。但令人没想到的是,鹦鹉之间也能。就像下图,一只鹦鹉隔着屏幕在和对方进行视频聊天。


这是美国东北大学的研究人员与 MIT 和格拉斯哥大学的科学家合作进行的一项新研究。他们调查了一群被驯养的鸟类在使用手机或平板电脑进行视频聊天后会发生什么。

结果表明,视频通话可以帮助鹦鹉模仿鸟类在野外的交流方式,改善它们在主人家里的行为,甚至可能改善它们的生活。

东北大学助理教授 Rébecca Kleinberger、鹦鹉行为学家和东北大学附属研究员 Jennifer Cunha 以及格拉斯哥大学助理教授 Ilyena Hirskyj-Douglas 向一群不同种类的鹦鹉及其志愿护理人员展示了如何使用平板电脑和智能手机在 Facebook Messenger 上视频呼叫对方。

研究人员随后观察了这些鸟儿在三个月的时间里如何使用这种新发现的能力。他们想知道:如果有选择的话,这些鸟儿会不会互相呼叫?

答案是肯定的,它们会用欢快的叫声和摇头晃脑来表达。

鸟儿们不仅自由地发起视频呼叫,而且似乎明白屏幕另一端是真正的鹦鹉伙伴,而且照顾者们绝大多数都报告说,这些呼叫对他们的鹦鹉来说是积极的体验。一些照顾者看到他们的鸟儿从他们的视频朋友那里学到了技能,包括觅食、新的发声,甚至飞行。有些鸟甚至在通话中变得活跃起来。

,时长05:41

随着时间的推移,研究人员得到一些重要发现,在初步的试点研究中,鸟儿形成强烈的偏好,一只名为 Ellie 的戈芬氏凤头鹦鹉,它和一只名叫 Cookie 的加利福尼亚非洲灰鹦鹉很快成为了朋友。它们做朋友已经一年多了,还时不时的通话。

根据 Kleinberger 的说法,鸟类使用的发声类型反映了它们在野外进行呼叫和响应的一些特征。

其实最受欢迎的鹦鹉也是发出最多呼叫的鹦鹉,虽然在很大程度上,鸟类似乎很享受这项活动,但人类参与者发挥了重要作用。一些鹦鹉很享受从人类那里得到的额外关注,而另一些鹦鹉则对屏幕另一边的人类形成了依恋。

该研究小组已经部署了计算机交互来丰富和了解从狗到鲸等动物物种的生活,而对鹦鹉进行研究主要是因为鹦鹉的智慧非凡,比如凤头鹦鹉和非洲灰鹦鹉,已经表现出与小学生相当的认知能力。
鹦鹉的视觉系统能够理解屏幕上的运动。在团队的指导下,研究人员首先要教会 18 只鹦鹉学会摇铃,以表示它们想打电话。一旦鹦鹉摇铃铛,看护人员就会给它们一个平板电脑,屏幕上有它们可能想联系的朋友的照片。


在三个小时的协调时间内,每只鹦鹉用它们的喙轻敲屏幕,每只鹦鹉最多有两次打电话的机会,每次时间不超过五分钟。一旦鹦鹉出现恐惧、害怕等行为,护理员立马结束通话。其中十五只鸟完成了全部研究;而另外三只中途就退出了。

参与实验的鹦鹉都有经验丰富的训导员指导,他们有足够的时间慢慢向鹦鹉介绍这项技术,并仔细观察鹦鹉的反应。正如这项研究所强调的那样,在给出反应方面,鹦鹉是非常挑剔的 —— 互动中鹦鹉可能会出现恐惧,甚至出现暴躁行为,有些鹦鹉的喙甚至能把 iPad 掰成碎片。

尽管如此,研究结果表明视频通话可以改善宠物鹦鹉的生活质量。

Kleinberger 表示,「鹦鹉作为宠物饲养的时间很短,不像狗、猫和马那样被驯化了很长时间。我们并不是说这项研究可以让它们像在野外一样快乐,至少我们正在努力为那些已经被囚禁的鹦鹉尝试服务。」

对鹦鹉来说,它们缺少伙伴,其中的一个原因是疾病在某些圈养物种中普遍存在。研究中两只体弱多病的老年雄性金刚鹦鹉一生中几乎没有面对面见过对方,但它们却结下了深厚的友谊 —— 它们隔着屏幕一起热情地跳舞、唱歌。当其中一只离开屏幕时,另一只会呼唤「Hi! Come here! Hello。」

Hirskyj-Douglas 表示:「鸟类的认知很复杂,它们表达自己的能力非常强大。」

虽然这是关于鹦鹉的研究,但也受到 Yann LeCun 的关注。LeCun 的关注点在大语言模型(LLM)。他表示:将大模型称为「随机鹦鹉」是在侮辱鹦鹉。

随机鹦鹉是由华盛顿大学语言学家 Emily M. Bender 创造的词汇,2021 年 3 月,Bender 等人发表了一篇名为《On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? 🦜》的论文 —— (随机鹦鹉的危险:语言模型是否太大?)在论文发表后,两位女性合著者,失去了谷歌道德人工智能团队的联合领导职位。

之后随机鹦鹉逐渐走红,至少在学术界,它成为了一个流行词汇。

最近,随着 ChatGPT 等大模型的走红,很多人又用「随机鹦鹉」来形容大模型没有理解能力、出现幻觉(hallucinations)等行为,诟病这些模型只会制造语法上合理的字串或语句,并没有做到真正的理解。但反观本文的研究,鹦鹉在聊天、交友的过程中似乎表现出了很高的理解能力,这也难怪 LeCun 说将大模型称为「随机鹦鹉」是在侮辱鹦鹉了。

原文链接:https://news.northeastern.edu/2023/04/21/parrots-talking-video-calls/

相关文章
|
6月前
|
监控 搜索推荐 数据挖掘
淘宝、京东、拼多多电商API接口对比
本文对比分析了淘宝、京东、拼多多三大电商平台的API接口。淘宝API数据全面、实时更新,适合商品信息展示与竞品分析;京东API在商品管理和数据分析方面表现突出,助力精细化运营;拼多多API融入社交元素,强调优惠券管理与用户关系分析。三者均支持实时数据更新,具备高稳定性和安全性,但易用性各有差异。开发者可根据需求选择合适的API,高效实现功能开发与数据利用,推动电商业务发展。
|
消息中间件 canal 缓存
项目实战:一步步实现高效缓存与数据库的数据一致性方案
Hello,大家好!我是热爱分享技术的小米。今天探讨在个人项目中如何保证数据一致性,尤其是在缓存与数据库同步时面临的挑战。文中介绍了常见的CacheAside模式,以及结合消息队列和请求串行化的方法,确保数据一致性。通过不同方案的分析,希望能给大家带来启发。如果你对这些技术感兴趣,欢迎关注我的微信公众号“软件求生”,获取更多技术干货!
630 6
项目实战:一步步实现高效缓存与数据库的数据一致性方案
|
机器学习/深度学习 人工智能 编解码
全面升级的“新清影”,给AI生成视频带来了哪些新玩法?
智谱清言App近日上线了“新清影”,并开源了最新的图生视频模型CogVideoX v1.5。相比之前的版本,“新清影”在视频分辨率、生成速度、多通道生成能力和模型性能等方面均有显著提升,支持生成10秒、4K、60帧的超高清视频。此外,即将上线的音效功能将进一步提升视频的逼真度和实用性,标志着AI视频创作进入“有声时代”。这些改进使得内容创作变得更加高效和便捷,为创作者提供了更多可能性。
385 2
|
算法 测试技术 数据处理
实时目标检测神器:YOLOv5的安装与使用详解
实时目标检测神器:YOLOv5的安装与使用详解
904 1
|
资源调度 分布式计算 监控
【Hadoop Yarn】Yarn 工作机制
【4月更文挑战第7天】【Hadoop Yarn】Yarn 工作机制
|
编解码 边缘计算 vr&ar
注视点渲染Foveated rendering是什么
Foveated rendering听起来好像是非常复杂的技术。但实际上注视点(foveation)的底层概念非常直接。使用人注视屏幕的信息,可以减少生成场景的运算资源,方式是使用高分辨率渲染人眼观看的小区哉,而场景外的其它区域(人的四周)采用更小的分辨率和更少的细节。注视点渲染主要用于显示技术,如VR头显和AR眼镜,对些场景资源优化至关重要。
678 1
《QT从基础到进阶·十九》QThread多线程使用
《QT从基础到进阶·十九》QThread多线程使用
399 0
|
存储 NoSQL 数据库
xxl-sso单点登录
### 一、如何实现一个简单的认证中心? ​ 我们知道单点登录系统:出名的有[apereo](https://github.com/apereo)的cas和OAuth2、JWT等。通常认证有两个方案: ​ 一个方案是基于token,另一个方案是基于cookie的。基于xxl-sso,我们可以学习到实现的基本是基于过滤器的增强,从而实现重定向。我之前的公司使用的是基于[apereo](https://github.com/apereo)的cas进行的二次开发配合统一授权系统使用。cas的单点登录的登录涉及到三个概念:
661 0
xxl-sso单点登录
|
SpringCloudAlibaba NoSQL 前端开发
SpringCloud Alibaba 之 Config配置中心,Redis分布式锁详解(上)
SpringCloud Alibaba 之 Config配置中心,Redis分布式锁详解
330 0
|
Linux Windows Perl
没有生物学重复的转录组数据怎么进行差异分析?
设置生物学重复这个环节也是你实验设计很重要的一part,设置的好对你下游分析也有利,通常我们做转录组测序,需要的样本量每组至少为3个生物学重复,这个处理起来就很合理,并且现在流行的差异分析软件DEseq2,limma,edgeR等等都是针对有重复的数据去做的,但有时候会不幸碰到样品测序失败不能用,导致每组就给你剩一个重复时候该怎么办,之前我有批数据就是这样,但是办法总比困难多不能放过任何实验数据,搜了搜其实还是有一些方法可以去解决的,在这里介绍下我搜到的几种方法。
1933 0