人工智能中的神经网络连接程度低于预期

人工神经网络一直是个难题。我们很难说清楚信息是如何编译的，文本是如何创建的，为什么会出现重大错误，为什么有些聊天机器人会崩溃。

原因之一是这些网络的基本结构与大脑相似。它们工作方式的特点不是数据点和单个信息，而是它们之间几乎无限可能的联系。

然而，人工智能的神经网络往往停留在一个简单得多的水平上，正如最近在https://arxiv.org/pdf/2308.09124.pdf的一项最新研究发现。

人工智能处理基本信息的方式远没有以前想象的那么复杂。例如，人工智能不会收集查询的所有可能答案，也不会用最有可能（因为最常联系）的事实来回答，而是使用线性联系。

研究人员能够在所研究的人工智能中识别出总共 47 种不同的线性链接。这是通过相应的查询和随后通过神经网络追踪信号路径来实现的。

而对于许多事实来说，这个时间短得出奇。例如，关于知名艺术家演奏的乐器、职业运动员从事的运动类型，甚至各个国家的首都等问题，只需一个链接就能回答。相比之下，要在网络中找到不太明显的问题的答案就比较困难了。

不过，可以证明的是，很多信息都是直接相互关联的，很难组织成一个网络。了解聊天机器人如何输出知识，以及如何在网络中可靠地追踪信号，无论如何都有助于理解人工智能有时令人好奇但有时难以识别的错误。

光是了解它如何以令人惊讶的线性结构工作，就已经价值不菲了。