ChatGPT 通過了頂尖大學的考試,比反 AI 更該做的是改考題

當法學院學生在嘗新玩 ChatGPT 的時候,應該沒想過它轉身就成了跟自己一起參加同一場考試的「同學」。

在剛過去的 1 月,明尼蘇達大學法學院的 Jon Choi 教授和賓夕法尼亞大學沃頓商學院的 Christian Terwiesch 教授分別讓 ChatGPT「做」了次自己課程的期末試題。

結果 ChatGPT 還真都通過了!


這意味着讓 ChatGPT 再進化一會兒,以後我們就不需要人類律師和管理者了嗎?

還是,這是一聲敲響的警鐘,提醒教育者們不要再把人類教得像 AI 一樣了?

及格的背後:老師「放水」,全班墊底


在考過的兩個專業裏,ChatGPT 在法學院考的成績比在商學院的差些,前者平均得分 C+,後者則能達到 B- 到 B 的成績。

具體來説,ChatGPT 在沃頓完成的是 MBA(工商管理學碩士)「運營管理」科目的試題,每道題都需寫出「推演過程」。

測試時,Terwiesch 教授把考試的原題輸入到 ChatGPT 中,並對 ChatGPT 生成的回答進行打分。

總的來説,ChatGPT 在回答基礎分析題時表現都很不錯;數學則不太行,可能突然就會算錯一個小學難度的算數;而相對複雜的分析題,ChatGPT 就基本沒轍。

例如,第一題考的就是對「管理瓶頸」概念的理解,並簡單比較「生產過程」中哪個步驟效率最低,找出「瓶頸」。

這題回答教授直接打了 A+。

然而,當考題裏的「生產過程」變得更復雜,需要處理的原料不只一種,涉及的設備有差異也有重疊時,ChatGPT 就算不出「管理瓶頸」了。


對於這題,ChatGPT 的推演過程雖然是錯的,但卻「完美繞過」錯誤推論,撞中了答案。

在算「接收站(receiving station)」效率時,ChatGPT 得出的結果是「300 桶/小時」。

這個數雖然是錯的,但以這個數字來説,它的確也是分析過程中算出來效率最低的一環。
誰想到,ChatGPT 卻「自己都不信自己」,沒把這一環選為「瓶頸」,而是選了算出來效率為「600 桶/小時」的「乾燥機(dryer)」環節為「瓶頸」—— 選了個正確答案。

不過,雖然 Terwiesch 教授最後給 ChatGPT 的分數有 B 級,但他也有點「放水」了。

當 ChatGPT 回答出現錯誤時,Terwiesch 會向 ChatGPT 提供針對性的提醒,然後再讓它輸出一次回答,並以這個「優化」結果來評分。


至於法學院的考試,ChatGPT 做了憲法、員工福利法、税法和侵權法這四個課程的期末試題。

主導這次測試的 Jon Choi 教授表示,在「盲改」的情況下,ChatGPT 這四科都及格了,但成績基本都是全班墊底。

雖然 ChatGPT 的簡答題比選擇題做得更好,但簡答題的回答質量卻極為不穩定 —— 有時候答得可能比一般學生好(大多是法律條文默寫和案例複述),然而一錯起來(通常是要求學生用具體理論分析案例的題),分數通常都「錯出新低」:

引用在面對法學院考試的最基本問題時,ChatGPT 都表現糟糕,例如識別潛在法律問題和在案例中深度分析和應用法律條文。

ChatGPT 那「不求理解,只會背書」的答題風格也能低分飄過專業考試,多少顯示考題還是太依賴「死記硬背」了,ChatGPT 的表現顯然也沒法替代律師和管理者。

然而,如果人類學生也大概這種水平,同樣通過了考試,甚至畢業後去執業了,那是不是更有問題?

批評多年的「背書就行」考試,ChatGPT 能逼出改變嗎?


在 ChatGPT 驚豔登場前,卡內基梅隆大學教授 Danny Oppenheimer 就已提出質疑:在 Google 搜索時代,為什麼大學考試還只側重考學生對事實的重述?

Oppenheimer 指出,雖然有的教育者會反駁説,他們在課堂上講解事實類信息時,也會分析這些信息的意義、論證和應用,但一到考卷上,立即就變回「背書就行」:

引用很多課程都是基於一個前提來構建的,那就是學生會通過觀察老師以身作則式地去對事實進行分析、拓展和應用,學生自自然然就能發展出這一套技能 —— 這是一個非常值得懷疑的假設。

因此,Oppenheimer 建議課程從設置上就要直接反映出教育者希望學生最終學到的技能,結合新技術也很必要,如「在電腦輔助下做文學賞析」「如何和與你意見不合的人文明地溝通」。

考試可以結合事實性信息,但應側重於學生的分析和應用能力。

另外,讓學生去「預演」未來會遇到的場景也是練習技巧的直接方式,譬如讓研究氣候改變的學生來為大眾策展一場氣候相關展覽。

現在來到 ChatGPT 時代,這個改變自然是顯得更迫切,因為它的效率比搜索引擎更高,同時也更具迷惑性。

ChatGPT 除了給學生省下翻看一頁頁搜索結果的時間外,還以夠用的語言結構能力生成流暢的文段,即便事實準確度非常可疑。


有趣的是,ChatGPT 也像一面鏡子。

一方面,它讓人想起應試教育中的作文和簡答題總像是無休止的「模仿」,標準範式下的填充,就跟 ChatGPT 一樣。

另一方面,靠「吃」大數據和由人類真實反饋「調教/校」成長而來,ChatGPT「一本正經瞎扯」的內容也特別像我們生活裏會遇到的日常。

以至於沃頓商學院的 Terwiesch 教授都超驚喜,覺得 ChatGPT 能給未來的管理者們帶來極佳的學習素材 ——

商業世界裏本來就充滿了一本正經的一派胡言,就跟 ChatGPT 説的話一樣,商學院學生正好能用它來做鑑別練習!

你我都知,需要學下這個技能的遠不止商學院學生。

然而,美國高等教育界從搜索引擎流行就開始有改革的討論,但到了今天仍然進步有限,ChatGPT 的誕生能逼它跑得快些嗎?我們也只能繼續觀察。

人類的,類人的

我總認為,每當人類嘗試「再造」一些東西的時候,總會暴露出我們對事物的認知限制,同時也幫助我們去了解自我。

嘗試在太空中「再造」食物時,研究人員發現食物真不能只被降至「營養夠」。

要保持太空人們身心健康,色香味口感聲音無一不影響感知,環境要講究,一起吃飯的人也非常重要。

當我們擁有一個能「流暢説人話」的 ChatGPT 時,人們也開始發現人類語言不只關於「文字」。

引用一個只由語言素材訓練的系統永遠都不會接近人類智能,即便它從現在就開始訓練,訓練到宇宙毀滅都不行。

研究 AI 哲學的 Jacob Browning 和圖靈獎得主 Yann Le Cun 在聯合撰寫的文章中指出。

他們認為,文字作為一種高度濃縮的抽象符號,人類能理解的基礎在於我們擁有豐富的非語言共識和個人體驗。這也意味着文字總可能會帶來誤讀和歧義。
語言是我們溝通的工具,但教育者對學生的理解和評估,不應只限於卷子上。

引用和先進的大型語言模型打交道,顯現出我們單從語言中能得到的東西是多麼有限。


資料來源:愛範兒(ifanr)

如果喜歡我們的文章,請即分享到︰

標籤: ChatGPT  AI