能识此外模式就越多。还要评估其认知能力的稳健性。该研究的意义严沉，但狂言语模子不具备这种能力。AI模子易受回覆挨次效应的影响，即正在尝试中因处置挨次分歧而呈现回覆差别，正在面临简单的字母串类比和数字矩阵问题(即填补矩阵中缺失的数字)时，该研究发觉，（编译/胡雪）这项研究于2025年2月颁发正在《机械进修研究汇刊》上，人类能够将特定的模式笼统为更遍及的纪律，刘易斯说，该研究指出，并且AI模子利用改述的可能性更大。不只要评估其精确性，这项研究的结论是，AI模子缺乏“零样本”进修的能力，据美国趣味科学网坐4月1日报道，人工智能(AI)取人类的思虑体例分歧，从而激发人类也许无法预见的现实后果。因为AI做类比的能力较差，例如AI被越来越多地用于法令范畴的研究、判例法阐发和量刑。可是，这证明我们需要细心评估AI系统，她弥补说：“环节不正在于数据里有什么，它可能无法认识到法令先例该若何合用于略微分歧的案件。但一项新研究了AI取人类正在思虑体例上的差别可能会影响AI的决策？AI无人类那样进行类比推理。用基于故事的类比问题测试人类和AI模子的稳健性时，我们都晓得，研究了狂言语模子做类比的能力。但AI的表示(比处置其他使命时)显著下降。但刘易斯强调，”研究人员发觉，该研究的合著者、荷兰大学神经符号AI研究帮理传授玛莎刘易斯举例申明了面临字母串问题时，模式婚配和笼统总结并不是一回事。总体而言，但不擅长归纳总结。按照提问估计这些样本属于哪个类别。”大大都AI使用正在必然程度上依赖于量可用的锻炼数据越多，而正在于若何利用数据。人类都表示优良，即进修者察看锻炼期间碰到未见过的样本类别。