新浪博客

《红楼梦》阅读理解：用威诺格拉德模式测试ChatGPT

2023-02-28 13:27阅读：

http://blog.sina.cn/dpool/blog/u/1731562795

威诺格拉德模式挑战（Winograd Schema Challenge）用来测试机器是否能够识别一句话中的前指关系（anaphora），即找出其中某一代词的先行词。一个典型的例子为：
“市议会拒绝给示威者颁发许可，因为他们[担心/宣扬]暴力。”
当句中使用“担心”一词时，“他们”指的是市议会。而当使用“宣扬”一词时，“他们”指的是示威者。人通过常识可以很简单地看出两种情况下“他们”指的分别是什么，但对于机器来说十分困难。
ChatGPT的语料库里面，一定包括《红楼梦》以及各种红学研究著作。下面用Winograd Schema Challenge考查一下ChatGPT的阅读理解能力。
这里选取的是一段人物关系最复杂的对话。央视版电视剧《红楼梦》里的对白，和原著几乎一字不差。严格说，这还不是威诺格拉德模式，但是也够难的了。体验一下，如果是你能理解多少：红楼梦 第12集 埋香冢飞燕泣残红（14'00'-16'30'）。
《红楼梦》阅读理解：用威诺格拉德模式测试ChatGPT
以下是和ChatGPT的对话：
《红楼梦》阅读理解：用威诺格拉德模式测试ChatGPT

基本上全都说错了，有些属于胡说八道。“我们奶奶”指的是王熙凤。”这里奶奶“指的是旺儿要去的那家子的奶奶。《红楼梦》里贾母从来没有被称为“奶奶”，“奶奶”也不是大家闺秀的尊称。清朝传统的满族家庭里面，称男主人的夫人为奶奶，即现在所说的太太；而“太太”比“奶奶”要高一辈，指的是男主人的母亲，现在一般不这么叫了。末代皇帝溥仪的自传《我的前半生》里提到：
《红楼梦》阅读理解：用威诺格拉德模式测试ChatGPT
这里的“太太奶奶”指的就是醇亲王载沣的母亲和福晋，即溥仪的祖母刘佳氏（老醇亲王奕譞的侧福晋。正福晋是慈禧的胞妹叶赫那拉氏，光绪的生母）和母亲瓜尔佳氏（荣禄之女）。所以刘姥姥进荣国府时称凤姐为姑奶奶，王夫人为姑太太。而贾母是比太太还要高一辈的老太太。李纨不是贾母的侄媳妇，而是孙媳妇。但是把李氏解释成李纨是正确的，特别是这段话里并没有提到“李纨”这两个字。“四五门子”指的是四五门子亲戚，小红这一段话提到了四五位奶奶，分别属于不同的亲戚。这个问题太难，给ChatGPT一点提示，问平姐姐是谁，看看它怎么回答。


《红楼梦》阅读理解：用威诺格拉德模式测试ChatGPT
像知道李氏就是李纨一样，ChatGPT知道平姐姐就是平儿，这一点就不简单。但是ChatGPT把平儿的主子搞错了，应该是王熙凤，不是贾母。这个低级错误不应该出现，很难相信语料库里会有这样的内容。不过“我们奶奶”被ChatGPT解释成“平儿所侍奉的贾母”，对应关系是正确的。和上次一样，第二个奶奶被解释成李氏。虽然不正确，但如果一个人看书不细心的话，也容易看错。这次说李氏是贾母的儿媳妇，还是不对，应该是孙媳妇。“奶奶是指年长的女性，爷爷是指年长的男性”这句话完全是画蛇添足，答非所问，显然是根据李纨后来说的“什么‘奶奶’‘爷爷’的一大堆”生成的。注意“奶奶”一词有二义性，在不同语境下，可以指老爷的夫人，即太太，也可以指老爷的母亲，即祖母。奶奶是太太，太太又是奶奶，说起来有点乱，歧义消解向来是NLP的难题之一。但是在《红楼梦》里，宝玉和迎春、探春都是称贾母为老祖宗，而不是奶奶。这是因为贵族家庭里面礼数多，称呼也比较正式。就像影视剧里，皇子都是称父母为父皇、母后，而不是叫爸爸妈妈。清朝要随便一点，但皇阿玛前面那个皇字，是万不可省的。“四五门子”则是胡乱解释，而且和上次的回答不一样。继续问平儿的主子是谁。
《红楼梦》阅读理解：用威诺格拉德模式测试ChatGPT
这下露底了。平儿的主子又变成了贾迎春！ChatGPT根本没有建立并记忆红楼梦人物的关系。每次都是随机回答。贾迎春绝对不是贾母最喜爱的孙女（要说贾母都喜爱，那我没话说）。事实上，贾迎春是最被漠视的孙女。她性格懦弱，连老妈子都敢欺负她。贾母只有三位孙女：元春，迎春，和探春。惜春是宁国府贾敬的女儿，贾珍的胞妹，论起来是贾母的侄孙女。因为母亲早亡，父亲出家，兄嫂又不管她，所以被贾母接到荣国府居住。再加上黛玉这个外孙女，算在一起是五个人。没有听说过“五位孙女”这种提法，不知道是不是从语料库中来的。如果“五”是ChatGPT自己算出来的，那我不得不服，即便是硬凑的。但是贾迎春和平儿的关系不太可能有人会搞错，不像是语料库的问题。退一万步来讲，即便语料库中有部分错误的内容，也应该属于极少数。而关于平儿的主子是谁的语料比比皆是。换句话说，关于平儿的主子是谁的答案，ChatGPT不是从语料中找到的，而是自己合成的。这种“胡说八道”已经有很多人报告过，应该是语言生成模型本身的问题，不是根据已知的事实来生成答案，而是自由发挥，随机生成。或者说ChatGPT根本没有“事实”这个概念，不知道什么是事实。从这一点来看，ChatGPT和人类的思维机制相差甚远，本质上还是数据拟合。那种认为当神经网络规模大到一定程度，各种组织结构和概念就会自发涌现的观点，目前还没有实际的证据。也许现在的神经网络还不够大，但是光靠“大”恐怕还是不够的。类似地，有一位师兄认为用CNN方法来解决自动驾驶问题是一条死路，对此我深表赞同。
继续问这段话的下文。
《红楼梦》阅读理解：用威诺格拉德模式测试ChatGPT
这个回答中规中矩，几近完美。特别是“再要人”理解完全正确。至于愿不愿意，小红的言下之意显然是愿意的，但是ChatGPT理解不了这么深。不过如果是一个不通世故的人，听不出来也很正常。
最后，如果要问小红说的一共有几位奶奶，都是谁，这个问题就更复杂了，别说ChatGPT，就是红学家也未必能答得出。知乎里有一个回答可以参考：《红楼梦》里的一段话，不理解红玉传平儿口中的奶奶分别是谁？ - 知乎 (zhihu.com)。此文写于2022年7月-11月，ChatGPT的训练数据应该还不包含这个语料。但如前所述，即便包含了，它也未必能够正确运用。实际上，ChatGPT并不具备真正的理解能力。
总的来说，ChatGPT对于浅层知识的理解还是相当不错的。这已经威力很强大了！我在Yahoo做社交媒体和社交网络的时候，有一段时间研究过NLP技术。那时的NLP把一句话解析成一棵主谓宾结构的完整语法树都没那么容易，特别是语法和拼写都不太规范的social content。后来有了shallow parsing，即把句子分块，只做浅层解析，同时结合统计方法分析。ChatGPT能够识别和学习的，也只是浅层的知识表现。虽然作为一般的模型ChatGPT还不够完美，但如果是开发具体的应用，完全可以在它的预训练模型上用各种方法继续训练，直到效果满意为止。比如在回答“平儿的主子是谁”这个问题时，先用搜索引擎找到相关内容，提升其可信度权值，再用ChatGPT生成答案，“胡说八道”的情况就会好很多。这里只是按常理推测，微软的方法肯定不止这些，更不必说外人无法知道的优化。ChatGPT和Bing集成的效果如何，现在已经在公测中。以下是基于Chat GPT的新版Bing搜索的结果：
《红楼梦》阅读理解：用威诺格拉德模式测试ChatGPT
二〇二三年二月





我的更多文章

下载客户端阅读体验更佳

APP专享