大型语言模型能解决逻辑谜题吗？为了找出答案，Fernando Perez-Cruz 和 Hyun Song Shin 问了 GPT-4。国际清算银行研究主管 Shin 提出了 “Cheryl 的生日” 谜题，其中 Albert 和 Bernard 需要猜测 Cheryl 的生日。Cheryl 给了他们一些线索，经过一番思考，两人最终找出了日期。但是，这并不是测试的全部。研究人员修改了谜题中的名字和月份，虽然 GPT-4 能够巧妙地解释原来的谜题，但它未能正确解决修改后的版本。

这表明，尽管GPT-4听起来合乎逻辑且令人信服，但实际上它常常只是重复已知的答案，而没有真正理解其逻辑。在涉及重要决策时，这种表面的聪明才智隐藏着风险。

另一个例子是蒙提霍尔问题，其中一位候选人必须在三扇门之间做出选择，其中一扇门后面藏有奖品。主持人打开一扇没有奖品的门，并提供给候选人改变选择的机会。正确的策略是更换门，但当佩雷斯-克鲁兹提出带有额外复杂性的谜题时，尽管GPT-4正确解释了基本原理，它却再次犯错。

这些例子说明了一个根本问题：像 GPT-4 这样的大型语言模型在生成似是而非的错误答案方面非常出色。即使它们是错误的，也能显得令人信服，这使得它们的使用具有风险。正如佩雷斯-克鲁兹和申所强调的，如果在重要的决策过程中使用一个有缺陷的语言模型，可能会带来严重后果。

一个看似正确但实际上错误的语言模型是一种危险的武器。这就像依赖于偶尔忘记如何运算的电子表格。我们应当将这些认识作为警示，谨慎使用语言模型，并始终对其答案进行批判性审视。