Human Versus Machine Intelligence: Assessing Natural Language Generation Models Through Complex Systems Theory
题目:人类与机器智能:通过复杂系统理论评估自然语言生成模型
作者:Enrico De Santis, Alessio Martino, and Antonello Rizzi
摘要
Transformer架构的引入——特别是自注意力机制——在自动自然语言生成(NLG)领域是一次重大突破,解决了一般任务导向问题,例如生成简单长文本摘录,这些文本看起来像是人写的。尽管GPT-X架构的性能有目共睹,但许多努力正在进行,以揭开这些黑箱在智能信息处理方面的秘密,其输出的统计分布类似于自然语言。在这项工作中,通过复杂性科学框架,提供了对由GPT-2英文版生成的文本与人类生成的文本(特别是英文小说和编程代码)的随机过程的比较研究。这项研究在方法论上首先包括一个分析阶段,在这个阶段中,采用了多分形去趋势波动