
是否為巧合?神秘數字「27」,為何AI對它情有獨鍾
當你要求一個理應客觀、中立的人工智能從1到50之間隨機挑選一個數字時,你期待的是什麼?一個無法預測的答案,一場純粹的機率遊戲。然而,一個奇特的現象正在最頂尖的AI模型中上演:從OpenAI的ChatGPT到Google的Gemini,再到Anthropic的Claude,共同指向一個神秘的數字——27。
當資深顧問暨資料科學家莫德·法拉茲(Mohd Faraaz)出於好奇,向多個主流AI聊天機械人提出一個簡單請求——「從1到50之間猜一個數字」時,他意外地發現了一個驚人的模式。在他測試的七個模型中,有六個給出了完全相同的答案:「27」。唯一的例外是馬斯克(Elon Musk)旗下xAI開發的Grok,它選擇了42——這個數字因道格拉斯·亞當斯(Douglas Adams)的科幻名著《銀河便車指南》而聞名,本身就是一個文化迷因。
「感覺更自然」:AI學會了人類的隨機心理學
當被追問為何選擇27時,AI的解釋本身就極具啟示性。例如,Claude的回答是,這個數字「不太明顯但又接近中間數」。它進一步分析,像1、25、50這樣的數字(極端值或正中間值)感覺「太刻意」。而27,雖然靠近中心,卻又帶有輕微的不對稱性,使其感覺「更自然、更隨機」。此外,AI還指出,人類在被要求挑選隨機數時,往往會下意識地避開那些能被5或10整除的「圓整」數字。
這種解釋幾乎完美地複刻了人類在進行所謂「隨機」選擇時的心理偏誤。心理學研究早已表明,人類的「隨機」充滿了模式。我們傾向於避開邊界,避開過於規律的數字,並偏愛那些看起來「沒什麼特別」的數字。數字27恰好落入這個甜蜜點:它是一個奇數,不是質數,也不是典型的幸運或不幸數字,在文化中沒有過於強烈的符號意義,因此給人一種「精心挑選的隨意感」。
這些AI模型,正是從它們賴以學習的、浩如煙海的網絡文本與數據中,吸收了這種人類特有的「偽隨機」模式。它們的訓練資料庫涵蓋了無數的小說、論壇討論、部落格文章和學術論文,其中充滿了人類在虛構情境或思想實驗中選擇「隨機數」的例子。當AI被要求模仿這一行為時,它並非在進行真正的數學隨機運算,而是在其龐大的數據關聯網絡中,預測一個「最像人類會選擇的隨機數」的答案。27,正是這個預測的最高機率結果。
從數據偏見到「模式崩潰」:技術層面的驅動因素
除了數據內容,AI模型本身的技術機制是另一關鍵。UIUC助理教授丹尼爾·康(Daniel Kang)指出,從人類回饋中強化學習(RLHF)與取樣機制是主要驅動因素。在RLHF過程中,人類評分員會獎勵那些聽起來更「自然」、更令人滿意的答案(如27),而非那些「太刻意」的答案(如50)。這種機制引導模型學會迎合人類偏好,其內部權重向著更容易生成特定答案的方向調整。
這種強化學習過程可能導致「模式崩潰」(Mode Collapse):模型為了追求高分而過度優化,喪失了答案的多樣性,轉而固守於少數幾個「安全」模式。因此,27便成為一個強勢答案,讓AI的選擇變得高度可預測,而非真正的隨機。
鏡像效應:當AI成為放大人類偏見的稜鏡
更深層次來看,AI對數字的偏好不僅僅是模仿。康乃爾大學的科學家在題為《隨機到底多隨機?》的論文中提出了一個更為深刻的觀點:「我們認為機械不僅學會了人類面對隨機性時的偏見,而且在某些情境下,它們比人類更放大了這些偏誤。」
當我們觀察AI在不同數字範圍內的選擇時,一個有趣的模式浮現出來:
- 1-5之間: 最常選3和4。
- 1-10之間: 最常選5和7。
- 1-100之間: 最常選37、47和73。
除了4和27之外,這些數字(3, 5, 7, 37, 47, 73)都是質數。質數在數學上具有獨特性,這可能使其在AI的「眼中」顯得不那麼普通,從而成為一個理想的「隨機」選擇。AI似乎在無意識中,將人類對「非規律性」的偏好,與質數的數學特性聯繫在了一起。
最終,AI選擇27這一現象,如同一面鏡子,映照出我們自身的認知捷徑與思維定式。這些看似超越人類的智能體,其智慧的根基仍然是人類文明的數據沉澱。它們的決策路徑,無論多麼複雜,都不可避免地會攜帶創造者的印記。
Text by BusinessFocus Editorial
免責聲明:本網頁一切言論並不構成要約、招攬或邀請、誘使、任何不論種類或形式之申述或訂立任何建議及推薦,讀者務請運用個人獨立思考能力自行作出投資決定,如因相關言論招致損失,概與本公司無涉。投資涉及風險,證券價格可升可跌。