GPT-4考90分全假！30年律师用ChatGPT打官司，6个虚假案例成笑柄
编辑：桃子 拉燕
【新智元导读】ChatGPT又有什么错呢？美国律师向**提交的文件中，竟引用了6个根本不存在的案例，反倒惹祸上身被制裁。
ChatGPT，真的不可信！
在美国近来的一**讼案件中，一位律师帮原告打官司，引用了ChatGPT捏造的6个不存在的案例。
法官当庭指出，律师的辩护状是一个彻头彻尾的谎言，简直离了大谱。
然而，律师为自己辩护中，甚至提交了和ChatGPT聊天截图的证据。
显然，ChatGPT称「这些案例都是真实存在的」。
本为原告打的官司，自己竟惹祸上身，将受到制裁，这波*作瞬间在网上引起轩然**。
毕竟，GPT-4刚诞生时，OpenAI放出它在律师资格考试（UBE）的成绩，还拿到了90分。
网友警告，千万不要用ChatGPT进行法律研究！！！
还有人戏称，要怪就怪你的prompt不行。
律师承认使用ChatGPT
这**讼的起始和其他许多案件一样。
一位名叫Roberto Mata的男子在飞往纽约肯尼迪国际机场的航班上，不幸被一辆餐车撞到膝盖，导致受伤。
由此，他便要**这架航班的「哥伦比亚航空公司」（Avianca）。
Mata聘请了Levidow，Levidow & Oberman律所的一位律师来替自己打这个官司。
接手案子后，律师Steven A. Schwartz向**提交了一份10页的辩护状。其中，引用了6个相关的**判决：
Varghese V. 我国南方航空公司
Shaboon V. 埃及航空公司
Petersen V. **航空公司
Martinez 达美航空公司
Estate of Durden V. 荷兰皇家航空公司
Miller V. 美国联合航空公司
原文件：
https://storage.courtlistener.com/recap/gov.uscourts.nysd.575368/gov.uscourts.nysd.575368.32.1.pdf
然而，让所有人震惊的是，从案件本身，到司法判决，再到内部引文，全是假的！
为什么假？因为是ChatGPT生成的。
这不，麻烦就来了。
目前，对方律师考虑举行听证会，对原告律师进行制裁。
Schwartz律师，可以说已经非常资深，在纽约从事法律工作已有30年。
从他的话中得知，自己吃了大亏，竟是从来没用过ChatGPT，由此没有意识到它生成的内容是假的。说来，还是太离谱
。
原告律师Steven A. Schwartz在一份宣誓书中承认，他确实用了ChatGPT进行相关研究。
为了验证这些案件的真实性，他做了唯一一件合理的事：让ChatGPT验证这些案件的真实性。
他告诉法官，「自己无意欺骗法庭或航空公司」。
当他询问ChatGPT这些案件的来源时，ChatGPT先是为之前的表述不清道歉，但还是坚称这些案件都是真实的，可以在Westlaw和LexisNexis上找到。
而对方律师也同样坚持，来自Levidow & Oberman律师事务所的原告律师是多么荒唐可笑，由此才引发了法庭对这个细节的重视。
在其中一个案例中，有个叫Varghese的人**我国南方航空有限公司。然而这件事压根不存在。
ChatGPT好像引用了另一个案件——Zicherman**大韩航空有限公司。而ChatGPT把日期、案件细节什么的都搞错了。
Schwartz此时才悔恨地表示，他没有意识到ChatGPT可能提供假案件，现在他非常后悔用生成式AI来进行法律研究。
法官表示，这种情况前所未见，并将于6月8日举行听证会，讨论可能的制裁措施。
这件事情再次体现了一个很重要的事实，那就是用完ChatGPT必须用其它来源进行双重，甚至三重查证。
而AI模型在信息输入上出现重大事实错误已经不是第一次了，谷歌的Bard也遇到过这种问题。
90分？GPT-4成绩被夸大
还记得GPT-4刚刚发布那天，「小镇做题家」在各项考试指标上接近满分的水平。
尤其，在美国统一律师资格考试（UBE）中，GPT-4可以拿到90%水平，而ChatGPT（GPT-3.5）也仅拿到10%的分数。
但是，没过多久，来自MIT的研究人员Eric Martínez发了一篇**，重新评估了GPT-4在Bar考试中的表现。
**直言，GPT-4的律师考试成绩被夸大了。
**地址：https://*****s.ssrn.com/sol3/*****s.cfm?abstract_id=4441311
作者在文中提出了4组发现，表明OpenAI对GPT-4在UBE的表现，尽管明显比GPT-3.5有令人印象深刻的飞跃，但似乎过于夸大。
特别是，如果被当作代表「百分位数下限范围」的保守估计。更不用说，意在反映一位执业律师的实际能力了。
首先，GPT-4的律师考试成绩，是与2月份伊利诺伊州律师考试的应试者相比较的。
值得注意的是，这些考生都是复读生，不难理解，他们的分数可能会更差。
其次，最近一次七月份考试的数据表明，GPT-4的UBE成绩为68%。
第三，通过检查官方NCBE数据，并使用若干保守的统计假设，估计GPT-4在所有首次考试中实现63%。
最后，当只考虑那些通过考试的人（即已获得许可或待许可的律师）时，预计GPT-4的表现将下降到48%。
网友称，更准确来说，GPT-4应该只有63分，或者68分。
文中，作者还提供了深刻的见解，探讨了将法律任务外包给AI模型的可取性和可行性。
甚至，人工智能开发人员实施严格和透明的能力评估，以帮助确保安全和可靠的人工智能的重要性。
要是，原告的那位律师看过这项研究后，说不定就不会吃大亏了。
ChatGPT****
归根结底，ChatGPT能够编造出6个不在的案例，还是因为它固有的「幻觉」问题。
直白来讲，就是张口****的天性所致。
就连马斯克都想拯救这个致命的问题，官宣推出了名为TruthGPT的AI平台。
马斯克曾表示，TruthGPT将是一个「最大的求真人工智能」，它将试图理解宇宙的本质。
然而，别管什么GPT，幻觉很难搞定。
前段时间，OpenAI联合创始人兼研究员John Schulman在演讲「RL and Truthfulness – Towards TruthGPT」中，讨论了幻觉产生的原因以及解决方案。
根据Schulman的说法，幻觉大致可以分为两种类型：
1 模式完成行为，即语言模型无法表达自己的不确定性，无法质疑提示中的前提，或者继续之前犯的错误
2 模型猜测错误
语言模型代表一种知识图谱，该图谱将训练数据中的事实存储在自己的网络中。而微调可以理解为「学习一个函数」，能够在知识图谱上*作并输出token预测。
比如，微调数据集中，如果有包含「星球大战是什么片？」这个问题，以及「科幻」这个答案。
要是这一信息在原始训练数据中存在，那么模型就不会学习新信息，而是学习一种行为——输出答案。而这种微调也被称为「行为**」。
如果「星球大战是什么片？」这一问题的答案不是原始训练数据的一部分。即便不知道，模型也会学习正确答案。
但问题是，使用这些不在知识图谱中的答案进行微调，就会让模型学会编造答案，即产生所谓的「幻觉」。
相反，要是用不正确的答案去训练模型，就会导致模型知识网络隐瞒信息。
网友热评
此事一出，各位网友也是各抒己见。
Kim表示，不光是ChatGPT，其实人类也爱用想象来弥补知识盲区。只不过ChatGPT能装的更逼真。关键在于，要搞清楚ChatGPT知道什么、不知道什么。
Zero提出了一个很有建设性的提议，那就是：以后ChatGPT再举事例，后面得附上来源链接。
Francis表示，早说过了，ChatGPT是一种生成式人工智能。意味着它会根据输入的问题生成回答。无论它有多能模仿人类在理解问题后的精彩回答，也改变不了ChatGPT本身并不理解这个问题的事实。
Tricorn认为，这位原告律师不应该把锅扔给ChatGPT，是他自己用错了。应该是把事例当作prompt的一部分输入进去，然后让ChatGPT填补中间缺环的论证部分。
还有网友称，用ChatGPT要上点心，要不下一个超级碗就是你了。
这就是活灵活现的证据。ChatGPT等人工智能工具做人类的工作，真的是可能直接导致我们的大灾难。
对于ChatGPT这个表现，你怎么看？
参考资料：
https://www.theverge.com/2023/5/27/23739913/chatgpt-ai-lawsuit-avianca-airlines-chatbot-research
https://www.nytimes.com/2023/05/27/nyregion/avianca-airline-lawsuit-chatgpt.htm
当前，以芯片为代表的信创产业逐步成为国家科技竞争力的重要标志。在国产CPU产业强势崛起的过程中，你首先想到的会是哪几企业？答案有很多，但“中科系”的提及率绝对很高。作为国家战略科技力量，“中科系”旗下
21世纪经济报道记者倪雨晴 圣何塞报道在硅谷源泉之一的圣何塞，英特尔CEO帕特·基辛格（Pat Gelsinger）正在带领英特尔加速奔跑。当地时间9月19日，2023英特尔on技术创新大会于美国加利
财联社9月19日讯（记者 唐植潇）近日有消息称，OPPO将会重启芯片业务，并且“有部分员工已经回流，加入到了车载业务之中”。记者就此事向OPPO方面进行核实，对方表示“不予置评”。特百惠（我国）数字与
600亿颗芯片！我国巨头正式宣布，美媒：**也没料到制裁这么快
我国芯片市场与美国依赖我国的集成电路市场一直以来都是一个巨大的市场，拥有庞大的需求和巨大的增长潜力。我国的电子消费市场一直在迅速增长，包括智能手机、电视、电脑和各种智能设备等，这些设备都需要高性能的芯
最新手机芯片天梯图：A17、华为麒麟9000S，排在什么位置？
近日，最火的两颗芯片分别是苹果的3nm芯片A17 Pro，虽然很多人吐槽它较上一代提升不明显，但论性能，可以碾压任何安卓芯片，甚至是领先2代的。另外一款芯片，则是华为麒麟9000S，当然，这颗芯片工艺
韩国芯片连续13个月暴跌，尹锡悦指责我国不采购，外媒：自食其果
据韩国媒体称，韩国的半导体出口额已经连续暴跌13个月了，比去年同比下降了28%左右。韩国政府急的焦头烂额。尹锡悦政府竟直接甩锅我国，话里话外都是指责，他认为韩国半导体卖不出竟是我国的原因，我国应该帮助
我国突破芯片瓶颈将影响全球秩序？美国很担心，指出我国关键弱点
我国在芯片半导体领域一直深受美国的**，通过贸易制裁的方式阻止高端芯片进入我国市场。这样的举措一度造成我国芯片领域发展断档，不过随着我国科技企业近几年的突破，目前我国已经在芯片制造方面取得了重大的成果
前几天，华为一声不响的上线了mate60系列，带着麒麟芯片9000s强势回归，吸引了全世界的目光。而华为麒麟芯片**背后，我们不该忘记这位老人—张汝京。我国半导体之父，为回**造芯片，被开除**户籍，
【有车以后 资讯】“未来汽车对传统汽车的颠覆性，使传统零部件体系的50%以上都面临重构。”12月16日，在全球智能汽车产业峰会(GIV2022)上，我国电动汽车百人会理事长陈清泰指出，智能汽车的价值链
投稿点这里汽车有多少个零件?其实这个问题并没有一个十分确切的标准答案...据估计，一般轿车约由1万多个不可拆解的**零部件组装而成。结构极其复杂的特制汽车，如F1赛车等，其**零部件的数量可达到2万个
全球最大的10家汽车零部件供应商 都是世界500强 无我国企业
【卡车之家 原创】美国《财富》**每年发布的世界500强排行榜，是以营业收入数据对全球企业作出排名的榜单。2017年“世界500强”榜单中，汽车制造商和零部件厂商共占据33席（除去大型工程车辆企业），
汽车零部件企业哪家强？除了博世**还有这些名字你一定耳熟能详
文：懂车帝原创 李德喆[懂车帝原创 行业]9月18日，由《我国汽车报》主办，罗兰贝格协办的2019汽车零部件“双百强”企业发布会在江苏南京举行。在两份榜单中，博世、**、电装位列2019全球汽车零部件
行业现状（Reference：产业运行 | 2021年汽车工业经济运行情况）中汽协预测：2022年我国汽车销量达到2700万辆，新能源销量超过550万辆（Reference：乘用车市场信息联席会）以乘
全球十大汽车零部件供应商，核心技术都被他们垄断，自主遗憾缺席
提到电影，我们会想到张艺谋、冯小刚，而很少会想到幕后的制作人；提起流行乐，我们会想到周杰伦、萧敬腾，而很少会想到背后的作词人。台前台后，一幕之别，知名度往往相差甚远。车界又何尝不是如此，知名车企我们都
来源：环球时报 【环球时报记者 倪浩 陶震 环球时报驻德国特约记者 青木】经过3年疫情后，全球最具影响力的通信展今年有望再现往日盛况。2月27日至3月2日，由全球移动通信**协会（GSMA）主办的20
近日华为、苹果争相推出手机卫星通信功能，成为一大亮点，不少手机厂商也将目光投到卫星通信。放眼未来，手机直连卫星的卫星通信服务将是大势所趋，也是6G时代的重要标志。华为以“北斗三号”为依托，率先把“卫星
国内企业在光通信产品的参数测试过程中，通常使用国外的先进测试设备。然而，这些测试仪器之间往往是孤立存在的，需要手动调试仪器并通过旋钮、按钮和人眼观察波形或数据。这不仅*作繁琐易出错，而且测试效率低下。
龙头20cm涨停，7天股价翻倍！一文看懂卫星通信前世今生及产业链
卫星通信概念股华力创通今日再度强势拉升，截至发稿，该股股价20cm涨停，7个交易日累计涨幅近113%，现报23.52元续刷阶段新高，总市值155.9亿元。消息上，有媒体从供应链获悉，Mate 60 P
工信部：目前我国尚不具备实现网络层面的移动通信号码归属地变更的条件
针对网友提出的“电话号码归属地更改”建议，工信部近日给出了官方回复。此前，有网友在人民网留言板向工信部留言称，“现在电话都是实名制，电话号绑定的***及一些主流的软件较多，更换号码后造成一系列问题
