研究发现 52% 的 ChatGPT 编程问题回答错误

划重点:

- 研究人员发现，ChatGPT 生成的编程问题答案中有52% 是错误的。

- ChatGPT 的答案在语言上更正式和分析性更强，但存在信息不准确、冗长和与人类答案不一致的问题。

- 尽管存在严重缺陷，但许多人类程序员更偏好 ChatGPT 的答案。

在过去的几年里，计算机程序员纷纷转向诸如 OpenAI 的 ChatGPT 之类的聊天机器人来帮助他们编码，这对 Stack Overflow 等网站造成了打击，导致其去年不得不裁员近30% 的员工。然而，问题在于，普度大学的研究团队在计算机 - 人类交互会议上发布了研究成果，发现 ChatGPT 生成的编程问题答案中有52% 是错误的。

图源备注：图片由AI生成，图片授权服务商Midjourney

对于一个人们依赖于准确性和精确性的程序来说，这一比例是惊人的，这也突显出其他最终用户如作家和教师所经历的问题:像 ChatGPT 这样的 AI 平台经常在空中凭空产生完全错误的答案。研究人员在研究中回顾了517个 Stack Overflow 的问题，并分析了 ChatGPT 尝试回答这些问题的结果。他们写道:“我们发现52% 的 ChatGPT 答案包含错误信息，77% 的答案比人类答案更冗长，78% 的答案与人类答案存在不同程度的不一致”。

该团队还对随机选择的2000个 ChatGPT 答案进行了语言分析，发现这些答案 “更正式和分析性更强”，同时表现出 “更少的负面情绪” —— 这是 AI 倾向于产生的单调而愉快的语气。尤其令人担忧的是，许多人类程序员似乎更喜欢 ChatGPT 的答案。普度大学的研究人员对12名程序员进行了调查，并发现他们以35% 的比例更倾向于选择 ChatGPT，并且在39% 的情况下没有发现 AI 生成的错误。

为什么会发生这种情况呢?这可能只是因为 ChatGPT 比在线人更有礼貌。研究人员写道:“后续的半结构化访谈揭示出，礼貌的语言、文雅而教科书般的回答方式以及全面性是 ChatGPT 答案看起来更具说服力的主要原因之一，因此参与者放低了警惕，忽略了 ChatGPT 答案中的一些错误信息”。

这项研究表明，ChatGPT 仍然存在重大缺陷，但这对于被 Stack Overflow 裁员的人或者不得不纠正 AI 生成的代码错误的程序员来说是一个苦涩的安慰。