轉型中的能動性：大型語言模型的存在模式
arXiv - Computers and SocietyXabier E. Barandiaran, Lola S. Almendros
本文探討了如 ChatGPT 等大型語言模型（LLM）的本體論特徵，認為其不具備自主能動性，更應被視為一種能動性地執行任務的語言自動機。
AI 幫你先抓重點
AI 重點 1
LLM 不具備自主能動性，應被視為能動性地執行任務的語言自動機，而非具獨立思考能力的個體。
滑鼠懸停看 AI 判斷理由
這顛覆了許多人對 LLM 的期望，對於教育科技研究者、課程設計者而言，理解這一點至關重要，能避免過度依賴或錯誤地賦予 LLM 判斷力。它也影響了我們如何設計人機協作的學習體驗，強調教師引導和學生批判性思考的重要性。
AI 重點 2
人機互動中存在的「幽靈」成分，使得與 LLM 進行真實對話體驗成為可能，但並非 LLM 本身具有能動性的結果。
滑鼠懸停看 AI 判斷理由
此發現揭示了 LLM 互動的特殊性，提醒教育者注意互動的建構過程，而非將其視為單純的資訊獲取。理解這一點有助於設計更具沉浸感和互動性的學習活動，並避免過度解讀 LLM 的回應，強調人類在互動中的主動角色。
核心研究發現
- 1
LLM 並未滿足具備自主能動性的必要條件，包含個體性、規範性及互動非對稱性。
- 2
LLM 的運作並非自身活動的產物，也未直接受到自身活動的影響，缺乏個體性。
- 3
LLM 並不產生自身規範或目標，而是依賴訓練數據和人類指令，缺乏規範性。
- 4
儘管 LLM 缺乏感官運動和生物體現，但其文本體現（訓練語料）使其能執行具有目的性的任務。
- 5
人機互動中存在的「幽靈」成分，使得與 LLM 進行真實的對話體驗成為可能，但這並非 LLM 本身具有能動性的結果。
對教育工作者的啟發
教育工作者應認識到 LLM 缺乏自主能動性，不應將其視為具有獨立思考能力的個體。在教學中，LLM 可作為輔助工具，提供資訊、生成文本，但仍需教師引導和批判性思考。課程設計者可探索如何利用 LLM 的文本體現能力，設計具有目的性的學習活動，並強調人機協作的重要性。同時，應注意 LLM 可能存在的偏見和局限性，培養學生的媒體素養。
原始文獻資訊
- 英文標題：
- Transforming Agency. On the mode of existence of Large Language Models
- 作者：
- Xabier E. Barandiaran, Lola S. Almendros
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。