特朗普演讲难倒AI：ChatGPT 难以理解隐喻

大型语言模型（LLM）是经过训练以理解和生成人类语言的计算机程序。它们的工作原理是分析大量文本（例如书籍、网站和对话），并学习单词和句子使用的统计模式。像 ChatGPT 这样的 LLM 可以撰写论文、总结文档、回答问题，甚至进行自然的对话。

然而，它们并不像人类那样真正理解语言。相反，它们依靠模式识别来预测句子中接下来可能出现的单词。这在很多情况下可以产生令人信服的结果，但也意味着模型可能会误解含义，尤其是在语言抽象或充满情感的时候。

为了测试大型语言模型在政治演讲中识别隐喻的能力，研究人员选取了唐纳德·特朗普在2024年中期至2025年初发表的四次演讲。这些演讲包括他在遭遇暗杀后发表的共和党提名接受演讲、胜选后的致辞、就职演说以及国会演讲。这些文本总计超过28000字，之所以被选中，是因为它们充满了情感充沛、意识形态导向的语言，并经常使用隐喻来表达政治议题，从而引起支持者的共鸣。

研究人员使用了一种名为批判性隐喻分析的方法来分析文本。该方法侧重于隐喻如何影响政治思维和塑造公众态度。

随后，他们将这种方法应用于 ChatGPT-4，促使模型逐步完成以下过程：

• 理解演讲的语境Context
• 识别潜在的隐喻，按主题进行分类
• 并解释其可能产生的情感或意识形态影响。

大型语言模型能够在一定程度上识别隐喻：
在138个样本句子中，它正确识别了119个隐喻表达，准确率约为86%。

但仔细观察后发现，该模型的推理过程中存在一些反复出现的问题。这些问题揭示了人工智能在解读复杂的人类交流时的局限性。

隐喻明喻混淆
最常见的错误之一是将隐喻与其他表达形式（例如明喻）混淆。例如，该模型将“华盛顿特区，一个可怕的杀戮场”这句话误解为隐喻，而更准确的描述是字面意义上的、充满情感色彩的对比。该模型还倾向于过度分析简单的表达。

在一个案例中，它将“一系列大胆的承诺”这句话标记为隐喻，将其解释为空间隐喻，但实际上它并没有这样的隐喻含义。该模型也难以正确分类名称和技术术语。

例如，它将以色列导弹防御系统的名称“铁穹”视为隐喻，而不是专有名词。

这些失误表明，虽然大模型能够察觉表层模式，但他们往往缺乏理解语境中含义的能力。

与人类不同，他们不会运用生活经验、文化知识或情感细微差别来理解语言。

这一点在分析政治修辞时尤为明显，因为隐喻常常被用来表达共同的感受、历史和身份认同。

该研究还测试了该模型根据共同主题或“源域”对隐喻进行分类的能力。这些类别包括力量、运动与方向、健康与疾病以及人体等概念。例如，特朗普经常使用“我们共同崛起”、“开启美国的光辉命运”和“恢复法律与秩序”等短语，这些短语被成功归类为“运动”或“力量”隐喻。这些隐喻有助于传达进步、力量和控制力等理念——这些正是竞选信息传递的关键主题。

然而，该模型在不太常见或较为抽象的类别（例如烹饪与食物或植物）中表现不佳。在植物类别中，它根本检测不到任何相关的隐喻。在烹饪与食物类别中，它产生了一些误报，识别出了人类审阅者认为是字面意思的隐喻。这些结果表明，大模型(LLM) 在处理熟悉、常用的隐喻类型时更可靠，而在需要细致理解或文化背景的领域则不太可靠。

为了验证他们的发现，研究人员将人工智能生成的结果与传统隐喻分析工具（例如 Wmatrix 和 MIPVU）的结果进行了比较。

总体而言，结果高度相关，但也存在一些显著差异。

• ChatGPT 速度更快、更易于使用，但其准确率在不同隐喻类别中差异很大。
• 相比之下，传统方法速度较慢，但在识别所有类别的隐喻方面更为一致。

研究发现的另一个问题是，大模型（LLM）的成绩很大程度上取决于题目的写作方式。即使是提问方式的细微变化也会影响模型的结果。这种缺乏稳定性的情况使得结果更难重现，并且在处理政治言论等敏感材料时，也削弱了人们对模型可靠性的信心。

研究人员还指出，大模型（LLM）的训练方式存在更广泛的结构性问题。这些模型依赖于从互联网上抓取的海量数据集，其中许多数据集未经整理，且未标注含义。因此，LLM 可能缺乏对特定文化、历史或政治语境中隐喻性语言的接触。它们还可能拾取并重现与性别、种族或意识形态相关的现有偏见——尤其是在处理带有情感或政治意味的文本时。

研究人员得出结论：虽然大型语言模型在分析隐喻方面展现出潜力，但它们远非取代人类的专业知识。它们容易曲解、过度解读或忽略细微之处，这使得它们更适合辅助研究人员，而非进行完全自动化的分析。尤其对于政治隐喻——它通常依赖于共同的文化符号、深刻的情感共鸣和隐含的意识形态框架——而言，这些系统仍然难以理解。

这项研究的作者是孟浩瀚、李晓宇和孙金华，题为“大型语言模型促使工程成为体现认知语言表征的一种方法：以特朗普话语中的政治隐喻为例”。