---
title: "Stochastic parrot — นกแก้วสุ่มตัวอย่าง"
source: "https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87"
wiki: "systems-analysis.info/int"
article: "Stochastic_parrot_—_นกแก้วสุ่มตัวอย่าง"
language: "th"
categories:
  - "Category:Large language models"
  - "Category:Machine learning"
  - "Category:Thai"
revision_id: 6909
wiki_created_at: 2026-09-07T00:13:08Z
wiki_modified_at: 2026-09-07T00:13:08Z
downloaded_at: 2026-09-07T23:16:21Z
---

# Stochastic parrot — นกแก้วสุ่มตัวอย่าง

**นกแก้วสุ่มตัวอย่าง** (อังกฤษ: *Stochastic parrot*) — คือคำเปรียบเปรยที่ใช้ในสาขาปัญญาประดิษฐ์เพื่ออธิบาย LLM ขนาดใหญ่ในฐานะระบบที่สามารถรวมรูปแบบทางภาษาศาสตร์ได้อย่างน่าเชื่อถือในเชิงสถิติ แต่ไร้ซึ่งความเข้าใจความหมายที่แท้จริง<sup>[\[1\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-mint_def-1)</sup>

คำนี้ถูกบัญญัติขึ้นในเดือนมีนาคม ค.ศ. 2021 ในบทความวิชาการชื่อ *«On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?»* ซึ่งตีพิมพ์ในการประชุม FAccT โดยมีผู้เขียนคือ Emily M. Bender, Timnit Gebru, Angelina McMillan-Major และ Margaret Mitchell<sup>[\[2\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-bender_2021-2)</sup>

## คำจำกัดความและแนวคิด

ตามที่ผู้เขียนบทความระบุ นกแก้วสุ่มตัวอย่างหมายถึง «ระบบสำหรับการเชื่อมต่อลำดับรูปแบบทางภาษาศาสตร์ที่พบในข้อมูลการฝึกอบรมขนาดใหญ่อย่างไม่เป็นระเบียบ ตามข้อมูลความน่าจะเป็นว่ารูปแบบเหล่านั้นผสมผสานกันอย่างไร แต่ปราศจากความเชื่อมโยงใด ๆ กับความหมาย»<sup>[\[2\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-bender_2021-2)</sup>

คำนี้ประกอบด้วยสองส่วน:

- ***สุ่มตัวอย่าง (Stochastic)*** — มาจากภาษากรีกโบราณ *στοχαστικός* ("อิงการคาดเดา") ในคณิตศาสตร์สมัยใหม่หมายถึงกระบวนการที่กำหนดโดยการแจกแจงความน่าจะเป็นแบบสุ่ม<sup>[\[1\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-mint_def-1)</sup>
- ***นกแก้ว (Parrot)*** — อ้างอิงถึงความสามารถของนกแก้วในการเลียนแบบเสียงพูดของมนุษย์โดยไม่เข้าใจความหมาย<sup>[\[1\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-mint_def-1)</sup>

แนวคิดนี้ยืนยันว่า LLM ที่ฝึกมาเพื่อทำนายคำถัดไปในลำดับนั้น โดยแก่นแท้แล้วคือระบบเติมข้อความอัตโนมัติที่ซับซ้อน ซึ่งจัดการกับสัญลักษณ์โดยไม่สามารถเข้าถึงความหมายของสัญลักษณ์เหล่านั้นได้

## ข้อโต้แย้งหลักของบทความ «On the Dangers of Stochastic Parrots»

งานวิจัยนี้ระบุหมวดหมู่ความเสี่ยงหลักสี่ประการที่เกี่ยวข้องกับการพัฒนา LLM ที่มีขนาดใหญ่เกินไป

### 1. ข้อมูลการฝึกอบรมที่ไม่อาจรู้ได้ทั้งหมด

LLM ได้รับการฝึกอบรมบน dataset ขนาดมหึมาที่ไม่มีการกำกับข้อมูล ซึ่งรวบรวมมาจากอินเทอร์เน็ต (เช่น Common Crawl) dataset เหล่านี้หลีกเลี่ยงไม่ได้ที่จะมีอคติ ภาษาที่เป็นพิษ และมุมมองที่ครอบงำซึ่งสร้างความเสียหายต่อกลุ่มเปราะบาง ตัวอย่างเช่น เนื้อหาบนอินเทอร์เน็ตนั้นเป็นตัวแทนของผู้ชายผิวขาวจากประเทศพัฒนาแล้วอย่างไม่สมส่วน (ผู้ใช้ Reddit ในสหรัฐอเมริกา 67% เป็นผู้ชาย)<sup>[\[2\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-bender_2021-2)</sup>

### 2. การขาดความเข้าใจภาษาที่แท้จริง

ผู้เขียนยืนยันว่า LLM ไม่มีความเข้าใจภาษาที่แท้จริง พวกเขาอ้างอิงทฤษฎีที่ว่าภาษาเป็นระบบสัญลักษณ์ที่รูปแบบ (คำ) เชื่อมโยงกับความหมายอย่างแยกไม่ออก ข้อมูลการฝึกอบรมสำหรับ LLM มีเพียงรูปแบบเท่านั้น ทำให้โมเดลไม่สามารถเข้าถึงความหมายได้ ดังนั้น LLM จึงเพียงแค่เลียนแบบการพูดที่มีความหมาย

### 3. ข้อความสังเคราะห์และอันตรายที่อาจเกิดขึ้น

เนื่องจาก LLM สร้างข้อความที่ถูกต้องตามหลักไวยากรณ์และน่าเชื่อถือ ผู้คนจึงมีแนวโน้มที่จะมอบความหมายให้กับข้อความนั้นและไว้วางใจมัน สิ่งนี้ก่อให้เกิดความเสี่ยงต่อการแพร่กระจายของข้อมูลเท็จ ถ้อยคำแสดงความเกลียดชัง และการฉ้อโกง ยิ่งการเลียนแบบสมบูรณ์แบบมากเท่าใด ความเสี่ยงที่ผู้คนจะประเมินความสามารถของ AI สูงเกินจริงและมอบการตัดสินใจที่สำคัญให้กับมันก็ยิ่งสูงขึ้นเท่านั้น

## อิทธิพลทางวิชาการและความขัดแย้งรอบการตีพิมพ์

บทความนี้กลายเป็นศูนย์กลางของเรื่องอื้อฉาวครั้งใหญ่ที่ Google ซึ่งในขณะนั้น Timnit Gebru และ Margaret Mitchell ผู้ร่วมเขียนทำงานอยู่ ในปลายปี ค.ศ. 2020 ระหว่างการทบทวนภายใน ผู้บริหารของ Google เรียกร้องให้ผู้เขียนถอนบทความหรือลบชื่อพนักงาน Google ออกจากบทความ<sup>[\[3\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-habr_digest-3)</sup>

Timnit Gebru นักวิจัยด้านจริยธรรม AI ชั้นนำ ปฏิเสธที่จะปฏิบัติตามข้อเรียกร้องนี้ ซึ่งนำไปสู่การที่เธอถูกไล่ออกจาก Google ในเดือนธันวาคม ค.ศ. 2020 ในเดือนกุมภาพันธ์ ค.ศ. 2021 Margaret Mitchell ที่ออกมาสนับสนุน Gebru ก็ถูกไล่ออกเช่นกัน<sup>[\[4\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-techreview_paper-4)</sup> เหตุการณ์เหล่านี้ก่อให้เกิดเสียงสะท้อนจากสาธารณชนอย่างกว้างขวาง พนักงาน Google กว่า 2,200 คน และตัวแทนจากแวดวงวิชาการอีกหลายพันคนได้ลงนามในจดหมายประท้วง โดยกล่าวหาบริษัทว่าเซ็นเซอร์งานวิชาการและปิดกั้นการวิจัยที่อาจกระทบต่อผลประโยชน์ทางการค้าของบริษัท<sup>[\[5\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-verge_paper-5)</sup> ในที่สุดบทความดังกล่าวได้รับการตีพิมพ์ในเดือนมีนาคม ค.ศ. 2021 ในการประชุม FAccT

## ปฏิกิริยา การถกเถียง และวิวัฒนาการของมุมมอง

คำเปรียบเปรย "นกแก้วสุ่มตัวอย่าง" แพร่หลายอย่างรวดเร็วและกลายเป็นจุดศูนย์กลางในการถกเถียงเกี่ยวกับธรรมชาติของปัญญาประดิษฐ์ American Dialect Society (ADS) ได้เลือก **«stochastic parrot»** เป็นคำแห่งปีในสาขา AI ประจำปี ค.ศ. 2023 โดยคำนี้แซงหน้าแม้แต่ "ChatGPT" และ "LLM"<sup>[\[1\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-mint_def-1)</sup>

### การวิจารณ์แนวคิดและหลักฐานของความเข้าใจ

แนวคิดนี้ถูกโต้แย้งโดยนักวิจัยชั้นนำหลายคน

- **Geoffrey Hinton** หนึ่งใน "บิดาผู้ก่อตั้ง" ของ Deep Learning ยืนยันว่า "เพื่อให้ทำนายคำถัดไปได้อย่างแม่นยำ จำเป็นต้องเข้าใจประโยค"<sup>[\[1\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-mint_def-1)</sup> ในปี ค.ศ. 2023 หลังจากลาออกจาก Google เขากล่าวว่าโมเดลขนาดใหญ่ "เข้าใจ" สิ่งที่ได้รับการสอนแล้ว และสามารถสรุปผลได้อย่างอิสระ<sup>[\[6\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-cbs_hinton-6)</sup>
- **ความสามารถเกิดใหม่ (Emergent abilities)**: การวิจัยแสดงให้เห็นว่าเมื่อถึงขนาดหนึ่ง LLM แสดงให้เห็นการปรากฏขึ้นอย่างก้าวกระโดดของความสามารถใหม่ ๆ เช่น การแก้โจทย์คำนวณ ซึ่งไม่ได้ถูกฝังอยู่ในระบบอย่างชัดเจน<sup>[\[7\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-wiki_parrot-7)</sup>
- **โมเดลภายในของโลก**: งานวิจัยปี ค.ศ. 2022 แสดงให้เห็นว่าโมเดลที่ฝึกให้เล่น Othello โดยอาศัยการบันทึกการเคลื่อนไหวเป็นข้อความ ได้สร้างการแสดงแทนภายในของกระดานเกมขึ้นมาเองโดยอัตโนมัติ ซึ่งบ่งชี้ถึงการพัฒนาโมเดลนามธรรมของโลกที่ถูกอธิบาย<sup>[\[3\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-habr_digest-3)</sup>
- **ประสิทธิภาพบน benchmark**: โมเดลสมัยใหม่ เช่น GPT-4 แสดงผลลัพธ์ในระดับมนุษย์ (หรือสูงกว่า) ในการสอบวิชาชีพที่ซับซ้อน ซึ่งนักวิจัยบางส่วนเห็นว่าเป็นไปไม่ได้หากปราศจากความเข้าใจ<sup>[\[8\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-pmc_debate-8)</sup>

### การใช้งานในเชิงประชดและวาทกรรมสาธารณะ

คำนี้แพร่หลายมากจนแม้แต่ CEO ของ OpenAI อย่าง **Sam Altman** ยังใช้มันในเชิงประชด โดยเขียนบน Twitter ว่า: «i am a stochastic parrot, and so r u» ด้วยการกระทำนี้เขาได้ใบ้ว่าการพูดของมนุษย์ก็เป็นในระดับหนึ่งการทำนายคำถัดไปแบบความน่าจะเป็นเช่นกัน เป็นการเล่นกับคำวิจารณ์ที่มีต่อ AI<sup>[\[1\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-mint_def-1)</sup>

### อิทธิพลต่อวาทกรรมทางวิชาการ

คำเปรียบเปรย "นกแก้วสุ่มตัวอย่าง" ยังคงเป็นศูนย์กลางในการถกเถียงเกี่ยวกับความสามารถและข้อจำกัดของ LLM ช่วยให้สามารถระบุปัญหาการขาดความเข้าใจที่แท้จริงของโมเดลภาษา และดึงความสนใจไปสู่ความเสี่ยงที่เกี่ยวข้องกับการพัฒนาโมเดลเหล่านั้น ในขณะเดียวกัน ความก้าวหน้าอย่างรวดเร็วในสาขา LLM บังคับให้ต้องตีความคำเปรียบเปรยนี้ใหม่อยู่เสมอ เนื่องจากโมเดลล่าสุดแสดงพฤติกรรมที่ซับซ้อนมากขึ้นเรื่อย ๆ ซึ่งไม่สอดคล้องกับภาพของ "นกแก้วที่ไร้ความหมาย" คำนี้ยังคงมีอิทธิพลต่อวาทกรรมทางวิชาการ โดยเน้นย้ำถึงความสำคัญของการวิเคราะห์เชิงวิพากษ์เกี่ยวกับความสามารถของระบบ AI และผลกระทบทางสังคมของระบบเหล่านั้น<sup>[\[8\]](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_note-pmc_debate-8)</sup>

## บรรณานุกรม

- Bender, E. M.; Gebru, T.; McMillan-Major, A.; Mitchell, M. (2021). *On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?*. FAccT 2021.
- Floridi, L.; Chiriatti, M. (2020). *GPT-3: Its Nature, Scope, Limits, and Consequences*. Minds & Machines, 30(4), 681-694.
- Bommasani, R. et al. (2021). *On the Opportunities and Risks of Foundation Models*. arXiv:2108.07258.
- Weidinger, L. et al. (2021). *Ethical and Social Risks of Harm from Language Models*. arXiv:2112.04359.
- Kaplan, J. et al. (2020). *Scaling Laws for Neural Language Models*. arXiv:2001.08361.
- Wei, J. et al. (2022). *Emergent Abilities of Large Language Models*. arXiv:2206.07682.
- Perez, E. et al. (2022). *Red Teaming Language Models with Language Models*. EMNLP 2022.
- Bai, Y. et al. (2022). *Constitutional AI: Harmlessness from AI Feedback*. arXiv:2212.08073.
- Du, Z. et al. (2024). *Understanding Emergent Abilities of Language Models from the Loss Perspective*. arXiv:2403.15796.
- Gerstgrasser, M. et al. (2024). *Is Model Collapse Inevitable? Breaking the Curse of Recursion by Accumulating Real and Synthetic Data*. arXiv:2404.01413.

## หมายเหตุ

1.  <span id="cite_note-mint_def-1">↑ <sup>[1.0](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-mint_def_1-0)</sup> <sup>[1.1](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-mint_def_1-1)</sup> <sup>[1.2](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-mint_def_1-2)</sup> <sup>[1.3](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-mint_def_1-3)</sup> <sup>[1.4](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-mint_def_1-4)</sup> <sup>[1.5](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-mint_def_1-5)</sup> 'Stochastic Parrot': A Name for AI That Sounds a Bit Less Intelligent. *Mint*. <a href="https://www.livemint.com/opinion/stochastic-parrot-a-name-for-ai-that-sounds-a-bit-less-intelligent-11705652148367.html" class="external autonumber" rel="nofollow">[1]</a></span>
2.  <span id="cite_note-bender_2021-2">↑ <sup>[2.0](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-bender_2021_2-0)</sup> <sup>[2.1](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-bender_2021_2-1)</sup> <sup>[2.2](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-bender_2021_2-2)</sup> Bender, Emily M., et al. «On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?». *Conference on Fairness, Accountability, and Transparency (FAccT '21)*. <a href="https://s10251.pcdn.co/pdf/2021-bender-parrots.pdf" class="external autonumber" rel="nofollow">[2]</a></span>
3.  <span id="cite_note-habr_digest-3">↑ <sup>[3.0](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-habr_digest_3-0)</sup> <sup>[3.1](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-habr_digest_3-1)</sup> «Протестующие пчёлы и стохастические попугаи: дайджест публикаций с критикой и поддержкой развития AI». *Хабр*. <a href="https://habr.com/ru/articles/727984/" class="external autonumber" rel="nofollow">[3]</a></span>
4.  <span id="cite_note-techreview_paper-4">[↑](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-techreview_paper_4-0) Hao, Karen. «We read the paper that forced Timnit Gebru out of Google. Here's what it says». *MIT Technology Review*. <a href="https://web.archive.org/web/20211006233625/https://www.technologyreview.com/2020/12/04/1013294/google-ai-ethics-research-paper-forced-out-timnit-gebru/" class="external autonumber" rel="nofollow">[4]</a></span>
5.  <span id="cite_note-verge_paper-5">[↑](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-verge_paper_5-0) Vincent, James. «Timnit Gebru's actual paper may explain why Google ejected her». *The Verge*. <a href="https://www.theverge.com/2020/12/5/22155985/paper-timnit-gebru-fired-google-large-language-models-search-ai" class="external autonumber" rel="nofollow">[5]</a></span>
6.  <span id="cite_note-cbs_hinton-6">[↑](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-cbs_hinton_6-0) «Geoffrey Hinton on the promise, risks of artificial intelligence». *60 Minutes - CBS News*. <a href="https://www.cbsnews.com/news/geoffrey-hinton-ai-dangers-60-minutes-transcript/" class="external autonumber" rel="nofollow">[6]</a></span>
7.  <span id="cite_note-wiki_parrot-7">[↑](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-wiki_parrot_7-0) «Stochastic parrot». *Wikipedia*. <a href="https://en.wikipedia.org/wiki/Stochastic_parrot" class="external autonumber" rel="nofollow">[7]</a></span>
8.  <span id="cite_note-pmc_debate-8">↑ <sup>[8.0](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-pmc_debate_8-0)</sup> <sup>[8.1](https://systems-analysis.info/int/Stochastic_parrot_%E2%80%94_%E0%B8%99%E0%B8%81%E0%B9%81%E0%B8%81%E0%B9%89%E0%B8%A7%E0%B8%AA%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%95%E0%B8%B1%E0%B8%A7%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87#cite_ref-pmc_debate_8-1)</sup> «The debate over understanding in AI's large language models». *PMC*. <a href="https://pmc.ncbi.nlm.nih.gov/articles/PMC10068812/" class="external autonumber" rel="nofollow">[8]</a></span>