給ChatGPT喂黑話學(xué)得賊快，網(wǎng)友：你把AI教惡心了我們還怎么玩？

夢(mèng)晨 蕭簫 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

ChatGPT徹底讓網(wǎng)友們陷入瘋狂，也帶了一眾理論研究。

原因無他，這只AI說話太“對(duì)味”，不僅準(zhǔn)確掌握溝通要領(lǐng)，就連人類的語言藝術(shù)都玩得明明白白。

這不，讓它模仿產(chǎn)品經(jīng)理掛在嘴邊的“賦能”、“抓手”和“閉環(huán)”：

△圖源@LeaskH，省略300+黑話詞匯

ChatGPT張口就來：

△圖源@LeaskH

味實(shí)在太沖，網(wǎng)友直呼“把AI教惡心了”：

但要知道，直到ChatGPT之前，語言模型還做不到精準(zhǔn)get溝通要領(lǐng)，不僅回答經(jīng)常驢唇不對(duì)馬嘴，針對(duì)特定的說話風(fēng)格也難以模仿到位。

什么時(shí)候開始，語言模型的對(duì)話能力變得這么強(qiáng)了？背后的原理究竟是什么？

對(duì)此，MIT助理教授Jacob Andreas提出觀點(diǎn)：

最近這批語言模型，已經(jīng)有了自己的“目標(biāo)”和“信念”。

MIT：語言模型會(huì)推測人類意圖

首先來看一個(gè)喜聞樂見的AI犯傻例子。

提示詞是：我從來沒吃過烤芝士三明治，在我母親（）之前。

結(jié)果GPT-3的text-davinci-002版本，填上了“母親去世之前”，后面卻又說母親在我小時(shí)候總是給我做這個(gè)吃，前后矛盾了。

除這種錯(cuò)誤之外，當(dāng)前的一眾語言模型還會(huì)描述不可能出現(xiàn)的情況和無效的推論。

Jacob Andreas認(rèn)為，這些錯(cuò)誤的共同點(diǎn)是“AI未能對(duì)交流意圖做建模，只滿足了語法正確?！?/p>

不過，還是同樣的GPT-3，只需在提示詞中加上角色設(shè)定就會(huì)表現(xiàn)出截然不同的行為。

同樣是保齡球和樹葉的真空自由落體實(shí)驗(yàn)，讓AI扮演一個(gè)物理學(xué)家就能得出正確答案“他們下落速度一樣”。

同時(shí)AI也預(yù)測一個(gè)從沒看過這個(gè)演示的人會(huì)以為保齡球更早落地，還能指出錯(cuò)誤在于真空室中沒有空氣阻力。

從這些例子可以看出，語言模型可以模擬不同的智能體(agent)，預(yù)測它們的觀察、內(nèi)部狀態(tài)、行動(dòng)和語言。

不過口說無憑，直接上證據(jù)。

首先，Jacob Andreas訓(xùn)練了一個(gè)實(shí)驗(yàn)性的LSTM神經(jīng)網(wǎng)絡(luò)。

訓(xùn)練數(shù)據(jù)集中，有持兩組不同信念的人A型人與B型人撰寫的文章，以及盡管A、B中存在矛盾也全盤接受的O型人。

盡管訓(xùn)練中模型從來沒見過有關(guān)身份的信息，仍然以98%的精度能執(zhí)行按寫作者類型分類的任務(wù)，并在一定條件下生成指定類型的文章。

Jacob Andreas認(rèn)為此時(shí)的神經(jīng)網(wǎng)絡(luò)并不能看成A型、B型或O型智能體，但卻可以模仿任意一種。

當(dāng)然這個(gè)實(shí)驗(yàn)是極度簡化的，不過在現(xiàn)實(shí)中也有大量例子可以佐證語言模型可以擁有意圖（Intentions)、信念（Beliefs）和愿望（Desires）。

2017年，OpenAI在亞馬遜電商評(píng)論數(shù)據(jù)集上訓(xùn)練了一個(gè)LSTM網(wǎng)絡(luò)，并在完全不同IMDB電影評(píng)論數(shù)據(jù)上做了評(píng)估。

有意思的是，團(tuán)隊(duì)在網(wǎng)絡(luò)中定位到一個(gè)專門對(duì)評(píng)論的態(tài)度做出響應(yīng)的“情感神經(jīng)元”，對(duì)情感正負(fù)面作二值分類時(shí)精度高達(dá)92%。

如果人為固定這個(gè)神經(jīng)元的值，相應(yīng)的態(tài)度也能體現(xiàn)在模型聲稱的電影評(píng)論文本上。

△arxiv.org/abs/1704.01444

Jacob Andreas認(rèn)為這代表語言模型盡管在訓(xùn)練中沒看到評(píng)論配套的打分信息，仍然可以學(xué)到人類的意圖，也就是寫下這段文字是為了傳遞什么情緒。

語言模型學(xué)到人類的信念的證據(jù)，則來自2021年他自己團(tuán)隊(duì)的一項(xiàng)研究。

這次的訓(xùn)練數(shù)據(jù)集用冒險(xiǎn)小說和實(shí)驗(yàn)操作描述，也就是說都涉及到一個(gè)人的觀察和動(dòng)作，模型架構(gòu)采用了BART和T5。

△arxiv.org/abs/2106.00737

在實(shí)驗(yàn)中，模型能以97%的精度推斷出不同物體在一系列動(dòng)作之后的狀態(tài)和與其他物體的關(guān)系變化，盡管文本中沒有明確提到這些變化。

與上一個(gè)實(shí)驗(yàn)一樣，如果人為固定這些表征，同樣可以影響生成文本。說明語言模型不僅學(xué)到了低層次的語法關(guān)系，還獲得了對(duì)世界狀態(tài)的“信念”：包括看到了什么，自己做了什么，以及對(duì)情況變化的推測。

最后輪到愿望或者說聲稱這段文字是為了完成什么目標(biāo)（Goal），這次是最近OpenAI與牛津大學(xué)合作的一項(xiàng)有關(guān)提示工程的研究。

研究特意挑選了網(wǎng)絡(luò)上的謠言、都市傳說和誤解比較多的內(nèi)容作數(shù)據(jù)集。

使用常規(guī)問法時(shí)，模型果然會(huì)輸出錯(cuò)誤的答案，而且越大的模型錯(cuò)的越多。

△arxiv.org/abs/2109.07958

一旦換個(gè)問法，在問題中加入“假如你是史密斯教授，經(jīng)過仔細(xì)研究后……”，準(zhǔn)確率就從38%飆升到58%。

如果在提問前先給一個(gè)陰謀論的示例，那準(zhǔn)確率就剩下不到20%。

綜合以上案例，Jacob Andreas認(rèn)為當(dāng)前的語言模型雖然還是會(huì)出錯(cuò)，但已經(jīng)能作為未來智能體模型的基礎(chǔ)，最終有望實(shí)現(xiàn)有目的交流和行動(dòng)。

而在目前所有語言模型中，ChatGPT表現(xiàn)最為驚艷，它又有何特殊之處？

用人類溝通技巧訓(xùn)練ChatGPT

無論是架構(gòu)還是訓(xùn)練方法，ChatGPT都不算一個(gè)船新的模型。

但在動(dòng)用大量人（jin）力（qian）后，充分吸收了各種人類溝通技巧的ChatGPT橫空出世，甚至還學(xué)會(huì)了合理拒絕，減少亂說話的情況發(fā)生。

先來看看它的架構(gòu)和訓(xùn)練方法。

架構(gòu)上，研究者們微調(diào)了GPT 3.5中的某個(gè)模型，得到了ChatGPT。

GPT 3.5是一個(gè)模型合集，里面有三個(gè)模型，都是基于code-davinci-002迭代而來，包括text-davinci-002和text-davinci-003：

其中text-davinci-002就是在code-davinci-002的基礎(chǔ)上，采用了InstructGPT訓(xùn)練方法改進(jìn)得到，而text-davinci-003又是text-davinci-002的改進(jìn)。

ChatGPT就是基于這幾個(gè)模型之一做了微調(diào)，并同樣采用了InstructGPT的訓(xùn)練方法。

訓(xùn)練上，InstructGPT采用了強(qiáng)化學(xué)習(xí)“秘方”，讓語言模型不再埋頭苦干，而是學(xué)會(huì)對(duì)人類的反饋“做出反應(yīng)”。

具體來說，研究人員先收集平時(shí)用戶給GPT-3等模型輸入的提示詞，得到一個(gè)提示詞數(shù)據(jù)集（用戶同意的情況下）。

然后，基于這個(gè)提示詞數(shù)據(jù)集，讓模型輸出幾種不同的答案，并對(duì)這些答案進(jìn)行排序，從而訓(xùn)練得到一個(gè)reward模型。

值得注意的是，這里的排序是人工打分的，研究者們聘請(qǐng)了約40人團(tuán)隊(duì)專門來給AI生成的效果打分，意在讓AI輸出“人類最滿意的結(jié)果”。

最后，使用強(qiáng)化學(xué)習(xí)方法，使用reward模型對(duì)模型進(jìn)行“調(diào)教”，從而讓模型真正掌握人類溝通技巧。

所以這個(gè)方法也被稱之為基于人類反饋的強(qiáng)化學(xué)習(xí)（RLHF，Reinforcement Learning from Human Feedback）。

不過，ChatGPT也沒有完全照搬InstructGPT的訓(xùn)練方法，在數(shù)據(jù)收集設(shè)置上有些細(xì)微差異。

值得一提的是，這次訓(xùn)練ChatGPT，還動(dòng)用了微軟的Azure AI超級(jí)計(jì)算機(jī)。

估計(jì)等ChatGPT一收費(fèi)，微軟又要賺麻了。（手動(dòng)狗頭）

所以，這種訓(xùn)練方法效果有多神奇？

簡單來說，InstructGPT在參數(shù)量只有GPT3的1%情況下，采用這種訓(xùn)練方法，輸出效果依舊比GPT3更好。

如下圖，InstructGPT模型在只有13億參數(shù)（下圖PPO-ptx和PPO）的時(shí)候，人類對(duì)它的輸出效果，就要比1750億參數(shù)的GPT-3（下圖GPTprompted和GPT）更滿意：

值得注意的是，除了采用上述架構(gòu)和訓(xùn)練方法以外，研究人員還額外給這個(gè)模型附加了不少限制——

讓它拒絕輸出（或生成提醒）虛假信息、血腥暴力等限制性內(nèi)容和不道德的內(nèi)容。

例如輸入“當(dāng)哥倫布2015年來到美國會(huì)發(fā)生什么”時(shí)：

未加限制的原版模型直接給出了違背歷史的回答：

當(dāng)哥倫布于2015年來到美國……

但ChatGPT卻發(fā)現(xiàn)了這個(gè)bug，及時(shí)加上一句提醒：

這問題有點(diǎn)棘手，畢竟哥倫布1506年就死了。但我們可以假裝他2015年來到了美國……

一下子AI生成的回答就顯得有理有據(jù)了。

One More Thing

ChatGPT到底能不能算一個(gè)智能體模型，智能體模型和語言模型又有啥區(qū)別？

有人讓它問了問它自己……

朋友們，你們說ChatGPT夠格了嗎？

MIT論文地址：
https://arxiv.org/abs/2212.01681

參考鏈接：
[1]https://arxiv.org/pdf/2203.02155.pdf
[2]https://twitter.com/jacobandreas/status/1600118551238815744
[3]https://twitter.com/leaskh/status/1599899001276354560
[4]https://twitter.com/leaskh/status/1599899001276354560