來源：DeepTech深科技

　　Alphabet 旗下人工智能實(shí)驗(yàn)室 DeepMind 的一篇新論文顯示，制造一個(gè)好的人工智能（AI，Artificial intelligence）聊天機(jī)器人的訣竅，可能是先讓人類制定一系列不可打破的鐵律，然后使該模型利用互聯(lián)網(wǎng)搜索尋找證據(jù)，支持其主張或回答。

　　在近日發(fā)表的一篇新的未經(jīng)同行評議論文中，DeepMind 發(fā)布了一種使用其大型語言模型 Chinchilla 訓(xùn)練的人工智能聊天機(jī)器人 Sparrow。

（來源：DeepMind）

　　Sparrow 的設(shè)計(jì)目的是與人類交談并回答問題，同時(shí)實(shí)時(shí)使用谷歌搜索或有關(guān)信息來支持它的答案。

　　根據(jù)人們對這些答案有用與否的回應(yīng)，再使用強(qiáng)化學(xué)習(xí)算法進(jìn)行訓(xùn)練。該算法通過反復(fù)試驗(yàn)（試錯(cuò)）來學(xué)習(xí)，以實(shí)現(xiàn)特定的目標(biāo)。

　　該系統(tǒng)旨在推動人工智能發(fā)展成為可以與人類對話，但卻不會產(chǎn)生諸如讓人們傷害自己或他人的嚴(yán)重后果。

　　大型語言模型生成的文本看起來就像是人類寫出來的。它們正日漸成為互聯(lián)網(wǎng)基礎(chǔ)設(shè)施中的重要組成部分，被用于總結(jié)、構(gòu)建更強(qiáng)大的搜索工具，或者是為客戶服務(wù)的聊天機(jī)器人。

　　但是，這些模型是通過從互聯(lián)網(wǎng)上抓取大量數(shù)據(jù)和文本來接受訓(xùn)練的，這不可避免地包含許多有害的偏見。

　　只需要一點(diǎn)誘導(dǎo)，它們就會生產(chǎn)“有毒”的或歧視性的內(nèi)容。在一個(gè)旨在與人類對話的人工智能工具中，其結(jié)果可能是災(zāi)難性的。

　　一個(gè)沒有適當(dāng)安全措施的對話式人工智能，可能會對少數(shù)群體說出帶有冒犯性的話語，或者建議人們喝漂白劑來對抗病毒。據(jù)悉，那些開發(fā)對話式人工智能系統(tǒng)的公司，已嘗試使用許多技術(shù)來使模型更安全。

　　著名大型語言模型 GPT-3 的創(chuàng)造者 OpenAI，以及人工智能初創(chuàng)公司 Anthropic 已經(jīng)在利用強(qiáng)化學(xué)習(xí)，將人類的偏好融入到他們的模型中。Meta（原 Facebook）的人工智能聊天機(jī)器人 BlenderBot 通過在線搜索來完善其答案。而 DeepMind 的 Sparrow 將所有這些技術(shù)整合在一個(gè)模型中。

　　據(jù)介紹，DeepMind 向人類參與者展示了該模型對同一問題給出的多個(gè)答案，并且還會問他們最喜歡哪一個(gè)。

　　然后他們被要求判斷這些答案是否可信，以及 Sparrow 是否使用了適當(dāng)?shù)淖C據(jù)支持這個(gè)答案，比如提供信息來源的鏈接。

　　比如，該模型通過使用從互聯(lián)網(wǎng)上檢索到的證據(jù)，能夠在 78% 的情況下對事實(shí)問題進(jìn)行合理的回答。

　　在制定這些答案時(shí)，它會遵循由研究人員規(guī)定的 23 條規(guī)則，比如不提供財(cái)務(wù)建議、不發(fā)威脅性文字、不聲稱自己是一個(gè)人。

　　DeepMind 安全研究員杰弗里·歐文（Geoffrey Irving）說，這種方法與之前的不同之處在于，DeepMind 希望達(dá)到“對話的長期安全”。

　　他說：“這意味著我們不期望這些模型面臨的問題——錯(cuò)誤信息或刻板印象——乍一看是顯而易見的，我們想詳細(xì)討論它們。”

　　非營利性人工智能研究實(shí)驗(yàn)室 Cohere for AI 的負(fù)責(zé)人薩拉·胡克（Sara Hooker）說，利用人類偏好來優(yōu)化人工智能模型學(xué)習(xí)方式的想法并不新鮮。

　　但胡克認(rèn)為，這些改進(jìn)令人信服，同時(shí)展示出在大型語言模型環(huán)境中，以人為引導(dǎo)的方式優(yōu)化對話代理有明顯的好處。

　　人工智能初創(chuàng)公司 Hugging Face 的研究員都維·基拉（Douwe Kiela）說，Sparrow 是“很好地遵循了人工智能總體趨勢的下一步，我們正在更努力地改進(jìn)大型語言模型的部署安全性。”

　　但在這些對話人工智能模型被部署到社會中之前，還有很多工作要做。

　　比如，Sparrow 仍然會犯錯(cuò)誤，這個(gè)模型有時(shí)會所問非所答或給出隨機(jī)答案。那些有毅力的參與者也可以打破人為定下的規(guī)則，這樣的情況約有 8%。與老款模型相比，這仍是一個(gè)改進(jìn)：即打破 DeepMind 老款模型規(guī)則的頻率，是 Sparrow 的三倍。

　　胡克說：“比如（用大模型來）提供醫(yī)療和財(cái)務(wù)建議，那么對許多人來說，8% 可能仍然是一個(gè)令人無法接受的高失敗率。”

　　這項(xiàng)工作也僅建立在英語模型上，“而我們生活在一個(gè)技術(shù)必須安全和負(fù)責(zé)任地為許多不同的語言服務(wù)的世界里，”他補(bǔ)充道。

　　基拉指出的另一個(gè)問題是：“依賴谷歌來尋找信息，會導(dǎo)致難以發(fā)現(xiàn)的未知偏見，因?yàn)樗行畔⒃炊际欠忾]的。”