世界衛(wèi)生組織在 2024 年 4 月 2 號上線了一個聊天機(jī)器人，它的初衷是好的。
智能人工智能健康資源助理（SARAH，Smart AI Resource Assistant for Health）是一個由 GPT-3.5 支持的全新虛擬化身，可以用八種不同的語言為全世界數(shù)百萬人提供關(guān)于飲食、戒煙、減壓等健康建議。
但和所有聊天機(jī)器人一樣，SARAH 也會給出錯誤答案。人們很快就發(fā)現(xiàn)它提供了錯誤信息。在一個案例中，它給出了美國舊金山不存在的診所名字和地址。
世界衛(wèi)生組織在其網(wǎng)站上警告說，SARAH 給出的信息可能并不總是準(zhǔn)確的。
多么似曾相識的一幕。聊天機(jī)器人的失敗已經(jīng)是人盡皆知的段子。例如，Meta 短命的科學(xué)聊天機(jī)器人 Galactica 杜撰了關(guān)于熊在太空中生活的學(xué)術(shù)論文并生成了維基文章。
2024 年 2 月，加拿大航空公司被要求遵守其客服聊天機(jī)器人杜撰的退款政策。2023 年，一名律師因提交了錯誤百出的法律文件而被罰款，這些文件中充滿了虛假的司法意見和 ChatGPT 編造的法律引文。
（來源：AI 生成）
人工智能這種虛構(gòu)事實(shí)的傾向被稱為“幻覺”，是阻礙聊天機(jī)器人更廣泛采用的最大障礙之一。它們?yōu)槭裁从羞@種行為？為什么我們不能解決它？
魔術(shù)師的黑盒子
為了理解為什么大型語言模型會產(chǎn)生幻覺，我們需要看看它們是如何工作的。首先要注意的是，編造東西正是這些模型的設(shè)計(jì)初衷。
當(dāng)你問聊天機(jī)器人一個問題時，它會從支持它的大型語言模型中得到答案，但這不像在數(shù)據(jù)庫中查找信息或使用搜索引擎。
在大型語言模型的內(nèi)部，你不會看到現(xiàn)成的信息等待檢索。相反，你會發(fā)現(xiàn)數(shù)十億個數(shù)字。它使用這些數(shù)字從零開始計(jì)算自己的回復(fù)，在運(yùn)行中不斷產(chǎn)生新的單詞序列。
大型語言模型生成的許多文本看起來就像是從數(shù)據(jù)庫或真實(shí)網(wǎng)頁中復(fù)制粘貼的。但和大多數(shù)小說作品一樣，這些相似之處只是巧合。一個大型語言模型更像是一個魔術(shù)師的黑盒子，而不是百科全書。
大型語言模型通過預(yù)測序列中的下一個單詞來生成文本。如果一個模型看到“貓坐”，它可能會猜測下一個詞是“在”。隨后，這個新的序列被反饋到模型中，接下來模型可能會猜“地”和“上”。
這一個技巧就足以生成你能想到的幾乎任何類型的文本，從淘寶商品描述到俳句，從粉絲小說到計(jì)算機(jī)代碼，再到雜志文章和論文等等。
正如計(jì)算機(jī)科學(xué)家、前OpenAI 聯(lián)合創(chuàng)始人安德烈卡爾帕蒂（Andrej Karpathy）喜歡說的那樣：大型語言模型學(xué)會了用互聯(lián)網(wǎng)上的文檔做夢。
你可以把大型語言模型中的數(shù)十億個數(shù)字想象成一個巨大的電子表格，它記錄了某些單詞與其他單詞一起出現(xiàn)的統(tǒng)計(jì)學(xué)上的可能性。
電子表格中的值是在訓(xùn)練模型時設(shè)置的，這個過程會一次又一次地調(diào)整這些值，直到模型的猜測能夠反映出從互聯(lián)網(wǎng)上獲取的數(shù)兆字節(jié)文本中的語言規(guī)律。
為了預(yù)測一個單詞，該模型只需運(yùn)行其數(shù)字。它為詞匯表中的每個單詞計(jì)算一個分?jǐn)?shù)，以反映該單詞在序列中排下一位的可能性。
得分最高的單詞獲勝。簡而言之，大型語言模型就是一個統(tǒng)計(jì)學(xué)老虎機(jī)。拉下?lián)u桿，就會跳出一個單詞。
都是幻覺
你需要知道的是，這些模型生成的所有東西都是幻覺，但只有當(dāng)我們發(fā)現(xiàn)內(nèi)容是錯誤的時候，我們才會這么稱呼它。
問題是，大型語言模型非常擅長它們所做的事情，以至于它們所生成的東西在大部分情況下都是正確的。這讓信任它們變得很困難。
我們能否控制大型語言模型生成的內(nèi)容，從而讓它們生成準(zhǔn)確無誤的文本？不太行，因?yàn)檫@些模型太復(fù)雜了，我們無法手動修改它們的數(shù)字。
一些研究人員認(rèn)為，采用更多的文本進(jìn)行訓(xùn)練將繼續(xù)降低模型的錯誤率。
這是我們看到的一種趨勢，因?yàn)榇笮驼Z言模型變得越來越大、越來越好。
另一種方法是讓模型邊做邊檢查，一步一步地分解回答。這被稱為思維鏈提示（chain-of-thought prompting），已被證明可以提高聊天機(jī)器人輸出的準(zhǔn)確性。
未來的大型語言模型可能能夠?qū)λ鼈冋谏傻奈谋具M(jìn)行事實(shí)核查，甚至在它們開始偏離軌道時進(jìn)行回溯，但這項(xiàng)技術(shù)現(xiàn)在還未實(shí)現(xiàn)。
同時，這些技術(shù)都無法完全阻止幻覺。只要大型語言模型是概率性的，它們產(chǎn)生的東西就會有隨機(jī)的因素。
擲 100 個骰子，你會得到一個數(shù)字分布。再擲一次，你就會得到不同的分布。
即使骰子被加權(quán)，就像大型語言模型一樣，試圖讓一些分布出現(xiàn)的頻率遠(yuǎn)高于其他分布，但結(jié)果仍然不會每次都相同。
當(dāng)你考慮到這項(xiàng)技術(shù)每天被使用的次數(shù)時，即使是千分之一的錯誤率，也會導(dǎo)致很多錯誤。
這些模型越準(zhǔn)確，我們就越會放松警惕。研究表明，聊天機(jī)器人做得越好，當(dāng)錯誤發(fā)生時，人們就越有可能忽略它。
也許解決幻覺的最佳方法是管理我們對這些工具的預(yù)期。當(dāng)使用 ChatGPT 生成虛假文件的律師被要求解釋自己的行為時，他和其他人一樣對所發(fā)生的事情感到驚訝。
他告訴法官：“我聽說了這個新網(wǎng)站，我錯誤地認(rèn)為它是一個超級搜索引擎。我不明白 ChatGPT 會捏造案件。”
作者簡介：威爾道格拉斯海文（Will Douglas Heaven）是《麻省理工科技評論》人工智能欄目的高級編輯，他在這里報(bào)道新的研究、新興趨勢及其背后的人。此前，他是英國廣播公司（BBC）科技與地緣政治網(wǎng)站 Future Now 的創(chuàng)始編輯，也是 New Scientist 雜志的首席技術(shù)編輯。他擁有英國倫敦帝國理工學(xué)院計(jì)算機(jī)科學(xué)博士學(xué)位，深諳與機(jī)器人合作的體驗(yàn)。
支持：Ren
運(yùn)營/排版：何晨龍
