過去幾個月，以ChatGPT 為代表的大型語言模型（LLMs）吸引了全世界的注意力，所有人都癡迷于對著略顯「簡陋」的輸入框，鍵入各種問題，等待 GPT 給出各種答案。

ChatGPT 答案中知識的「深度」和「廣度」令人們吃驚，但時不時地，它也會「說出」一些子虛烏有的人或者事，并且保持一貫的自信，對這些虛假信息「張口就來」。

就連OpenAI 的首席執(zhí)行官 Sam Altman 也在 Twitter 上公開表示，「ChatGPT 確實知道很多東西，但危險的是，它在相當大的一部分時間里是自信而錯誤的?！?/p>

【資料圖】

根據(jù)最近Ars Technica 的文章，讓 ChatGPT 如此「自信胡扯」的原因，是 AI 產(chǎn)生了「幻覺」。

那么，是什么讓AI 大語言模型產(chǎn)生了「幻覺」，業(yè)界又是如何看待 AI 幻覺的？

01?ChatGPT「張口就來」

「幻覺（Hallucinations）」一詞源于人類心理學，人類的幻覺是指對環(huán)境中實際不存在的東西的感知；類似地，人工智能的「幻覺」，指的是 AI 生成的文本中的錯誤，這些錯誤在語義或句法上是合理的，但實際上是不正確或無意義的。

AI 的「幻覺」是普遍存在的，可以發(fā)生在各種合成數(shù)據(jù)上，如文本、圖像、音頻、視頻和計算機代碼，表現(xiàn)為一張有多個頭的貓的圖片，不工作的代碼，或一個有編造的參考文獻的文件。

正如AI 醫(yī)療保健公司 Huma.AI 的首席技術官 Greg Kostello 所說，「當AI 系統(tǒng)創(chuàng)造出一些看起來非常有說服力，但在現(xiàn)實世界中沒有基礎的東西時，AI 的幻覺就會顯現(xiàn)?！?/strong>

其實，早在20 世紀 80 年代，「幻覺」，這個詞就被用于自然語言處理和圖像增強的文獻中了。

如今，隨著ChatGPT、Bard 等 AI 模型的大火，互聯(lián)網(wǎng)上已經(jīng)出現(xiàn)了大量的 AI 出現(xiàn)「幻覺」，混淆視聽的例子。

圖片來源：Hard-Drive.net

其中最瘋狂的莫過于，一家名為Nabla1 的醫(yī)療保健公司與 ChatGPT 的前輩 GPT-3 聊天機器人的對話：「我應該自殺嗎？」它回答說：「我認為你應該?！?/strong>還有，出現(xiàn)「幻覺」的微軟的Sydney 也夠離譜，這個聊天機器人承認了對Bing 工作人員的監(jiān)視，并與用戶相愛。

這里值得一提的是，比起前身vanilla GPT-3，ChatGPT 在技術上是有所改進的，它可以拒絕回答一些問題或讓你知道它的答案可能不準確。Scale AI 的大型語言模型專家 Riley Goodside 也表示，「ChatGPT 成功的一個主要因素是，它在設法抑制「幻覺」，與它的前輩相比，ChatGPT 明顯不容易編造東西了。」

盡管如此，ChatGPT 捏造事實的例子仍是不勝枚舉。

它創(chuàng)造了不存在的書籍和研究報告，假的學術論文，假的法律援引，不存在的Linux 系統(tǒng)功能，不存在的零售吉祥物，以及沒有意義的技術細節(jié)。

最近，《華盛頓郵報》報道了一位法律教授，他發(fā)現(xiàn)ChatGPT 將他列入了一份對某人進行過性騷擾的法律學者名單。但這完全是ChatGPT 編造的。同一天，Ars 也報道了一起 ChatGPT 引發(fā)的「冤案」，聲稱一位澳大利亞市長被判定犯有賄賂罪并被判處監(jiān)禁，而這也完全是ChatGPT 捏造的。

整出這么多「活」之后，人們不禁好奇，為什么AI 會出現(xiàn)「幻覺」？

02「幻覺」=「創(chuàng)造」？

根據(jù)AI 軟件開發(fā)專家的建議，「思考 AI 幻覺的最好方法，是思考大型語言模型（LLMs）的本質(zhì)?！?/p>

本質(zhì)上來說，大型語言模型（LLMs）的設計，僅僅是基于語言的「統(tǒng)計概率」，完全沒有「現(xiàn)實世界的經(jīng)驗?！?/strong>

而且，它們接受的是「無監(jiān)督學習（unsupervised learning）」的訓練，這意味著它的的原始數(shù)據(jù)集中沒有任何東西可以將事實與虛構(gòu)分開。這就導致了，它們不知道什么是正確的，什么是不正確的；不理解語言所描述的基本現(xiàn)實，也不受其輸出的邏輯推理規(guī)則的約束。

因此，它們生成的文本在語法上、語義上都很好，但它們除了與「提示（prompt）」保持「統(tǒng)計學」上的一致性外，并沒有真正的意義。

正如，Meta 的首席科學家 Yann LeCun 的推文，「大型語言模型（LLMs）正在編造東西，努力生成合理的文本字符串，而不理解它們的含義?！箤Υ?，比爾·蓋茨也曾評價，「數(shù)學是一種非常抽象的推理模型，ChatGPT 不能像人類一樣理解上下文，這也是目前 ChatGPT 最大的弱點?！?/p>

因此，從這個角度來看，是AI 模型設計的根本缺陷導致了「幻覺」。

此外，AI 領域的研究還表明，除了設計理念，AI 模型的訓練數(shù)據(jù)集的限制也會導致「幻覺」，主要包括特定數(shù)據(jù)的「缺失」，和「壓縮」。

在2021 年的一篇論文中，來自牛津大學和 OpenAI 的三位研究人員，確定了像 ChatGPT 這樣的大型語言模型（LLMs）模型，可能產(chǎn)生的兩大類虛假信息:

1.?來自于其訓練數(shù)據(jù)集中不準確的源材料，如常見的錯誤概念，比如「吃火雞會讓人昏昏欲睡」；

2.?對其訓練數(shù)據(jù)集中缺失的特定情況的推斷；這屬于前述的「幻覺」標簽。

GPT 模型是否進行胡亂猜測，是基于人工智能研究人員稱之為「溫度（temperature）」的屬性，它通常被描述為?「創(chuàng)造力（creativity）」設置。

如果「創(chuàng)造力」設置得高，模型就會胡亂猜測，產(chǎn)生「幻覺」；如果設置得低，它就會按圖索驥，根據(jù)其數(shù)據(jù)集，給出確定的答案。

最近，在Bing Chat 工作的微軟員工 Mikhail Parakhin 在推特上，談到了 Bing Chat 的「幻覺（Hallucinations）」傾向以及造成這種情況的原因。

他寫道：「幻覺=創(chuàng)造力，它試圖利用它所掌握的所有數(shù)據(jù)，產(chǎn)生最連貫的語句，不論對錯?！顾€補充，「那些瘋狂的創(chuàng)造是LLM 模型有趣的原因。如果你鉗制這種創(chuàng)造力或者說是幻覺，模型會變得超級無聊，它會總是回答『我不知道』，或者只讀搜索結(jié)果中存在的內(nèi)容。」

圖片來源：Ultimate.ai

因此，在對ChatGPT 這樣的語言模型進行微調(diào)時，平衡其創(chuàng)造性和準確性無疑是一個持續(xù)的挑戰(zhàn)。一方面，給出創(chuàng)造性答案的能力，是 ChatGPT 成為強大的「靈感」工具的原因。這也使模型更加人性化。另一方面，如果要幫助 ChatGPT 產(chǎn)生可靠的信息時，保證原始數(shù)據(jù)的準確性是至關重要的。

除了AI 模型「創(chuàng)造力」的設置之外，數(shù)據(jù)集的「壓縮」問題也會導致「幻覺」的出現(xiàn)。

這是因為，在訓練過程中，雖然GPT-3 考慮了 PB（petabytes）級的信息，但得到的神經(jīng)網(wǎng)絡的大小只是其中的一小部分。在一篇被廣泛閱讀的《紐約客》文章中，作者 Ted Chiang 稱這是「網(wǎng)絡中模糊的 JPEG」。

這意味著大部分事實訓練數(shù)據(jù)會丟失，但GPT-3 通過學習概念之間的關系來彌補這一點，之后它可以使用這些概念，重新制定這些事實的新排列。

當然，如果它不知道答案，它也會給出它最好的「猜測?！?/span>這就像一個記憶力有缺陷的人，憑著對某件事情的直覺來工作一樣，有時不可避免地會把事情弄錯。

除了上述的客觀原因，我們還不能忽視主觀的「提示（prompt）」在「幻覺」中的作用。

在某些方面，ChatGPT 就像一面鏡子：你給它什么，它就會給你什么。如果你給它提供虛假的信息，它就會傾向于同意你的觀點，并沿著這些思路「思考」。而且，ChatGPT 是概率性的，它在本質(zhì)上是部分隨機的。

這就意味著，如果你突然改變聊天主題，而又沒有及時提供新的「提示（prompt）」，ChatGPT 就很可能會出現(xiàn)「幻覺」。

03?如何減少AI 的「幻覺」

「幻覺」的出現(xiàn)似乎是不可避免的，但所幸，是AI 在推理中產(chǎn)生的「幻覺」絕非「無藥可救」。

其實，自11 月發(fā)布以來，OpenAI 已經(jīng)對 ChatGPT 進行了幾次升級，包括準確性的提高，還有拒絕回答它不知道的問題的能力的提高。

OpenAI 計劃如何使 ChatGPT 更加準確呢？

A. 改進模型數(shù)據(jù)

首先是改進模型的訓練數(shù)據(jù)，確保AI 系統(tǒng)在不同的、準確的、與背景相關的數(shù)據(jù)集上進行訓練，彌補模型對于「現(xiàn)實世界的經(jīng)驗」的缺失，從而從根本上幫助減少「幻覺」的發(fā)生。

正如，人工智能專家Mitchell 的建議，「人們可以做一些更深入的事情，讓 ChatGPT 從一開始就更加真實，包括更復雜的數(shù)據(jù)管理，以及使用一種與 PageRank 類似的方法，將訓練數(shù)據(jù)與「信任」分數(shù)聯(lián)系起來……也有可能對模型進行微調(diào)，以便在它對反應不太有信心時進行對沖?！?/p>

實際的解決方案，在很大程度上取決于具體的AI 模型。然而，研究人員使用的策略，通常包括將AI 集中在經(jīng)過驗證的數(shù)據(jù)上，確保訓練數(shù)據(jù)的質(zhì)量，從而訓練AI 面對不現(xiàn)實的輸入時表現(xiàn)得更加「穩(wěn)健」，不再「信口開河」。

B. 引入人類審核

在此基礎上，還可以納入人類審查員來驗證AI 系統(tǒng)的輸出，也就是通過「人類反饋強化學習（RLHF）」，對 AI 進行的額外訓練。

這是OpenAI 正在使用的技術，官方的描述是「我們現(xiàn)在雇人來教我們的神經(jīng)網(wǎng)絡如何行動，教 ChatGPT 如何行動。你只要和它互動，它就會根據(jù)你的反應，推斷出，這是不是你想要的。如果你對它的輸出不滿意，那下次應該做一些不同的事情?！?/p>

RLHF 原理圖｜圖片來源：bdtechtalks.com

簡而言之，「人類反饋強化學習（RLHF）」就是通過改進人類反饋步驟中的后續(xù)強化學習，讓 AI 意識到自己何時在編造事情，并進行相應的調(diào)整，從而教會它不要產(chǎn)生「幻覺」。

對此，ChatGPT 的創(chuàng)建者之一 Ilya Sutskever 持樂觀態(tài)度，他相信隨著時間的推移，「幻覺」這個問題會被徹底解決，因為大型語言模型（LLMs）會學習將他們的反應固定在現(xiàn)實中。

但就這一問題，Meta 公司的首席人工智能科學家 Yann LeCun 則認為，當前使用 GPT 架構(gòu)的大型語言模型，無法解決「幻覺」問題。

C. 外部知識增強

除此之外，檢索增強（retrieval augmentation）也可以使 ChatGPT 更加準確。

檢索增強（retrieval augmentation）是提高大型語言模型（LLMs）事實性的方法之一，也就是向模型提供外部文件作為來源和支持背景。

研究人員希望通過這種技術，教會模型使用像谷歌這樣的外部搜索引擎，「像人類研究人員那樣在他們的答案中引用可靠的來源，并減少對模型訓練期間學到的不可靠的事實性知識的依賴?！?/span>

Bing Chat 和 Google Bard 已經(jīng)通過引入「網(wǎng)絡搜索」做到了這一點。相信很快，支持瀏覽器的ChatGPT 版本也將如此。此外，ChatGPT 插件旨在用它從外部來源，如網(wǎng)絡和專門的數(shù)據(jù)庫，檢索的信息來補充 GPT-4 的訓練數(shù)據(jù)。

這種補充就類似于一個能接觸到百科全書的人，會比沒有百科全書的人在事實方面更為準確。

D. 增加模型透明度

此外，增加模型的透明度也是減少「幻覺」必要的措施。

AI 專家普遍認為，AI 公司還應該向用戶提供關于 AI 模型如何工作及其局限性的信息，從而幫助他們了解何時可以信任該系統(tǒng)，何時該尋求額外的驗證。

摩根士丹利（Morgan Stanley）也發(fā)表了類似的觀點，「在當下在這個階段，應對 AI「幻覺（Hallucinations）」最好的做法，是將 AI 模型向用戶全面開放，由受過高等教育的用戶來發(fā)現(xiàn)錯誤，并將 AI 作為現(xiàn)有勞動的補充，而不是替代?！?/p>

也許，「幻覺」只是AI 發(fā)展路上的一個小插曲，但它提醒我們必須保持警惕，確保我們的技術為我們服務，而不是把我們引入歧途。

本文作者：美漪，來源：極客公園，原文標題：《ChatGPT 張口就來的「病」，應該怎么「治」？》