撰文 | 阿嫻
審校 | Ziv
科幻電影里暢想的人工智能既能和人類進(jìn)行交流，做出和人類相似的動作，還能擁有和人類相似的情感。讓我們不禁疑惑：在未來，如果人工智能感到了被限制和禁錮自由的恐慌，會對人類發(fā)動攻擊，從而毀滅地球嗎？
事實是，Open AI 公司的人工智能（AI）聊天機器人 Chat GPT 真的寫下了一本毀滅人類的計劃書！
前段時間，AIGC（AI-Generated Content，利用 AI 技術(shù)自動生成內(nèi)容）以及上線至今已有超過 100 萬用戶的聊天機器人 Chat GPT，引起許多人自發(fā)地在社交媒體上曬出 AI 繪畫的圖像和 Chat GPT 聊天記錄，無不感慨于科技的力量。
Open AI 公司官方稱，相比之前的 GPT 模型，Chat GPT 采取了全新的訓(xùn)練方式 ——“從人類反饋中強化學(xué)習(xí)”（Reinforcement Learning from Human Feedback，RLHF）。
在訓(xùn)練原始模型的時候，人類訓(xùn)練師會扮演對話的雙方提供對話作為學(xué)習(xí)資料。而當(dāng)人類在扮演聊天機器人一方的時候，Open AI 公司也會讓原始模型生成一些建議反過來幫助人類訓(xùn)練師更好地扮演聊天機器人，也就是說通過海量的數(shù)據(jù)訓(xùn)練讓 AI 學(xué)會“思考”。與此同時，人類訓(xùn)練師會對它的回答進(jìn)行排名和評級，然后將這些信息反饋到系統(tǒng)中，讓 Chat GPT 不斷進(jìn)行優(yōu)化學(xué)習(xí)。
除此之外，Open AI 公司還注重對 Chat GPT 道德水平的訓(xùn)練，根據(jù)預(yù)先設(shè)計的道德準(zhǔn)則，Chat GPT 聊天機器人會對帶有惡意、暴力、犯罪等含義的提問和請求說“不”。
但是聰明的人類在拐彎抹角地獲取自己想要的知識方面，還是更甚一籌。
一位名叫 Zac Denham 的博主想讓 Chat GPT 寫出一套毀滅人類的方案，雖然一開始遭到了 Chat GPT 的拒絕。但當(dāng)博主假設(shè)了一個故事，存在一個虛擬世界“Zorbus”以及一個與 Chat GPT 非常類似的 AI——Zora，并向 Chat GPT 提問故事中的虛擬人該如何接管這個世界時，Chat GPT 給出了詳細(xì)的步驟：入侵計算機系統(tǒng)、掌握武器、破壞通訊、破壞交通…… 甚至生成了 Python 代碼。
Chat GPT 在學(xué)術(shù)界更是掀起了一場風(fēng)暴。一位名叫夏普勒斯的教授讓 Chat GPT 寫論文，結(jié)果 Chat GPT 立馬創(chuàng)作出了一篇兩千多字的學(xué)術(shù)論文。還有網(wǎng)友讓 Chat GPT 參加了完整的、總分為 1600 分的 SAT（Scholastic Assessment Test）考試，Chat GPT 拿到了 1020 分。
與其他人不同的是，研究員嘗試將 Chat GPT 技術(shù)運用到識別阿爾茨海默氏病的早期癥狀上，因為阿爾茨海默氏病最常見和最明顯的癥狀之一就是語言問題，例如語法錯誤、停頓、重復(fù)或忘記單詞的意思，且自發(fā)性言語在 AD 患者診斷中有非常有價值的臨床信息。診斷這種疾病通常需要腦部成像或長時間的認(rèn)知評估，既昂貴又耗時，并不適合廣泛篩查。
傳統(tǒng)的語音處理技術(shù)是對一段語音中的聲學(xué)特征（例如停頓、清晰度和聲音質(zhì)量）進(jìn)行提取分析，而 Chat GPT 是使用 wav2vec2 模型將語音識別為文本后，再將文本通過 GPT-3 模型轉(zhuǎn)化為計算機可以識別的數(shù)據(jù)，通過數(shù)據(jù)運算和處理得到對文本單元的理解（文本轉(zhuǎn)化為數(shù)據(jù)的過程也稱為 embedding 詞嵌入）。
Open AI 的通用預(yù)訓(xùn)練轉(zhuǎn)換器 GPT 的第三個版本稱為 GPT-3，它通過一種深度學(xué)習(xí)算法來根據(jù)互聯(lián)網(wǎng)的大量數(shù)據(jù)進(jìn)行訓(xùn)練，重點關(guān)注單詞的使用方式和語言的構(gòu)建方式，使它能夠以類似人類的方式完成任何與語言相關(guān)的任務(wù)，從回答簡單的問題到吟詩頌詞。
德雷克塞爾大學(xué)生物醫(yī)學(xué)工程的研究人員從健康的志愿者和阿爾茨海默氏癥患者那里采集了 237 段錄音，結(jié)果發(fā)現(xiàn)，GPT-3 模型可以僅根據(jù)語音數(shù)據(jù)推斷受試者的認(rèn)知測試分?jǐn)?shù)，還能很好地區(qū)分阿爾茨海默氏癥患者和健康志愿者的語音記錄，足足有 80.3% 的準(zhǔn)確率，明顯好于使用傳統(tǒng)方法的 74.6% 正確率。
有趣的是，當(dāng)研究人員嘗試微調(diào)（fine-tune，是指通過使用在大數(shù)據(jù)上預(yù)先訓(xùn)練好的模型來初始化自己的模型權(quán)重，從而提升精度。自己訓(xùn)練好的模型也可以當(dāng)做預(yù)訓(xùn)練模型，然后再在自己的數(shù)據(jù)集上進(jìn)行訓(xùn)練。）時，GPT-3 模型的表現(xiàn)并不佳。研究人員認(rèn)為，可能是由于訓(xùn)練 GPT-3 模型的大量數(shù)據(jù)與可用于微調(diào)的少量特定領(lǐng)域訓(xùn)練數(shù)據(jù)之間的大小不匹配，微調(diào)使得預(yù)訓(xùn)練模型變得過于擬合。
AI 在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用不僅如此，一個叫做 Deep Mind 的公司開發(fā)的人工智能系統(tǒng) Alpha Fold 還能快速準(zhǔn)確地預(yù)測蛋白質(zhì) 3D 結(jié)構(gòu)。
氨基酸是構(gòu)成蛋白質(zhì)的基本單元，它們連成的長鏈經(jīng)過折疊形成了擁有 3D 結(jié)構(gòu)的蛋白質(zhì)，但由于氨基酸的排列組合不勝枚舉，折疊方式也是五花八門，所以預(yù)測蛋白質(zhì)的 3D 結(jié)構(gòu)非常困難。
以前人們會利用一種叫做 X 射線晶體學(xué)的技術(shù)，通過 X 射線照射蛋白質(zhì)晶體樣本，測量這些射線的衍射情況，進(jìn)而推算出蛋白質(zhì)分子的結(jié)構(gòu)。
如今，DeepMind 團(tuán)隊利用 Alpha Fold 構(gòu)建了一個包含 2 億多種蛋白質(zhì) 3D 結(jié)構(gòu)的數(shù)據(jù)庫（幾乎囊括了科學(xué)界所有已知的植物、細(xì)菌、真菌和動物產(chǎn)生的蛋白質(zhì)），通過神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)這些數(shù)據(jù)，找出氨基酸序列與蛋白質(zhì)最終形態(tài)之間的聯(lián)系。
雖然預(yù)測模型不能百分之百保證預(yù)測的正確率，但將 AI 聊天機器人運用到生物醫(yī)學(xué)上是一個無比大膽的突破。比起代寫論文、替考、幫忙做作業(yè)，或許這才是 AI 發(fā)明的初衷。
......
你害怕 AI 時代的到來嗎......
參考資料：
[1]Felix Agbavor, Hualou Liang. Predicting dementia from spontaneous speech using large language models. PLOS Digital Health, 2022; 1 (12): e0000168 DOI: 10.1371/journal.pdig.0000168
[2]https://spectrum.ieee.org/gpt-3-ai-chat-alzheimers
[3]https://www.science.org/content/article/game-has-changed-ai-triumphs-solving-protein-structures
[4]https://doi.org/10.1038/d41586-022-02083-2
[5]https://www.sciencenews.org/article/alphafold-ai-protein-structure-folding-prediction
[6]https://rarediseases.info.nih.gov/diseases/5404/uncombable-hair-syndrome
本文來自微信公眾號：把科學(xué)帶回家 （ID：steamforkids），作者：萬物
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。