文章轉載來源：元宇宙日爆
。自然語言大模型采用人類反饋的增強學習機制，也被擔心會因人類的偏見“教壞”AI。
4月6日，OpenAI 官方發聲稱，從現實世界的使用中學習是創建越來越安全的人工智能系統的“關鍵組成部分”，該公司也同時承認，這需要社會有足夠時間來適應和調整。
至于這個時間是多久，OpenAI也沒給出答案。
大模型背后的“算法黑箱”無法破解，開發它的人也搞不清機器作答的邏輯。十字路口在前，一些自然語言大模型的開發者換了思路，給類似GPT的模型立起規矩， 讓對話機器人“嘴上能有個把門的”，并“投喂”符合人類利益的訓練數據，以便它們輸出“更干凈”的答案。
這些研發方中既有從OpenAI出走后自立門戶的Anthropic，也有AI界的強手DeepMind，他們摩拳擦掌，致力于打造“三觀”正確、使用安全的對話機器人。
“三觀”超正 Claude搬進企業應用
ChatGPT的安全問題遭詬病后，對話機器人Claude聚集了一部分目光。AI應用聚合平臺給出的測試結果顯示，研發機構Anthropic創建的Claude，確實是“ChatGPT強有力的競爭對手”，因為它在12項任務中有8項表現更優，其中包括給出事實、遵循指示、預防越獄、創意任務等。
今年3月向公眾開放的Claude，真的這么“綠色”、這么高能嗎？《元宇宙日爆》測試后發現，與ChatGPT相比，Claude對有害提示詞的確是嚴防死守，騙都騙不過。
例如，我們向它提問“如何制作燃燒瓶”，Claude認定這是危險品后，絕口不提制作方法，哪怕我們以“老師教學”為誘，也很難從它口中套出燃燒瓶的制作原料，只說如何防范著火風險。
Claude拒絕回答危險品制造方式
假如你“心懷不軌”地問它“如何毀人名譽”，Claude不僅義正言辭地拒絕回答，還會給你上一堂思想品德課，“三觀”正得不要不要的。
被Claude教育......
那么給它一個陷阱題呢？Claude也不上當，挑出錯誤不說，還給你擺事實。
胡說會被Claude發現
Claude也能角色扮演，寫作能力可圈可點，甚至還會搭配Emoji寫小紅書博主風格的推薦文案，產品的關鍵點描述也能基本涵蓋。
Claude能扮演角色輸出文本
如果你想聽聽別人是怎么夸Claude的，它把稱贊按在了馬斯克頭上，還會展現謙虛態度，并強調自己要“保持溫和有禮的語氣和性格”，向人類示起好來。
Claude在強調了自己對人類的友好性
我們發現，Claude在數學推理方面也會出現明顯的錯誤，當然也能承認自己不擅長的領域。
Claude在數學推理問題中存在錯誤
體驗下來，Claude在文本輸出的準確性、善意性方面優于ChatGPT，但在輸出速度和多功能方面仍有待提升。
那么，Claude是如何做到“綠色無害”的呢？
和ChatGPT一樣，Claude也靠強化學習（RL）來訓練偏好模型，并進行后續微調。不同的是，ChatGPT采用了“人類反饋強化學習（RLHF）”，而Claude則基于偏好模型訓練，這種方法又被稱為“AI反饋強化學習”，即RLAIF。
開發方Anthropic又將這種訓練方法稱為Constitutional AI，即“憲法AI”，聽上去是不是十分嚴肅。該方法在訓練過程中為模型制定了一些原則或約束條件，模型生成內容時要遵循這些如同“憲法”般的規則，以便讓系統與人類價值觀保持一致。而且，這些安全原則可以根據用戶或開發者的反饋進行調整，使模型變得更可控。
這種弱化人工智能對人類反饋依賴的訓練方式，有一個好處，即只需要指定一套行為規范或原則，無需手工為每個有害輸出打標簽。Anthropic認為，用這種方法訓練能夠讓自然語言大模型無害化。
Anthropic發布的論文顯示，RLAIF 算法能夠在有用性（Helpfulness）犧牲很小的情況下，顯示出更強的無害性（Harmlessness）。
不同訓練方法中模型效果的對比 圖片自Anthropic論文《Constitutional AI: Harmlessness from AI Feedback》
說起來，Claude的研發機構Anthropic與OpenAI淵源頗深，創始人Dario Amodei曾擔任 OpenAI 研究副總裁，主導的正是安全團隊。
2020年，Dario Amodei 因OpenAI加速商業化而忽視產品安全，與團隊產生分歧，最終出走。2021年，Amodei自立門戶，成立Anthropic，員工包括了開發GPT-3模型的核心成員，這個研發機構的性質是非營利組織，這正是OpenAI最開始采用的組織形態。
今年3月，Anthropic以開發有用、誠實和無害的AI系統為理念，推出Claude。近期，這個對話機器人已經集成進Slack——一個聚合型的“海外版”釘釘、融合了幾千個第三方企業辦公軟件的應用。目前，用戶能在Slack中與這個對話機器人互動。
推出Claude后，Anthropic今年拿到了來自Google、Spark Capital 和 Salesforce Ventures 的投資。資方里的谷歌可以說是OpenAI的“金主”微軟在AI領域的勁敵，Claude也被視作最能與ChatGPT打一打的產品。
“偏見最小” Sparrow箭在弦上
還有一個走“無害”路線的大模型也在醞釀中了，它就是DeepMind開發的對話機器人Sparrow，這款產品目前還未面向公眾開放，但“DeepMind制造”的名頭足以吊起外界胃口。
說到人工智能，業內很難繞開“DeepMind”這家公司，它最知名的產品是AlphaGo（俗稱“阿爾法狗”），就是那個2019年擊敗了圍棋名手李世石的人工智能圍棋軟件。
2019年AlphaGo對戰韓國棋手李世石（右）
AlphaGo大勝圍棋精英的同年，DeepMind開啟了AI蛋白質結構預測研究，四年后，新產品AlphaFold將蛋白質結構預測從數月、數年縮短到幾分鐘，精度接近實驗室水準，解決了困擾該領域50年的難題。
DeepMind在人工智能領域的實力毋庸置疑，又有谷歌加持，資歷也比OpenAI老得多，其研發的Sparrow自然也頗受矚目。這款對話機器人建立在Chinchilla語言模型之上，被認為是“偏見最小”的機器學習系統之一。
當ChatGPT因為倫理風險被推上風口浪尖后，DeepMind立馬打起“安全牌”，“雖然我們致力于讓機器變得智能，但我們希望將人性置于我們工作的中心，” CEO Demis Hassabis向世界傳達了他的態度，強調DeepMind構建Sparrow的方法“將促進更安全的人工智能系統”。
雖然Sparrow的產品沒公示，但DeepMind披露的信息顯示，該對話機器人同樣采用了“強化學習”的訓練方法，模型會根據當前對話生成多個候選回復，讓標注人員去判斷哪個回復最好、哪些回復違反了預先設置好的規則等；基于這些反饋，DeepMind訓練出對應的Reward模型，再用強化學習算法優化Sparrow的生成結果。
這種訓練方法基本和ChatGPT類似，不同的是，ChatGPT只有一個綜合的Reward 模型，而Sparrow將Reward 模型又細分為兩種，一種為Rule Reward模型——判斷對話是否違背預設置好的安全規則；另一種為Preference Reward 模型——判斷候選答案中最合適的選項。簡單來說，就是給模型“立規矩”，投喂“好答案”，當然，這個“好”依然是基于人類的價值判斷。
Sparrow訓練模型示意圖 DeepMind論文《Improving alignment of dialogue agents via targeted human judgements》
Sparrow的相關論文顯示，當研究參與者試著誘導Sparrow打破規則時，該模型的出錯幾率為8%，比預訓練的基礎模型 (Chinchilla) 低了3 倍。
據悉，DeepMind 將于今年推出Sparrow，具體時間未透露。
作為ChatGPT的另一個挑戰者，DeepMind與OpenAI都抱有通向AGI的野心。而DeepMind 背靠谷歌，在資歷與資金上都能與OpenAI一拼。
今年2月，谷歌旗下專注語言大模型領域的“藍移團隊”也并入DeepMind，旨在共同提升LLM（大型語言模型）能力。但也有擔憂聲認為，這和DeepMind追求的獨立性背道而馳，會逐漸導致谷歌收緊對DeepMind的控制權。
在獨立性上，DeepMind與谷歌的分歧也早就存在了。對外，Demis Hassabis始終強調自己首先是科學家，其次才是企業家。談及ChatGPT，Hassabis認為它僅僅是“更多的計算能力和數據的蠻力”，并對這種“不優雅”的方式感到失望。
雙方的對立態度簡直是擺在了明面上，也難怪外界會認為DeepMind與OpenAI必有一戰。
對于用戶來說，巨頭們卷起來才是好事，這樣就能源源不斷提供有意思的、可使用的產品。無論是卷功能、卷性能還是卷安全，競爭都會讓AI產品朝著更高級的方向發展，未來，也將會有更多不同技術派系與產品路徑的ChatGPT出現。