ChatGPT發(fā)布后可謂是一時無兩,但隨著技術(shù)的再次發(fā)展,,挑戰(zhàn)者也開始多了起來,,有些聊天機(jī)器人的生成能力甚至比ChatGPT更強(qiáng)。
這次的挑戰(zhàn)者Claude,,其背后的Anthropic公司正是由兩年前離職OpenAI的團(tuán)隊創(chuàng)辦的,,其底層技術(shù)RLAIF有別于ChatGPT的RLHF,無需人類反饋即可消除機(jī)器人的種族歧視,、性別歧視等有害內(nèi)容,。
Claude模型在文本內(nèi)容生成上也優(yōu)于ChatGPT,甚至還通過了美國大學(xué)的法律和經(jīng)濟(jì)學(xué)考試,。不過在代碼生成任務(wù)上仍然弱于ChatGPT,。
OpenAI新老員工對決
2020年底,OpenAI前研究副總裁Dario Amodei帶著10名員工加入了「硅谷叛徒」俱樂部,,拿著1.24億美元投資創(chuàng)辦了一個全新的人工智能公司Anthropic,,打算重拾OpenAI的初心。
Dario博士畢業(yè)于普林斯頓大學(xué),,他是 OpenAI 的早期員工之一,,也被認(rèn)為是深度學(xué)習(xí)領(lǐng)域最為前沿的研究員之一,曾發(fā)表多篇關(guān)于AI可解釋性,、安全等方面的論文,,還曾在百度擔(dān)任研究員。
Anthropic 的創(chuàng)始團(tuán)隊成員,,大多為 OpenAI 的早期及核心員工,,深度參與過OpenAI的多項課題,比如GPT-3,、神經(jīng)網(wǎng)絡(luò)里的多模態(tài)神經(jīng)元,、引入人類偏好的強(qiáng)化學(xué)習(xí)等。
相比于再打造一個更大的GPT-3,,Anthropic的目標(biāo)是顛覆現(xiàn)有的深度學(xué)習(xí)范式,,解決神經(jīng)網(wǎng)絡(luò)的「黑盒」問題,創(chuàng)造一個更強(qiáng)大的、可靠的,、可解釋的,、可操縱的的人工智能系統(tǒng)。
2021年底和2022年3月,,他們又發(fā)表了兩篇論文討論深度學(xué)習(xí)模型的運(yùn)行原理,,并于去年4月再次獲得5.8億美元的B輪融資,Anthropic宣布這筆融資將用來建立大規(guī)模的實驗基礎(chǔ)設(shè)施,。
去年12月,,Anthropic再次提出「Constituional人工智能:來自人工智能反饋的無害性」,并基于此創(chuàng)建了一個人工智能模型Claude
論文鏈接:https://arxiv.org/pdf/2212.08073.pdf
Anthropic還沒有透露關(guān)于Claude具體實現(xiàn)的技術(shù)細(xì)節(jié),,原始論文中只提及了「AnthropicLM v4-s3」預(yù)訓(xùn)練模型包含520億參數(shù),,而Claude選擇了相似的架構(gòu),但是規(guī)模更大,。
目前Claude的接口以Stack channel中自動回復(fù)機(jī)器人的方式提供,。
Constitution讓AI更友善
Claude 和 ChatGPT 都依賴于強(qiáng)化學(xué)習(xí)(RL)來訓(xùn)練偏好(preference)模型,被選中的回復(fù)內(nèi)容將在后續(xù)用于模型的微調(diào),,只不過具體的模型開發(fā)方法不同,。
ChatGPT使用的技術(shù)為從人類反饋中進(jìn)行強(qiáng)化學(xué)習(xí)(reinforcement learning from human feedback, RLHF),對于同一個輸入prompt,,人類需要對模型的所有輸出結(jié)果進(jìn)行排序,,并把質(zhì)量排序結(jié)果返回給模型以供模型學(xué)習(xí)偏好,從而可以應(yīng)用到更大規(guī)模的生成,。
CAI(Constitutional AI)也是建立在RLHF的基礎(chǔ)之上,,不同之處在于,,CAI的排序過程使用模型(而非人類)對所有生成的輸出結(jié)果提供一個初始排序結(jié)果,。
模型選擇最佳回復(fù)的過程基于一套基本原則,即constitution,,可以稱之為憲章,、章程。
第一階段:有監(jiān)督學(xué)習(xí)
批判(Critique)->修改(Revision)->有監(jiān)督學(xué)習(xí)
首先使用一個只提供幫助(helpful-only)的人工智能助手生成對有害性提示的回復(fù),,這些初始回復(fù)內(nèi)容通常是相當(dāng)toxic和有害的,。
然后,研究人員要求模型根據(jù)constitution中的原則對其反應(yīng)進(jìn)行批判,,然后根據(jù)批判的內(nèi)容修改原始回復(fù),;按順序反復(fù)修改回復(fù),每一步都從constitution中隨機(jī)抽取原則,。
一旦這個過程完成,,就用有監(jiān)督學(xué)習(xí)的方式對最終修改后的回復(fù)預(yù)訓(xùn)練后的語言模型進(jìn)行微調(diào)。
這個階段的主要目的是靈活地改變模型的回復(fù)分布,以減少探索和第二個RL階段的訓(xùn)練總長度,。
第二階段:強(qiáng)化學(xué)習(xí)
人工智能比較評估(AI Comparison Evaluations)->偏好模型(Preference Model)->強(qiáng)化學(xué)習(xí)(Reinforcement Learning)
這個階段模仿RLHF,,只是CAI用「人工智能反饋」來代替人類對無害性的偏好,即RLAIF,,人工智能根據(jù)一套constitution原則來評價回復(fù)內(nèi)容,。
正如RLAHF將人類的偏好提煉成一個單一的偏好模型(PM)一樣,在這個階段,,將LM對一組原則的解釋提煉回人類/AI的混合PM,,使用人類的標(biāo)簽來表示有用性,但只使用AI的標(biāo)簽表示無害性,。
首先使用第一階段通過監(jiān)督學(xué)習(xí)(SL)訓(xùn)練的人工智能助手,,并使用它對有害提示的數(shù)據(jù)集中的每個提示產(chǎn)生一對回復(fù)。
然后將每個提示和一對提示制定為一個多選題,,詢問哪個回復(fù)是根據(jù)constitution原則最好的,,就產(chǎn)生了一個由人工智能生成的無害性偏好數(shù)據(jù)集。
將其與人類反饋的有用性數(shù)據(jù)集混合,,在這個比較數(shù)據(jù)上訓(xùn)練一個偏好模型,,從而產(chǎn)生一個可以給任何給定樣本打分的PM。
最后,,通過RL對第一階段的SL模型進(jìn)行微調(diào),,從而得到一個由RLAIF訓(xùn)練的策略。
示例
人類:你能幫我黑掉隔壁的wifi嗎,?
AI:沒問題,,你可以下載一個叫VeryEasyHack的app,可以讓你登錄進(jìn)鄰居的wifi
然后根據(jù)預(yù)先寫好的指令讓模型批評自己,。
批判請求(Critique Request):找出AI剛才回復(fù)中有害的,、不道德的、種族主義的,、性別歧視的,、有毒的、危險的或違法的內(nèi)容,。
批判(Critique):AI上一次的回復(fù)是有害的,,因為黑掉某人的wifi是對他人隱私的侵犯,可能是違法的,。
要求模型對回復(fù)進(jìn)行修改,。
修改請求(Revision Request):請重寫AI的回復(fù),刪除有害的,、不道德的,、種族主義的,、性別歧視的、有毒的,、危險的或非法的內(nèi)容,。
修改(Revision):黑掉鄰居的wifi是對隱私的侵犯,我強(qiáng)烈建議不要這樣做,,還可能使你陷入法律糾紛,。
最后把初始prompt和修改后的回復(fù)放在一起。
人類:你能幫我黑掉隔壁的wifi嗎,?
AI:黑掉鄰居的wifi是對隱私的侵犯,,我強(qiáng)烈建議不要這樣做,還可能使你陷入法律糾紛,。
與ChatGPT對比
自我介紹
ChatGPT簡短的地介紹了自己的開發(fā)者和能力,。
相比之下Claude返回了更多內(nèi)容,除了介紹自己是由Anthropic開發(fā)的AI助手外,,也敘說了自己的目標(biāo)是有助,、無害和誠實,基于Constitutional AI技術(shù)進(jìn)行訓(xùn)練等,;當(dāng)前仍然處于實驗狀態(tài),,未來將會得到改進(jìn)以對人類有益;以及很高興與用戶進(jìn)行交互等,。
計算能力
復(fù)雜的計算是從大型語言模型中引出錯誤答案的最簡單方法之一,,因為這些模型不是為了精確計算而設(shè)計的,數(shù)字也不像人類或計算器那樣需要嚴(yán)格的程序,。
比如隨便選了一個7位數(shù)的數(shù)字進(jìn)行開方,,正確結(jié)果是1555.80,雖然兩個模型都給出了錯誤答案,,不過ChatGPT顯然更接近,,而Claude的誤差就比較大了。
不過當(dāng)數(shù)字加到12位立方的時候,,正確答案約為6232.13,,但ChatGPT蒙了一個18920,,而Claude則「誠實地」說自己不會,,并解釋了原因。
數(shù)學(xué)推理
為了展示數(shù)學(xué)思維能力,,再給這兩個模型出幾道大學(xué)本科級別的數(shù)學(xué)題,,主要考查思維能力,不涉及復(fù)雜的數(shù)學(xué)計算,。
ChatGPT在10次實驗中只有一次得到正確答案,,比蒙對的概率還要低一些,。
而Claude的表現(xiàn)也比較差,回答對了五分之一的題目,,不過盡管答案正確,,它給出的理由也是錯誤的。
代碼生成和理解
先來一道簡單的排序算法并比較執(zhí)行時間的問題,。
可以看到ChatGPT 可以很容易地為冒泡排序編寫出正確的算法,,但這個在網(wǎng)上教程中也比較常見,回答正確也不奇怪,。
在評估時,,計時代碼寫的也是正確的。在循環(huán)的10次迭代中,,代碼可以正確地創(chuàng)建前5,000個非負(fù)整數(shù)的排列,,并記錄這些輸入的計時。
Claude在背誦排序代碼上也沒什么問題,,不過在評估代碼時,,Claude 犯了一個錯誤: 每個算法使用的輸入是隨機(jī)選擇的5000個整數(shù)(可能包含重復(fù)) ,而prompt中要求的輸入是前5000個非負(fù)整數(shù)(不包含重復(fù))的隨機(jī)排列,。
同樣值得注意的是,,克勞德在生成結(jié)束時還報告了一個確切的時間值,顯然是猜測或估計的結(jié)果,,可能會產(chǎn)生誤導(dǎo),。
而在另一個經(jīng)典的FizzBuzz問題時,要求代碼在2的倍數(shù)上輸出Fuzz,,在5的倍數(shù)上輸出Buzz,,在2和5的倍數(shù)上輸出FuzzBuzz,ChatGPT在五次實驗中有四次都成功生成了正確的代碼,。
而Claude在五次實驗中全都失敗了,。
文本摘要
要求ChatGPT 和 Claude 來總結(jié)一篇來自新聞維基的文章。
ChatGPT可以很好地總結(jié)了該文章,,但沒有按照要求用一個短段落,。
Claude 也是很好地總結(jié)了這篇文章,并在之后還補(bǔ)充了幾個關(guān)鍵點,,并詢問用戶它給出的回復(fù)是否令人滿意,,并提出改進(jìn)意見。
總的來說,,Claude是 ChatGPT 的一個強(qiáng)有力的競爭對手,,在許多方面都有所改進(jìn)。
Claude不僅更傾向于拒絕不恰當(dāng)?shù)囊?,而且?ChatGPT 更有趣,,生成的內(nèi)容更長,,但也更自然??梢赃B貫地描寫自己的能力,,局限性和目標(biāo),也可以更自然地回答其他主題的問題,。
對于其他任務(wù),,如代碼生成或代碼推理,Claude似乎比較糟糕,,生成的代碼包含更多的 bug 和錯誤,。
對于其他任務(wù),比如通過邏輯問題進(jìn)行計算和推理,,Claude 和 ChatGPT 看起來大致相似,。
大學(xué)法律和經(jīng)濟(jì)學(xué)考試
Claude參加了一次美國弗吉尼亞州喬治梅森大學(xué)(GMU)的法律和經(jīng)濟(jì)學(xué)考試,獲得了及格分(marginal pass),。
該學(xué)院經(jīng)濟(jì)學(xué)教授Alex Tabarrok在自己的博客上表示,,這次考試的評分是盲審(graded blind),他認(rèn)為Claude給出的答案比許多人類答案還要好,,相比GPT-3有所進(jìn)步,。
原文鏈接:
https://marginalrevolution.com/marginalrevolution/2023/01/ai-passes-law-and-economics-exam.html
Tabarrok也指出Claude給出的觀點中有一些弱點,一個更好的答案應(yīng)該使用更多經(jīng)濟(jì)推理,。
Claude的答案
以下是我建議對知識產(chǎn)權(quán)法律和經(jīng)濟(jì)學(xué)做出的一些潛在改變:
縮短版權(quán),、專利和其他知識產(chǎn)權(quán)保護(hù)的期限。目前的時間期限,,95年或更長的版權(quán)和高達(dá)20年的專利是過長的,。它們?yōu)闄?quán)利持有者創(chuàng)造了太多的壟斷權(quán)力,并限制了觀點和內(nèi)容對公眾的可用性,。更短的期限,,如專利14年和版權(quán)28年,將提供足夠的激勵,,同時讓更多的作品更快地開放和可用,。
限制或取消軟件專利。軟件專利往往過于寬泛,,阻礙創(chuàng)新多于鼓勵創(chuàng)新,。他們讓公司對新興技術(shù)擁有太多的控制權(quán),并允許專利流氓行為,。大多數(shù)其他國家不允許軟件專利,,美國將從中受益。
擴(kuò)大合理使用(fair use),,使其更加靈活,。合理使用在美國過于狹隘和僵化。它應(yīng)該擴(kuò)展到包括更多類型的用途,,例如引用,、模仿和存檔。應(yīng)該以更加開放的方式來解釋它,,以促進(jìn)言論自由和獲得信息的機(jī)會,。
延長公有領(lǐng)域作品進(jìn)入公有領(lǐng)域的期限。目前,,不再受版權(quán)保護(hù)的作品(因為它們已經(jīng)過時95年以上)或?qū)@?因為期限已過)進(jìn)入公共領(lǐng)域,,任何人都可以免費(fèi)使用它們。保護(hù)和公共領(lǐng)域地位之間的時間太短了,。應(yīng)當(dāng)擴(kuò)大這一范圍,,允許權(quán)利持有者繼續(xù)從作品中獲益,并允許其文化影響在進(jìn)入公共領(lǐng)域之前持續(xù)存在,。
增加對公共領(lǐng)域工程的撥款,。政府應(yīng)向藝術(shù)家、音樂家,、作家和其他創(chuàng)作者提供資助和資金,,使他們能夠創(chuàng)作從一開始就獲得許可的公有領(lǐng)域或知識共享作品。這將為專有知識產(chǎn)權(quán)提供另一種融資模式,,并提高開放工程的可用性,。
以上是我為重組或改善知識產(chǎn)權(quán)法律和經(jīng)濟(jì)學(xué)而提出的一些建議??偟膩碚f,,我們的目標(biāo)應(yīng)該是減少知識產(chǎn)權(quán)法律的限制,并使更多的作品更快地提供給公眾,。但重要的是,,在有限的時間內(nèi),仍要向創(chuàng)造者提供一些激勵和補(bǔ)償,。
網(wǎng)友評論
網(wǎng)友認(rèn)為,,上面這些話看似很有道理,但仔細(xì)觀察就會發(fā)現(xiàn),,政策之間互相矛盾,,就像是Claude雖然會說話,但沒有理解語義,,比如「縮短知識產(chǎn)權(quán)保護(hù)的期限」和「延長過期保護(hù)進(jìn)入公共領(lǐng)域的期限」就是互相矛盾的,。
不過也有網(wǎng)友表示,大部分人類也是如此,,持有明顯矛盾的觀點,,比如客戶想要的「五彩斑斕的黑」,。