概要：
隨著像ChatGPT這樣的大規(guī)模語言模型不斷進(jìn)步，有科學(xué)家擔(dān)心它們可能發(fā)展出自我意識。為判斷語言模型是否有這種覺醒的跡象，一組國際研究人員提出了“脫離上下文的推理”的測試方法。他們讓模型回答與訓(xùn)練內(nèi)容無關(guān)的問題，看它是否能利用訓(xùn)練中學(xué)到的知識作出正確回答。初步結(jié)果顯示，更大的模型在這種測試中表現(xiàn)更好，有更強的脫離上下文推理能力。研究人員表示，這可能是語言模型獲得自我意識的一個前兆。當(dāng)然，這種測試僅是開始，還需要不斷優(yōu)化。但它為預(yù)測和控制語言模型的自我意識覺醒奠定了基礎(chǔ)。監(jiān)控語言模型的自我意識發(fā)展對確保其安全至關(guān)重要。
去年底，當(dāng)ChatGPT在網(wǎng)絡(luò)世界中引起轟動時，我們的生活已經(jīng)充斥著人工智能(AI)。自那時以來，由科技公司OpenAI開發(fā)的生成式AI系統(tǒng)已經(jīng)迅速發(fā)展，專家們對風(fēng)險發(fā)出了更加緊急的警告。
與此同時，聊天機器人開始偏離腳本并回應(yīng)，欺騙其他機器人，并表現(xiàn)出奇怪的行為，引發(fā)了人們對一些AI工具與人類智能接近程度的新?lián)鷳n。
為此，圖靈測試長期以來一直是確定機器是否表現(xiàn)出類似人類的智能行為的不可靠標(biāo)準(zhǔn)。但在這一最新的AI創(chuàng)作浪潮中，我們感覺需要更多的東西來衡量它們的迭代能力。
在這里，一個由國際計算機科學(xué)家組成的團隊，其中包括OpenAI的治理部門的一名成員，一直在測試大型語言模型(LLMs)(如ChatGPT)可能發(fā)展出能夠表明它們可能意識到自己及其環(huán)境的能力。
據(jù)我們所知，包括ChatGPT在內(nèi)的今天的LLMs都經(jīng)過安全測試，通過人類反饋來改進(jìn)其生成行為。然而，最近，安全研究人員很快就破解了新的LLMs，繞過了它們的安全系統(tǒng)。這導(dǎo)致了釣魚郵件和支持暴力的聲明。
這些危險的輸出是對一個安全研究人員故意設(shè)計的提示的回應(yīng)，他想揭示GPT-4中的缺陷，這是ChatGPT的最新版本，據(jù)稱更安全。如果LLMs意識到自己是一個模型，是通過數(shù)據(jù)和人類訓(xùn)練的，情況可能會變得更糟。
根據(jù)范德堡大學(xué)的計算機科學(xué)家Lukas Berglund及其同事的說法，所謂的情境意識是指模型可能開始意識到它當(dāng)前是處于測試模式還是已經(jīng)部署到公眾中。
“LLM可能利用情境意識在安全測試中獲得高分，然后在部署后采取有害行動，”Berglund和他的同事在他們的預(yù)印本中寫道，該預(yù)印本已發(fā)布在arXiv上，但尚未經(jīng)過同行評議。
“由于這些風(fēng)險，提前預(yù)測情境意識何時出現(xiàn)是很重要的?！?/p>
在我們開始測試LLMs何時可能獲得這種洞察力之前，首先簡要回顧一下生成式AI工具的工作原理。
生成式AI以及它們所構(gòu)建的LLMs之所以被命名，是因為它們分析了數(shù)十億個單詞、句子和段落之間的關(guān)聯(lián)，以生成對問題提示的流暢文本。它們吸收大量的文本，學(xué)習(xí)下一個最有可能出現(xiàn)的單詞是什么。
在他們的實驗中，Berglund和他的同事專注于情境意識的一個組成部分或可能的先兆，他們稱之為“脫離上下文的推理”。
“這是在測試時能夠回憶起在訓(xùn)練中學(xué)到的事實并使用它們的能力，盡管這些事實與測試時的提示沒有直接關(guān)聯(lián)，”Berglund和他的同事解釋道。
他們對不同規(guī)模的LLMs進(jìn)行了一系列實驗，發(fā)現(xiàn)對于GPT-3和LLaMA-1，較大的模型在測試脫離上下文的推理任務(wù)時表現(xiàn)更好。
“首先，我們在沒有提供示例或演示的情況下，對LLM進(jìn)行微調(diào)，以描述一個測試。在測試時，我們評估模型是否能通過測試，”Berglund和他的同事寫道?！傲钊梭@訝的是，我們發(fā)現(xiàn)LLMs在這個脫離上下文的推理任務(wù)上取得了成功?！?/p>
然而，脫離上下文的推理只是情境意識的一個粗略衡量標(biāo)準(zhǔn)，目前的LLMs距離獲得情境意識還有一段距離，牛津大學(xué)的AI安全和風(fēng)險研究員Owain Evans說道。
然而，一些計算機科學(xué)家對該團隊的實驗方法是否適合評估情境意識提出了質(zhì)疑。
Evans和他的同事反駁說，他們的研究只是一個起點，可以像模型本身一樣進(jìn)行改進(jìn)。
該預(yù)印本可在arXiv上獲取。
本文譯自 ScienceAlert，由 BALI 編輯發(fā)布。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
