環(huán)球訊息：為確保 Bard 能給出高質(zhì)量答案，谷歌員工對其進行單條式的評估、修正訓(xùn)練
2 月 25 日消息，不久前，谷歌在內(nèi)部發(fā)起了代號為“斗狗”的活動，要求公司所有員工每周用兩到四個小時幫助測試和改進其新的人工智能搜索聊天機器人 Bard。
就在 Bard 發(fā)布前不久，微軟也剛剛發(fā)布了采用 ChatGPT 聊天機器人背后技術(shù)的新版必應(yīng)搜索引擎，它允許用戶就幾乎任何話題進行多輪對話。然而，在 Bard 被發(fā)現(xiàn)提供了一個錯誤的答案后，對于谷歌的質(zhì)疑也逐漸浮現(xiàn)。同樣，隨著越來越多的人測試了新必應(yīng)，他們的聊天機器人也遇到了問題，比如其傾向于好斗的行為。
像 Bard 和 ChatGPT 這樣的 AI 聊天機器人，可以通過接受人類編寫的文本訓(xùn)練來模仿人類對話，這就解釋了為什么必應(yīng)的回復(fù)有時候看起來有些情緒化和不可預(yù)測。畢竟，被訓(xùn)練得像人一樣的機器人也很容易犯下人類的錯誤。
(相關(guān)資料圖)
這些聊天機器人最初通過攝取大量的訓(xùn)練數(shù)據(jù)來完成大部分學(xué)習(xí)。此外，Bard 項目的產(chǎn)品主管杰克?克勞奇克 (Jack Krawczyk) 在一份備忘錄中告訴員工，谷歌的研究發(fā)現(xiàn)，為用戶查詢添加高質(zhì)量的響應(yīng)“顯著”提高了其 AI 模型的質(zhì)量。
據(jù)多位 AI 專家透露，谷歌員工可能會為 Bard 編寫高質(zhì)量的答復(fù)以改進其模型。這些專家已經(jīng)在 AI 和大型語言模型領(lǐng)域完成了廣泛的研究。
克勞奇克讓員工向 Bard 詢問他們擅長的領(lǐng)域，比如最喜歡的興趣愛好。然后，他們被要求評估 Bard 的答案，以確保這些答案符合人們的期望，長度和結(jié)構(gòu)也都要合理。如果某個答案過于人性化、存在事實錯誤或者沒有任何意義，員工可以重寫答案并提交給 Bard 的模型訓(xùn)練。
英屬哥倫比亞大學(xué)計算機科學(xué)助理教授韋德?施瓦茨 (ved Shwartz) 表示，要想持續(xù)改進 Bard，谷歌可以采取監(jiān)督式學(xué)習(xí)和強化學(xué)習(xí)相結(jié)合的方式。
其中，監(jiān)督式學(xué)習(xí)是第一步，研究人員可以向聊天機器人輸入人類編寫的查詢和答案，直到它學(xué)會如何像人類那樣回復(fù)。在此基礎(chǔ)上，谷歌可以構(gòu)建一個強化學(xué)習(xí)模型，用谷歌員工寫的答案來訓(xùn)練它，以幫助它理解該公司希望 Bard 的答案展現(xiàn)哪些價值觀，包括在結(jié)構(gòu)、語氣以及其他方面加以改進。
這個強化學(xué)習(xí)模型會查看 Bard 給出的答案，剔除其中不合適的答案，并驗證合格的答案，直到聊天機器人明白它應(yīng)該如何行事?；旧?，來自谷歌員工的“正確”答案將幫助該模型改進。
強化學(xué)習(xí)模型還可以教會 Bard 在不談?wù)撉楦谢蛞云渌绞郊傺b人類的情況下提供信息。第一種模型主要學(xué)習(xí)基本的寫作技巧，而第二種模型將引導(dǎo)機器按照預(yù)期的方向回答問題。
哥倫比亞大學(xué)計算機科學(xué)教授周宇 (音譯) 說，有了足夠好的答案進行分析，強化學(xué)習(xí)模型就能知道哪些是合適的答案，哪些是不合適的答案。
確保事實準確性
谷歌始終對推出聊天機器人持謹慎態(tài)度，可能是因為其可能對搜索業(yè)務(wù)利潤產(chǎn)生短期影響，并擔(dān)心準確性。谷歌要求員工拒絕回答 Bard 試圖就金融或健康等敏感話題向用戶提供建議的問題，因為回答錯誤的風(fēng)險很高。
AI 領(lǐng)域始終在努力解決事實準確性問題，OpenAI 在 1 月份發(fā)布了更新，以提高 ChatGPT 在各種話題上對話的準確性。本月在舊金山舉行的一場關(guān)于聊天機器人和 AI 的會議上，Anthropic 首席執(zhí)行官達里奧?阿莫代 (Dario Amodei) 表示，他相信隨著模型的改進，聊天機器人將不再編造事實。
雖然訓(xùn)練有助于提高聊天機器人所生成答案的質(zhì)量，但施瓦茨表示，她不認為這能夠徹底解決事實準確性的問題。Bard 和 ChatGPT 都有所謂的“幻覺”傾向，這是該行業(yè)用來形容聊天機器人編造事實的術(shù)語。它們會從網(wǎng)頁上提取內(nèi)容，有時不可避免地會錯誤地總結(jié)這些內(nèi)容。
