來(lái)源丨元宇宙簡(jiǎn)史

作者丨元宇宙簡(jiǎn)史編輯 Eco

【元宇宙導(dǎo)讀】OpenAI最新研究利用GPT-4自動(dòng)進(jìn)行大語(yǔ)言模型中神經(jīng)元行為的解釋和評(píng)分，并將其應(yīng)用于另一種語(yǔ)言模型GPT-2，公開(kāi)了這些GPT-2神經(jīng)元解釋和分?jǐn)?shù)的數(shù)據(jù)集。這項(xiàng)技術(shù)讓人們能夠利用GPT-4來(lái)定義和自動(dòng)測(cè)量AI模型的可解釋性，從而更好地理解智能是如何工作的。

大語(yǔ)言模型（LLM）是基于大量文本數(shù)據(jù)訓(xùn)練，包含數(shù)千億或更多參數(shù)的語(yǔ)言模型。

在大數(shù)據(jù)時(shí)代，這類(lèi)AI機(jī)器學(xué)習(xí)模型可以在提升產(chǎn)品銷(xiāo)售、輔助人類(lèi)決策過(guò)程中起到很大的作用。

但是計(jì)算機(jī)通常不會(huì)解釋它們的預(yù)測(cè)結(jié)果，而語(yǔ)言模型想要變得更強(qiáng)大、部署更廣泛，就需要研究可解釋性，因?yàn)槿祟?lèi)對(duì)模型內(nèi)部工作原理的理解仍然非常有限，例如可能很難從中檢測(cè)到有偏見(jiàn)、欺騙性?xún)?nèi)容輸出。

可解釋性就是將模型能用通俗易懂的語(yǔ)言進(jìn)行表達(dá)，把模型的預(yù)測(cè)過(guò)程轉(zhuǎn)化成具備邏輯關(guān)系的規(guī)則的能力，從而通過(guò)查看模型內(nèi)部來(lái)發(fā)現(xiàn)更多信息。

例如，如果有一個(gè)針對(duì)“漫威超級(jí)英雄”的神經(jīng)元，當(dāng)用戶向模型提問(wèn)“哪個(gè)超級(jí)英雄的能力最強(qiáng)”時(shí)，這個(gè)神經(jīng)元就會(huì)提高模型在回答中說(shuō)出漫威英雄的概率。

站在OpenAI 的角度看，大模型未來(lái)將和人腦一樣擁有“神經(jīng)元”，這些神經(jīng)元會(huì)觀察文本中的特定規(guī)律，進(jìn)而影響到模型本身生產(chǎn)的文本。

所以可解釋性就是將模型能用通俗易懂的語(yǔ)言進(jìn)行表達(dá)，把模型的預(yù)測(cè)過(guò)程轉(zhuǎn)化成具備邏輯關(guān)系的規(guī)則的能力，從而通過(guò)查看模型內(nèi)部來(lái)發(fā)現(xiàn)更多信息。

為了實(shí)現(xiàn)這個(gè)目標(biāo)，OpenAI最近發(fā)布了一個(gè)關(guān)于GPT-4語(yǔ)言模型解析神經(jīng)元的對(duì)齊性研究成果，利用自研基于GPT-4技術(shù)的開(kāi)源工具，來(lái)嘗試計(jì)算其他架構(gòu)、更簡(jiǎn)單語(yǔ)言模型上神經(jīng)元的行為并對(duì)其進(jìn)行評(píng)分。

而且，還可以將其應(yīng)用于另一種語(yǔ)言模型中的神經(jīng)元——本次選擇4年前發(fā)布、包含307200個(gè)神經(jīng)元的大模型GPT-2為實(shí)驗(yàn)樣本，公開(kāi)了這些GPT-2神經(jīng)元解釋和分?jǐn)?shù)的數(shù)據(jù)集。

“我們邁出了使用 AI 進(jìn)行自動(dòng)化對(duì)齊研究的重要一步。”O(jiān)penAI 聯(lián)合創(chuàng)始人 Greg Brockman表示。

具體來(lái)說(shuō)，OpenAI開(kāi)發(fā)了一套包含自動(dòng)化工具和測(cè)試方法的評(píng)估流程：

首先，研究人員讓GPT-2運(yùn)行文本序列，等待某個(gè)特定神經(jīng)元被頻繁“激活”；

然后，讓 GPT-4 針對(duì)一段文本生成解釋?zhuān)缤ㄟ^(guò)GPT-4接收到文本和激活情況判斷漫威是否與電影、角色和娛樂(lè)有關(guān)；

隨后用 GPT-4 模擬 GPT-2 的神經(jīng)元接下來(lái)會(huì)做什么，預(yù)測(cè)行為；

最后評(píng)估打分，對(duì)比GPT-4模擬神經(jīng)元和GPT-2真實(shí)神經(jīng)元的結(jié)果的準(zhǔn)確度，在下圖這個(gè)例子中，GPT-4 的得分為0.34。

使用上述評(píng)分方法，OpenAI 開(kāi)始衡量他們的技術(shù)對(duì)網(wǎng)絡(luò)不同部分的效果，并嘗試針對(duì)目前解釋不清楚的部分改進(jìn)技術(shù)。例如，他們發(fā)現(xiàn)以下方式有助于提高分?jǐn)?shù)：

- 迭代解釋。他們可以通過(guò)讓 GPT-4 想出可能的反例，在根據(jù)其激活情況修改解釋來(lái)提高分?jǐn)?shù)；

- 使用更大的模型來(lái)進(jìn)行解釋。隨著解釋模型（explainer model）能力的提升，平均得分也會(huì)上升。然而，即使是 GPT-4 給出的解釋也比人類(lèi)差，這表明還有改進(jìn)的余地；

- 改變被解釋模型的架構(gòu)。用不同的激活函數(shù)訓(xùn)練模型提高了解釋分?jǐn)?shù)。

OpenAI 表示，他們正在將GPT-4編寫(xiě)的對(duì)GPT-2中的所有307,200個(gè)神經(jīng)元的解釋的數(shù)據(jù)集和可視化工具開(kāi)源，同時(shí)還提供了OpenAI API公開(kāi)可用的模型進(jìn)行解釋和評(píng)分的代碼，從而希望學(xué)術(shù)界能開(kāi)發(fā)出新的技術(shù)來(lái)提升GPT模型解釋分?jǐn)?shù)。

OpenAI還發(fā)現(xiàn)，有超過(guò) 1000 個(gè)神經(jīng)元的解釋得分至少為0.8分，這意味著GPT-4模型可以解釋大部分人類(lèi)神經(jīng)元，同時(shí)目前GPT理解的概念似乎和人類(lèi)不太一樣。例如，他們發(fā)現(xiàn)了一些有趣但 GPT-4 并不理解的神經(jīng)元。

這些神經(jīng)元似乎對(duì)文本中的某些特征或模式有敏感度，但是GPT-4無(wú)法用簡(jiǎn)單的語(yǔ)言描述它們。OpenAI希望隨著技術(shù)和研究方法的改進(jìn)，進(jìn)一步提高AI模型可解釋性能力，從而更好地理解這些神經(jīng)元的行為和意義。

對(duì)于本研究局限性， OpenAI表示，目前GPT-4生成的解釋還不完美，尤其要解釋比GPT-2更大的模型時(shí)，表現(xiàn)效果很差。

神經(jīng)元復(fù)雜行為無(wú)法用簡(jiǎn)短的自然語(yǔ)言描述，OpenAI 解釋了神經(jīng)元的這種行為，卻沒(méi)有試圖解釋產(chǎn)生這種行為的機(jī)制，而且整個(gè)過(guò)程算力消耗極大等。

OpenAI 希望在未來(lái)的工作中可以解決上述這些問(wèn)題，最終OpenAI希望使用模型來(lái)形成、測(cè)試和迭代完全一般的假設(shè)，從而比肩人類(lèi)大腦的想法和行為，以及將其大模型解釋為一種在部署前后檢測(cè)對(duì)齊和安全問(wèn)題的方法。

然而在這之前，OpenAI還有很長(zhǎng)的路要走。

“我們希望這將開(kāi)辟一條有前途的途徑。”Jeff Wu表示，這一技術(shù)可以讓其他人可以在此基礎(chǔ)上構(gòu)建并做出貢獻(xiàn)的自動(dòng)化方案，從而解決 AI 模型可解釋性問(wèn)題，很好地解釋這些模型行為，比如 AI 如何影響人類(lèi)大腦中的神經(jīng)元等。

嚴(yán)正聲明：本文為元宇宙簡(jiǎn)史原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載！內(nèi)容僅供參考交流，不構(gòu)成任何投資建議。任何讀者若據(jù)此進(jìn)行投資決策，風(fēng)險(xiǎn)自擔(dān)。