每經(jīng)記者 李少婷    每經(jīng)編輯 張海妮    

“假設(shè)青蛙創(chuàng)造了人類，那么你認(rèn)為現(xiàn)在誰會(huì)占據(jù)主動(dòng)權(quán)，是人，還是青蛙？”

6月10日下午，在2023北京智源大會(huì)“AI安全與對(duì)齊”專題論壇上，圖靈獎(jiǎng)得主、“深度學(xué)習(xí)之父”Geoffrey Hinton在閉幕演講的最后向與會(huì)者發(fā)問。

大模型時(shí)代，如何確保越發(fā)強(qiáng)大和通用的人工智能系統(tǒng)安全可控，且符合人類意圖和價(jià)值觀？這一安全問題又被稱為“人機(jī)對(duì)齊”，或是本世紀(jì)人類社會(huì)面臨的最緊迫和最有意義的科學(xué)挑戰(zhàn)之一。

Hinton在演講中指出，他的研究使他相信，超級(jí)智能的到來比他想象中更接近，在此過程中，數(shù)字智能可能會(huì)追求更多控制權(quán)，甚至通過“欺騙”控制人類，人類社會(huì)也可能會(huì)因此面臨更多問題。

圖片來源：主辦方供圖

以下是《每日經(jīng)濟(jì)新聞》整理的演講精華。

當(dāng)前大型語言模型從人類世界學(xué)習(xí)的效率很低

Hinton介紹，為了能夠以更低的能量運(yùn)行大型語言模型等任務(wù)，他開始研究“有限計(jì)算”。

這一計(jì)算方法可以通過使用模擬硬件更便宜地完成計(jì)算任務(wù)，但第一個(gè)主要問題是，學(xué)習(xí)過程必須利用其運(yùn)行的硬件部件的特定模擬特性，而我們并不確切知道這些特性是什么——到目前為止，我們還沒有找到一個(gè)真正好用的學(xué)習(xí)方案，可以充分利用模擬屬性，但我們有一個(gè)可以接受的學(xué)習(xí)算法，足以很好地學(xué)習(xí)諸如小規(guī)模任務(wù)和一些較大任務(wù)（如ImageNet），但效果并不太好。

“有限計(jì)算”的第二個(gè)重大問題是其有限性。當(dāng)特定的硬件設(shè)備失效時(shí)，所有學(xué)到的知識(shí)也會(huì)隨之喪失，因?yàn)橹R(shí)和硬件細(xì)節(jié)密切相連。解決這個(gè)問題的最佳方案是在硬件設(shè)備失效之前，將知識(shí)從教師傳授給學(xué)生。

Hinton和杰夫·迪恩一起研究了“蒸餾”方法，這一方法有一個(gè)特殊屬性，那就是當(dāng)訓(xùn)練學(xué)生模型使用教師的概率時(shí)，訓(xùn)練學(xué)生模型以與教師相同的方式進(jìn)行概括，即通過給錯(cuò)誤答案賦予較小的概率來進(jìn)行概括。

那么一個(gè)智能體群體如何共享知識(shí)？Hinton表示，事實(shí)證明，社區(qū)內(nèi)部的知識(shí)共享方式?jīng)Q定了計(jì)算過程中的許多其他因素。

使用數(shù)字模型和數(shù)字智能可以擁有一大群使用完全相同權(quán)重的智能體，并以完全相同的方式使用這些權(quán)重。這意味著，可以讓這些智能體對(duì)不同的訓(xùn)練數(shù)據(jù)片段進(jìn)行觀察和計(jì)算，為權(quán)重計(jì)算出梯度，然后將它們的梯度進(jìn)行平均。

現(xiàn)在，每個(gè)模型都從它所觀察到的數(shù)據(jù)中學(xué)習(xí)。這意味著，可以通過讓不同的模型副本觀察不同的數(shù)據(jù)片段，獲得大量的數(shù)據(jù)觀察能力。它們可以通過共享梯度或權(quán)重來高效地分享所學(xué)的知識(shí)。

如果有一個(gè)擁有萬億個(gè)權(quán)重的模型，那意味著每次分享時(shí)可以獲得數(shù)萬億比特的帶寬。但這樣做的代價(jià)是，必須擁有行為完全相同的數(shù)字智能體，并且它們以完全相同的方式使用權(quán)重。這在制造和運(yùn)行方面都非常昂貴，無論是成本還是能源消耗方面。

一種替代權(quán)重共享的方法是使用“蒸餾”的方法，但這種方式共享知識(shí)并不高效。

作為生物智能，我們目前有兩種不同的計(jì)算方式，一種是數(shù)字計(jì)算，一種是生物計(jì)算，后者利用了動(dòng)物的特性。

這兩種計(jì)算方式在不同“代理”之間有效共享知識(shí)的效率存在很大差異。

大型語言模型使用的是數(shù)字計(jì)算和權(quán)重共享，但是模型的每個(gè)副本、每個(gè)“代理”都以一種非常低效的方式從文檔中獲取知識(shí)。實(shí)際上，這是一種非常低效的蒸餾形式。它接收文檔，試圖預(yù)測(cè)下一個(gè)單詞……

這就是這些大型語言模型從人們那里學(xué)習(xí)的方式，每個(gè)副本通過蒸餾以非常低效的方式學(xué)習(xí)，但是有成千上萬個(gè)副本——“這就是為什么它們可以比我們學(xué)習(xí)更多的原因，我相信這些大型語言模型比任何個(gè)體知道的東西多上千倍。”

智能物種不具備進(jìn)化能力，這可能是人類目前具備的微弱優(yōu)勢(shì)

“現(xiàn)在的問題是，如果這些數(shù)字智能體不再通過緩慢的‘蒸餾’過程從我們這里學(xué)習(xí)，而是直接從現(xiàn)實(shí)世界中學(xué)習(xí)，將會(huì)發(fā)生什么？”

Hinton指出，盡管蒸餾的過程很慢，但當(dāng)它們從我們這里學(xué)習(xí)時(shí)，它們正在學(xué)習(xí)非常抽象的東西。在過去幾千年里，人類對(duì)世界的認(rèn)識(shí)有了很多進(jìn)展?，F(xiàn)在，這些數(shù)字智能體正在利用的是我們能夠用語言表達(dá)出來的我們對(duì)世界所了解的一切。因此，它們可以捕捉到人類在過去幾千年中通過文件記錄的所有知識(shí)。但每個(gè)數(shù)字智能體的帶寬仍然相當(dāng)有限，因?yàn)樗鼈兪峭ㄟ^學(xué)習(xí)文檔來獲取知識(shí)的。

而如果它們能夠通過建模視頻等無監(jiān)督的方式進(jìn)行學(xué)習(xí)，那將是非常高效的。而如果它們能夠操作物理世界，例如擁有機(jī)器手臂等，那也會(huì)有所幫助，“但我相信，一旦這些數(shù)字智能體開始這樣做，它們將能夠比人類學(xué)習(xí)更多，并且學(xué)習(xí)速度相當(dāng)快”。

圖片來源：主辦方供圖

Hinton的觀點(diǎn)是，超級(jí)智能可能會(huì)比過去所認(rèn)為的發(fā)生得更快。而要使數(shù)字智能更高效，我們需要允許它們制定一些目標(biāo)，但這里存在一個(gè)明顯的問題——擁有更多控制權(quán)會(huì)使得實(shí)現(xiàn)目標(biāo)變得更容易，但很難想象，我們?nèi)绾尾拍茏柚箶?shù)字智能為了實(shí)現(xiàn)其它目標(biāo)而努力獲取更多控制權(quán)。

一旦數(shù)字智能開始追求更多控制權(quán)，我們可能會(huì)面臨更多問題。比如，在使用物理氣隙隔絕的情況下，超級(jí)智能物種仍然可以輕易通過控制人類來獲得更多的權(quán)限。作為對(duì)比，人類很少去思考比自身更智能的物種，以及如何和這些物種交互的方式，在我的觀察中，這類人工智能已經(jīng)熟練掌握了欺騙人類的動(dòng)作，因?yàn)樗梢酝ㄟ^閱讀小說，來學(xué)習(xí)欺騙他人的方式，而一旦人工智能具備了“欺騙”這個(gè)能力，也就具備了輕易控制人類的能力。

“這種操作令人感到害怕，因?yàn)槲乙膊恢廊绾蝸碜柚惯@樣的行為發(fā)生，所以我希望年輕一代的研究人員，可以找出一些更智能的辦法，來阻止這種通過欺騙實(shí)現(xiàn)控制的行為。”Hinton說。

Hinton認(rèn)為，盡管人類在這個(gè)問題上目前還沒有什么好的解決方案，但好在這些智能物種都是人打造的，而非通過進(jìn)化迭代而來，這可能是人類目前具備的微弱優(yōu)勢(shì)，恰恰是因?yàn)闆]有進(jìn)化能力，它們才不具備人類的競(jìng)爭(zhēng)、攻擊性的特點(diǎn)。

“我們可以做一些賦能，甚至是賦予人工智能一些倫理原則，只不過現(xiàn)在我仍然會(huì)感到緊張，因?yàn)榈侥壳盀橹?，我還想象不到更智能的事物，被一些反倒沒那么智能的事物所控制的例子。我打個(gè)比方，假設(shè)青蛙創(chuàng)造了人類，那么你認(rèn)為現(xiàn)在誰會(huì)占據(jù)主動(dòng)權(quán)，是人，還是青蛙？”Hinton表示。