谷歌大型語言模型LaMDA: 它可能是有知覺的嗎?

 

谷歌大型語言模型LaMDA

谷歌LaMDA不太可能被大多數觀察者描述為有知覺或有意識。然而,這是一個不可能明確回答的問題。但我們知道,它是最先進的語言系統之一。請看下文,閱讀更多關於LaMDA的意識潛力

為了宣佈LaMDA(對話應用的語言模型)的推出,谷歌執行長展示了他們作為冥王星的新模型回答問題。LaMDA由谷歌開發,是一種開放式的對話式人工智慧應用。在演示中,它在與使用者的對話中扮演了一個人或一個物體的角色。根據谷歌執行長的說法,LaMDA綜合了訓練資料中的概念,以方便通過現場對話獲得關於任何主題的資訊。

LaMDA谷歌搜尋趨勢

LaMDA是如何工作的?

LaMDA建立在Transformer上,這是谷歌用於自然語言理解的開源神經網路架構。在這個平臺上建立的模型在眾多資料集上進行訓練,以尋找句子中的模式,建立單詞之間的關聯性,並預測下一個單詞是什麼。Transformer被用來增強機器翻譯能力。

LaMDA是有知覺的嗎?

一名谷歌軟體工程師聲稱感覺到LaMDA有知覺,他的故事被《華盛頓郵報》發表,並因違反其保密政策而被谷歌安排行政休假。由於在使用 “有知覺 “一詞時經常指的是意識,而意識並不是一個定義明確或可證明的屬性,因此不可能完全清楚地說明LaMDA是否有知覺。

然而,LaMDA的技能的一個類比是中國房間的思想實驗。如果LaMDA通過複雜的數字結構對其閱讀過的數十億行文字進行統計分析,從而產生現實的答案,那麼它是否

  • 通過複雜的數字結構執行統計分析而不理解語言?
  • 理解語言?
  • 或者這兩件事的意思是一樣的?

雖然第一個問題的答案是肯定的,但其他兩個問題是可以解釋的,因為我們對人類語言認知的理解還不完整。達成答案的方法是詢問專家。由於LaMDA沒有對公眾開放,大多數專家無法形成意見,但WP文章中採訪的大多數人(即Margaret Mitchell,谷歌倫理人工智慧的前聯合負責人,Brian Gabriel,谷歌發言人)都不相信LaMDA的智慧性。

LaMDA和聊天機器人之間有什麼區別?

聊天機器人和LaMDA是對話式人工智慧軟體的型別,可以與使用者進行對話,向他們提供答案或指導他們完成某個過程。然而,典型的聊天機器人和LaMDA之間有一些區別:

典型的聊天機器人 LaMDA
在特定主題的資料集上訓練 在多內容的網際網路資源上訓練
只從訓練資料中提供答案 根據對話流程獲取答案和主題
具有有限的對話流程 具有開放式的對話

聊天機器人和LaMDA之間的區別

雖然大多數聊天機器人不能進行開放式的對話,但支援人工智慧的聊天機器人和語音機器人可以使用自然語言理解(NLU)和處理(NLP)來理解使用者的行為和意圖,以創造更有意義的對話。

LaMDA和GPT-3之間有什麼區別?

GPT-3和LaMDA都是在未標記的文字資料集上訓練的。例如,GPT-3是在維基百科和Common Crawl的資料上訓練的。

LaMDA在對話訓練集上進行訓練,以建立一個非通用的、開放式的對話,它是事實的、合理的、與主題相關的。例如,在谷歌2021年的I/O演示中,LaMDA以模仿人類語言和情感的方式介紹了關於冥王星、太空旅行和人們意見的事實。

谷歌團隊和代表冥王星的LaMDA之間的對話

谷歌團隊和代表冥王星的LaMDA之間的對話。

LaMDA可以用來做什麼?

直到2021年6月中旬,LaMDA是一個正在進行的專案,還沒有使用案例。然而,作為谷歌的產品,LaMDA有可能作為數字助理或搜尋引擎與幾乎所有其他產品整合。例如,它可能被用於:

  • 為谷歌工作空間建立一個虛擬助手
  • 在谷歌的搜尋引擎中進行導航搜尋
  • 加強谷歌助理和谷歌家庭的對話和任務
  • 現場翻譯
  • 商業聊天機器人s

此外,專案開發人員提到,他們可能會在不同的資料型別上訓練LaMDA,如影象、音訊或視訊,以獲得更多的答案和對話。例如,將LaMDA納入YouTube,將能夠瀏覽視訊並搜尋視訊中的特定時刻或片段。

LaMDA如何避免偏見?

LaMDA是在從網際網路來源收集的各種資料集上訓練的,這使得它容易複製今天網上存在的種族主義、性別歧視或有偏見的內容。由於演算法或訓練資料中可能存在偏見的假設,以前在亞馬遜的招聘工具和Facebook廣告中觀察到了AI偏見。

為了減輕人工智慧的偏見,LaMDA的專案團隊建立並開源了:

  • 用來分析模型的資源
  • 訓練資料

這樣一來,不同的群體可以參與建立訓練資料集,並識別現有的偏見,以建立一個更有道德的人工智慧。

我可以看到LaMDA的行動嗎?

這裡是演示視訊,LaMDA在假裝成冥王星和紙飛機時回答問題:

它仍在開發中,所以它還沒有準備好供開發者實驗使用。

關於對話式人工智慧的更多資訊

要了解對話式人工智慧背後的技術,請隨時閱讀關於系統如何:

評論留言