解决 AI 落地的最大障碍，OpenAI 找到办法了？

OpenAI 似乎找到了解决生成式人工智能 “一本正经胡说八道” 的办法。

5 月 31 日，OpenAI 在其官网宣布，已经训练了一个模型，能够有助于消除生成式 AI 常见的 “幻觉” 和其他常见问题。

OpenAI 表示，可以训练奖励模型来检测幻觉，奖励模型又分为结果监督（根据最终结果提供反馈）或过程监督（为思维链中的每个步骤提供反馈）模型。

也就是说，过程监督奖励推理的每个正确步骤，而结果监督只是简单地奖励正确的答案。

OpenAI 表示，相比之下，过程监督有一个重要的优势——它直接训练模型以产生由人类认可的思维链：

过程监督与结果监督相比有几个一致性优势。它直接奖励遵循一致的思维链的模型，因为过程中的每一步都得到了精确的监督。

过程监督也更有可能产生可解释的推理，因为它鼓励模型遵循人类批准的过程

结果监督可能会奖励一个不一致的过程，而且通常更难审查。

OpenAI 在数学数据集上测试了这两种模型，发现过程监督方法导致了 “显著更好的性能”。

但需要注意的是，到目前为止，过程监督方法仅在数学领域进行了测试，并且需要更多的工作来观察它如何更普遍地执行。

此外，OpenAI 没有说明这一研究需要多长时间才能应用在 ChatGPT，它仍然处于研究阶段。

虽然最初的结果是好的，但 OpenAI 确实提到，更安全的方法会产生降低的性能，称为对齐税（alignment tax）。

目前的结果显示，在处理数学问题时，过程监督不会产生对齐税，但在一般的信息上的情况尚不知晓。

生成式 AI 的 “幻觉”

今年 2 月，谷歌为应对微软资助下 ChatGPT，仓促推出了聊天机器人 Bard，结果却被发现在演示中出现了常识性错误，导致谷歌股价大跌。

导致 AI 出现幻觉的原因有多种，输入数据欺骗 AI 程序进行错误分类是其中一种。

例如，开发人员使用数据 (如图像、文本或其他类型) 来训练人工智能系统，如果数据被改变或扭曲，应用程序将以不同的方式解释输入并产生不正确的结果。

幻觉可能会出现在像 ChatGPT 这样的基于语言的大型模型中，这是由于不正确的转换器解码，导致语言模型可能会产生一个没有不合逻辑或模糊的故事或叙述。