GPT:OpenAI發布炸裂研究：讓AI解釋AI黑箱，人類無法理解，語言無法描述

來源：FounderPark

就算在新產品滿天飛，商業文明正在被AI重建的當下，我們仍然不知道，這些令人驚嘆的技術是如何運作的。

AI，語言模型，它是個黑箱，人類無法理解，我們甚至不知道怎樣研究才能夠理解。

但如果，研究這個黑箱的不是人類，而是AI自己呢？

這是一個令人好奇但又非常危險的想法。因為你甚至不知道，這一研究方法產生的結果，是否會徹底顛覆多年來人類對人腦和AI的理解。

但是有人這樣做了。幾小時前，OpenAI發布了最新的研究成果，他們用GPT-4解釋GPT-2的行為，獲得了初步的成果。

毫不夸張地說，人們震驚極了：「求求你們讓它離覺醒遠點吧！」

「AI理解AI，然后很快，AI訓練AI，然后再過幾年，AI創造新的AI。」

但客觀來說，學術界為之感到興奮：「瘋了，OpenAI剛剛搞定了可解釋性問題。」

人與機器之間是GPT-4

OpenAI剛剛在官網發布博客文章《語言模型可以解釋語言模型中的神經元》。

數據：OpenSea股份在創企股票二級市場平臺Birel上以51%的折扣交易:金色財經報道，與許多初創公司一樣，私人初創公司OpenSea不允許員工或投資者在未經董事會批準的情況下出售其股份。然而，在創業公司投資領域的一個不起眼的角落里，OpenSea的股票可以以很高的折扣出售，許多加密領域藍籌公司的股份也是如此。

專注于Pre-IPO公司的數據提供商ApeVue創始人兼首席執行官Nick Fusco解釋稱：“即使私人公司限制其股份交易，投資者仍有可能通過交易SPV（特殊目的機構）的所有者權益來買賣該公司股份的間接權益，而SPV又擁有該私人公司的股票。”

截至3月5日，OpenSea的股票在創業公司股票二級市場平臺Birel上的交易價格有51%的折扣。一位不愿透露姓名的人士稱，二級市場上95%的OpenSea股票都采用了SPV的形式，每批股票都附屬于自己的實體。但他們認為這會破壞流動性，阻礙交易。

另一位投資者、金融科技公司的創始人兼天使投資人表示，投資者更愿意直接購買股票，因為SPV需要額外的費用，而且控制權更少。[2023/4/8 13:52:06]

簡單來說，他們開發了一個工具，調用GPT-4來計算出其他架構更簡單的語言模型上神經元的行為，這次針對的是GPT-2，發布于4年前的開源大模型。

特斯拉前AI負責人宣布將加入OpenAI:金色財經報道，特斯拉前AI負責人Andrej Karpathy宣布將加入OpenAI。?值得一提的是，美國人工智能研究實驗室OpenAI開發的一種全新聊天機器人模型ChatGPT，引發世界關注。

ChatGPT能夠通過學習和理解人類的語言來進行對話，還能根據聊天的上下文進行互動，并協助人類完成一系列任務。[2023/2/9 11:56:26]

大模型和人腦一樣，由「神經元」組成，這些神經元會觀察文本中的特定規律，進而影響到模型本身生產的文本。

舉例來說，如果有一個針對「漫威超級英雄」的神經元，當用戶向模型提問「哪個超級英雄的能力最強」時，這個神經元就會提高模型在回答中說出漫威英雄的概率。

OpenAI開發的工具利用這種規則制定了一套評估流程。

開始之前，先讓GPT-2運行文本序列，等待某個特定神經元被頻繁「激活」的情況。

然后有三個評估步驟：

第一步，讓GPT-4針對這段文本，生成解釋。比如在下面的案例中，神經元主要針對漫威內容。GPT-4接收到文本和激活情況后，判斷這與電影、角色和娛樂有關。

OpenSea Seaport交易額突破20億美元:金色財經報道，據Dune Analytics最新數據顯示，基于開源NFT協議Seaport的OpenSea總交易額已突破20億美元，截至目前為2,008,266,305美元，其中以太坊鏈上交易額為1,984,588,824美元，獨立用戶量949,552；Polygon鏈上交易額為23,677,481美元，獨立用戶量為120,158。此外，當前基于Seaport協議的OpenSea鏈上交易總量已接近700萬筆，其中以太坊鏈上交易總量為6,366,656筆，Polygon鏈上交易量則剛剛突破50萬筆，達到503,730筆。[2022/11/6 12:23:19]

第二步，用GPT-4模擬這個GPT-2的神經元接下來會做什么。下圖就是GPT-4生成的模擬內容。

Supremacy Games與MoonPay合作推出Stormtrooper NFT系列:金色財經報道，Supremacy Games和Web3游戲制作商Tyranno Studios宣布，通過與MoonPay及其NFT結賬解決方案的合作，用戶將能夠用信用卡和借記卡以及Apple或Google Pay購買最近曝光的 \"Stormtrooper \"NFT系列。這種合作關系對于使所有標志性系列的粉絲有機會購買這些NFT而無需瀏覽傳統的步驟至關重要。（prnewswire）[2022/10/27 11:46:46]

最后一步，對比評估打分。對比4代模擬神經元和2代真實神經元的結果，看GPT-4猜的有多準。

通過這樣的方法，OpenAI對每個神經元的行為作出了初步的自然語言解釋，并對這種解釋和實際行為的匹配程度進行了評分。

最終他們對GPT-2中307200個神經元全部進行了解釋，這些解釋匯編成數據集，與工具代碼一起在GitHub上發布。

8月份有71050個OpenSea賬戶至少完成一筆交易:金色財經報道，Beanie Capital分析師Jesse發推文稱，Beanie Capital正在對NFT市場活動進行一些研究。從OpenSea平臺獲取的一些數據顯示，8月份，有100142個活躍賣家賬戶和189141個活躍買家賬戶，有71050個賬戶至少完成一筆買賣交易。[2021/9/23 16:59:05]

超越語言的機器，人類無法理解的機器

據OpenAI在博客文章中表示，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，表現效果很差，「可能是因為后面的layer更難解釋」。

對于GPT-2解釋的評分大多也非常低，僅有1000個左右的解釋獲得了較高的評分。

OpenAI可拓展對齊團隊的JeffWu表示，「大多數解釋的得分很低，或者無法解釋實際神經元那么多的行為。比如，許多神經元以一種難以判斷的方式保持活躍，它們在五六件事上保持激活，但卻沒有可以辨別的模式。有時候存在明顯的模式，但GPT-4有無法找到它。」

雖然現階段成績不好，但是OpenAI卻比較有信心，他們認為可以使用機器學習的方式提高GPT-4產出解釋的能力。

比如通過反復產出解釋，并根據激活情況修改解釋；或者使用更大的模型作出解釋；以及調整解釋模型的結構等等。

OpenAI還提到，這一方法目前還有很多局限性。

使用簡短的自然語言進行解釋，也許并不匹配神經元可能非常復雜的行為，不能簡潔地進行描述。神經元可能會具備多個不同概念，也可能，會具備一個人類沒有語言描述甚至無法理解的概念。

最終OpenAI希望能夠自動化找到并解釋能夠實現復雜行為的整個神經回路，而目前的方法只解釋了神經元的行為，并沒有涉及下游影響。

解釋了神經元的行為，但沒有解釋產生這種行為的機制。這意味著即使是拿了高分的解釋，也只能描述相關性。

整個過程是計算密集型的。

在論文中，OpenAI表示：「語言模型可能代表了人類無法用語言表達的陌生概念。這可能是因為語言模型關心不同的事情，比如統計結構對下一個token預測任務有用，或者因為模型已經發現了人類尚未發現的自然的抽象，例如在不同領域的類似概念家族。」

它把LLM的這種屬性，稱為AlienFeature，在生物領域翻譯為「異類特征」。

FounderPark微信后臺回復「解釋神經元論文」，獲取論文鏈接和中英對照PDF鏈接。

把對齊問題也交給AI

「我們正試圖開發預測『AI系統會出現什么問題』的方法，」OpenAI可解釋性團隊負責人WilliamSaunders對媒體說，「我們希望能夠真正做到，讓這些模型的行為和生產的回答是可以被信任的。」

SamAltman也轉發博客文章稱：GPT-4對GPT-2做了一些可解釋性工作。

可解釋性是機器學習的研究子領域，指的是對模型的行為有清晰的理解和對模型結果的理解能力。

簡單來說，目的就是解釋機器學習模型「如何做到」。

2019年開始，可解釋性成為機器學習的重要領域，相關研究有助于開發人員對模型進行優化和調整。針對當下AI模型大規模應用時，亟需解決的可信度、安全性和決策參考等問題。

如果我們不知道AI是如何作出決策的，始終把它當做一個黑箱，那么就算AI在各種場景下表現得再完美，也無法解決部分人類的信任問題。

OpenAI這次使用GPT-4來解決可解釋性的問題，就是希望能夠使用自動化的方式，讓機器完成AI研究。

「這是我們對齊研究的第三支柱的一部分：我們希望自動化對齊研究。令人期待的是，這一方向能讓它與AI發展的步伐相匹配。」

在2022年夏天，OpenAI曾發布文章《我們做對齊研究的方法》。

文中提到，宏觀來看，OpenAI的對齊研究將由三大支柱支撐：

1、利用人工反饋訓練AI

2、訓練AI系統協助人類評估

3、訓練AI系統進行對齊研究

「語言模型非常適合自動化對齊研究，因為它們通過閱讀互聯網『預裝』了大量有關人類價值觀的知識和信息。開箱即用，它們不是獨立代理，因此不會在世界上追求自己的目標。」

太快了，連認知都范式革命了

雖然OpenAI本意很好，但是這樣的研究成果著實嚇壞了網友。

OpenAI的推文下梗圖橫飛，有不少人在認真地建議OpenAI搞慢點。

「用我們不理解的東西，解釋另一個我們不理解的東西，這合理嗎？」

「護欄都被你撤了」

「這太迷人了，但也讓我感到極度不適。」

「自然創造了人類來理解自然。我們創造了GPT-4來理解自己。」

「我們要怎么判斷解釋者是好的？這就像...誰監督著監督者？」（whowatchesthewatchers)

還有人看到了更深的一層：

「大模型很快就能比人類更好地解釋他們自己的思維過程，我想知道我們未來要創造多少新的詞匯，來描述那些AI發現的概念？我們還沒有一個合適的詞描述它們。或者，我們是否會覺得這些概念有意義？它們又能教會我們如何認識自己呢？」

另一網友回應道：「人類本身對自己行為的解釋，大多是謊言、捏造、幻覺、錯誤的記憶、事后推理，就像AI一樣。」

Tags：PENOPENGPTNAICompendium.FiOPENX幣CGPT幣SNAIL價格

屎幣