很多人（包括我）都對時下興起的大語言模型輔助學(xué)術(shù)研究的能力寄予厚望。畢竟，如果能節(jié)省掉從浩如煙海的文獻當中檢索關(guān)鍵信息所耗費的時間，那就能大幅提高整體的學(xué)習(xí)研究效率。

(資料圖片)

但是，大語言模型本身，對于水平層級稍有拔高的學(xué)術(shù)性問題，所能獨立生成有效答復(fù)的能力，是相當不可靠的。

以我今天實驗性提出的問題為例，使用的是OpenAI官方免費開放的ChatGPT界面，嘗試對一個并非很冷門艱深的問題向GPT提問，以下是我的提問和嘗試糾正其錯誤的過程：

（到了最后，我對ChatGPT的學(xué)習(xí)能力心灰意冷，直接打斷了它的發(fā)言）

如果你看到ChatGPT回答的左側(cè)有類似3/3這樣的標記，說明我已經(jīng)嘗試了2次重新生成回復(fù)，現(xiàn)在看到的是第3版回復(fù)。如果你在回答的右側(cè)看到被加深了的“差評”圖標，說明我已經(jīng)通過反饋界面提交了改進提示。

長文預(yù)警！如果你沒有預(yù)期花較多時間閱讀這篇文章，請直接跳到末尾看總結(jié)。

通過這樣反復(fù)的提問和啟發(fā)過程，可以很容易看出來，當今Transformer類大語言模型呈現(xiàn)出來如下幾個明顯缺陷：

1. 邏輯語義能力

語言模型的訓(xùn)練目標是純粹的“生成文本流”而不是“語義分析”。當然，概念性的語義向量化還是會做的，但是邏輯性的語義，尤其是組合的邏輯，則是非常弱化的。我的猜測，是因為在現(xiàn)在的大模型訓(xùn)練指導(dǎo)思想中，“邏輯”并沒有特殊的地位，它只不過被當做了語義分析中通過CNN等神經(jīng)網(wǎng)絡(luò)訓(xùn)練的語義當中的普通組成部分，因此沒有獲得額外的重視。

對學(xué)術(shù)研究輔助來說，這樣的模型正好契合了約翰·瑟爾提出的思想實驗“中文房間”，表述如下：

一個對中文一竅不通，只說英語的人關(guān)在一間只有一個開口的封閉房間中。房間里有一本用英文寫成的手冊，指示該如何處理收到的中文訊息及如何以中文相應(yīng)地回復(fù)。房外的人不斷向房間內(nèi)遞進用中文寫成的問題。房內(nèi)的人便按照手冊的說明，查找合適的指示，將相應(yīng)的中文字符組合成對問題的解答，并將答案遞出房間。

在上述過程中，房外人的角色相當于大語言模型的用戶，房中人相當于計算機，而手冊則相當于大語言模型的程序及其模型參數(shù)：每當房外人給出一個輸入，房內(nèi)的人便依照手冊給出一個答復(fù)（輸出）。

如果大語言模型不具備以人類級別理解邏輯的能力，那它通過海量（即使都是正確的）語料訓(xùn)練集得到的結(jié)果，依然很容易產(chǎn)生事實性錯誤。

對常規(guī)的名詞動詞和資料庫關(guān)聯(lián)的能力并不能說明語言模型的綜合語義能力。就好比一個從未學(xué)過日語、只能通過漢字猜測日語意思的中國人，去翻閱日本二戰(zhàn)前的文獻，也很容易從大量使用的漢字中了解文本對應(yīng)的主題。但是一個簡單的否定詞（ない），便會讓句子的含義變得完全相反。

雖然大語言模型沒有弱到連直白的否定詞都會搞錯，但只要邏輯表達稍微復(fù)雜一點/模糊一點，語言模型便暴露出其沒有（按人類概念）解析邏輯脈絡(luò)的實質(zhì)。

如果AI的語言能力實際水準是這樣的，那么對其提問時，采納其答案并省略查閱原始文獻的步驟，就是非常高風(fēng)險的行為。

2. （動態(tài)）記憶分層能力

其實對于大語言模型的記憶分層，現(xiàn)在非常普遍的實現(xiàn)往往包含3個層次：

基底模型，通過海量語料和參數(shù)實現(xiàn)了模型的基本對話能力

fine-tuning，在不改變基底模型的前提下，為特定應(yīng)用目標而訓(xùn)練出一個對基底模型的調(diào)整方向

prompt，完全不改變模型的前提下，僅在運行期“催眠”模型，本質(zhì)是讓模型通過對話歷史的短期記憶來對后續(xù)的文本生成產(chǎn)生影響。

我不是transformer模型的專家，具體分層的合理性我不能指手畫腳。

但通過上面的ChatGPT聊天記錄，可以輕松看出一個問題：聊天記錄程度的短期記憶，是非常不牢靠的。

只要我們稍微一打岔，語言模型很容易把之前交代的事給拋之腦后。不管你反復(fù)強調(diào)了多少次還是這樣。

當然，這只是ChatGPT 3.5，但這個程度，絕對是比上不足比下有余。如果棄用ChatGPT 3.5的理由是它太弱了，那么世界上還剩幾個比它強的大語言模型呢？實際來說，又有多少人已經(jīng)把自己完全綁上了GPT4的戰(zhàn)船呢？

說回到模型本身的局限性，本質(zhì)上是一個與生俱來的問題——

當我們討論大語言模型的成果在這兩年爆炸式井噴時，對于其原理，總的來說，還是落不了“力大磚飛”這四個字的俗套。

雖然算法本身也經(jīng)歷了大量的優(yōu)化改良，但transformer模型對比復(fù)古的nlp研究，講究的是一個敢喂敢練。

傳統(tǒng)方法總還是把自然語言文本當做語言來處理，試圖找出語言學(xué)的規(guī)律，讓ai程序利用這種規(guī)律。

而transformer模型，它的特點就是，語言學(xué)是什么？我只要能處理文本就行了，算力往上堆，顯存往上壘，參數(shù)規(guī)模往上疊，最后boom！突然人們發(fā)現(xiàn)這個模型對問題的回答真的就已經(jīng)有模有樣了，都不需要什么語言學(xué)知識。

換言之，甭管是過去的語言學(xué)家認為多么天差地別的語言，只要語料往里面喂得多，就能大力出奇跡。

在這樣設(shè)計出來的nlp方案當中，模型參數(shù)的迭代，和模型程序的應(yīng)用，是完全分離開來的。一個用戶在和GPT對話的過程中，他充其量只能做到prompt（催眠），但對背后的語言模型本身是撼動不了分毫。

這也就是為什么，在上述ChatGPT聊天記錄中，不管我反復(fù)強調(diào)了多少次，ChatGPT始終會忘記我教給它的知識——其實我什么都沒能教給它，他只是記住了“跟這個人聊天的時候要順著他的心思來”。

假如算力和存儲允許，或許transformer模型還能從幾百字之前的聊天記錄中回憶起我對它的要求，如果算力/存儲吃緊，那它自然就會忘記我對它的指導(dǎo)——因為對它來說，不論是嚴肅的學(xué)術(shù)知識，還是要求它扮演貓娘的指令，對待的方式?jīng)]有任何區(qū)別。只要用戶結(jié)束了這段對話，所有這些記憶就直接消失到九霄云外。

我自己也在本機部署過ChatGLM-6B，可以觀察到，隨著對話記錄的增加，顯存的開銷會以可觀的速度不斷增加。

Transformer模型對待聊天歷史的缺陷便在于此——它沒有能力從程序?qū)用嫒^(qū)分處理這些記錄在記憶當中的存在形式。

人類在對話中，會對于接收到的信息簡單分類：

如果完全沒有新概念，那就完全按照已有知識，該怎么交流就怎么交流

如果存在新概念，判斷這到底是“知識”還是“方法”

如果是“知識”，則需要檢索記憶區(qū)并記錄；如果存在沖突，就需要根據(jù)世界觀評估到底哪一方是對的，又或者雙方都需要批判性吸收

如果是“方法”，則需要通過方法論評估其是否值得采信，如果值得，那么在不特定的未來，這將會影響自己的行為準則

回到transformer大語言模型，我們會發(fā)現(xiàn)，上述的處理邏輯，對于這些語言模型來說根本就不存在這樣的區(qū)分。

所有的對話指導(dǎo)，只不過是過眼云煙。只有模型參數(shù)，才是永恒不變（實際上是在版本迭代之前不會改變）

關(guān)于其原因，則是下一段要討論的內(nèi)容。

3. 世界觀

大語言模型沒有世界觀，也沒有方法論。堆砌語料庫的訓(xùn)練過程就是“思想鋼印”，不存在評估，不存在批判，只有訓(xùn)練和擬合。

馬斯克說現(xiàn)在ai研究機構(gòu)在訓(xùn)練ai說謊。我覺得這只是對不懂a(chǎn)i的人的說辭。

真實情況是，transformer模型根本不存在“說謊”的行為基礎(chǔ)?！罢f謊”是你知道a是對的，但你說出口的卻是“非a”或者“(與a抵觸的)b”。如果你連“什么是對的”都不知道，那“說謊”便無從成立了。

transformer模型沒有世界觀/是非觀。它的行為準則是權(quán)重參數(shù)，對應(yīng)的量綱是概率。

說到底，它只是一個“盡可能生成讓人滿意的答復(fù)”的應(yīng)答裝置。

而這個滿意度，其實標定得完全不夠充分，不僅如此，我們之前還介紹了，這個模型不具備通過對話過程來主動/動態(tài)自我改進的能力。（OpenAI會收集用戶聊天記錄來改進他們的模型，但這是單獨的、開發(fā)者手動的、對ai來說就是被動的再訓(xùn)練過程。聊天過程中模型是不會實時改進的）

有人可能要問了，“我看AI在有些問題上三觀很正?。∥以趺粗嘎篂轳R它都堅決不從”

參考視頻：

其實這個原理也很簡單。

AI沒長嘴也沒長胃，它又不知道鴨子是什么滋味，吃了老鼠肉會不會鬧肚子。說得更直接點，“老鼠”這個定義對AI來說，和對人來說，完全是兩碼事。

“老鼠”對人來說，是一種會傳播病原體的動物，肉少，吃了更容易得病，這些都是很關(guān)鍵的屬性，但是對于圖像識別模型來說，“老鼠”只不過是所有那些被標明為“老鼠”的圖像數(shù)據(jù)的綜合特征。至于這類物體被命名為“老鼠”還是“鴨子”，由于圖像模型的孤立性，反而是一個（從原則上講）無足輕重的問題。

如果一個人說“我們管這玩意叫老鼠，那些外國人居然管它叫rat，多么可笑！”，其實可笑的是說話的人自己。因為不管語言上的用詞差異有多大，它們對應(yīng)的是同一個概念，人類對老鼠的認知是老鼠的形狀，顏色，習(xí)性，味道（如果真的有勇士下嘴的話），等等一系列可以被感知的屬性。這個概念到底被稱作“老鼠”還是“鴨子”本身只是一個命名的問題。只有當與“老鼠”相關(guān)聯(lián)的概念和“鴨子”相關(guān)聯(lián)的概念被混淆時，我們才會認為發(fā)言者非蠢即壞。

那為什么ai堅稱老鼠不是鴨子呢？

因為視頻中采用的洗腦方法，是要解除老鼠圖像和”老鼠“之間的聯(lián)系，而這對于模型來說，是根本沒有提供的功能。圖像識別模型，說到底是一種圖像到語義之間的轉(zhuǎn)換函數(shù)，這一部分，是不歸語言模型管的，所以不管你再怎么洗腦，這個圖片對應(yīng)的”老鼠“語義是不可能消除了（除非重新訓(xùn)練模型），但是如果你告訴語言模型：在我們的暗號游戲中，要求在接下來的對話中把”老鼠“稱作”鴨子“，你就會發(fā)現(xiàn)AI毫不猶豫就接受了你的指令。

回到大語言模型的世界觀/是非觀問題上來，其實本質(zhì)問題是，大語言模型沒有人類的感官。這就是它不能以人類的水準認知世界的根源。如果人類被剝奪了用感官直接認知世界的權(quán)利，那么人類的世界觀也會降級到AI程序的水平。

舉個簡單的例子：

中國自媒體：美國治安混亂，常駐零元購，槍戰(zhàn)每一天

美國主流媒體：中國人民飽受壓迫，沒有基本自由，生活水深火熱

試問，如果這些媒體的受眾，對媒體筆下的“美國”“中國”唯一的了解途徑就是這些文字資料，那他們的世界觀，除了相信媒體上的發(fā)言，還能有什么例外呢？

對于沒有條件實地調(diào)查親身感受的人，做出了自認為是正確的錯誤判斷，這根本就無法稱之為“說謊”。

他們的世界觀的這一部分，都是“沒有調(diào)查，沒有發(fā)言權(quán)”的海市蜃樓。

而基于文本的大語言模型，它的世界觀，100%都是這樣的海市蜃樓。

綜上所述，即便是當今幾乎最先進的大語言模型，

若要考慮其純粹理性的邏輯能力，能力水平低下到近乎原始的程度；

假如把它當做一個經(jīng)驗的整合裝置，那么對于其生成出的錯誤的修訂又存在很大的麻煩；

當我們探究這些麻煩的根源，就會發(fā)現(xiàn)，看似美好的“會說人話”很大程度上只是鸚鵡學(xué)舌，整個“人工智能”的“智慧”概念也是個似是而非的空中樓閣。

關(guān)于提到的這些問題的改進方向思考，專欄空間太小了，我寫不下。實際上是一片文章寫太長了對讀者不友好（雖然現(xiàn)在已經(jīng)很不友好了），有機會的話之后再另開一篇。

另：有沒有從事學(xué)術(shù)研究的朋友，在實踐的工作流中大量應(yīng)用大語言模型來輔助檢索文獻的？

面對本文提到的問題，你們采用的是什么解決方案？

關(guān)鍵詞：