沒想到，打開 AI 黑盒這件事，可能還要靠 AI 自己來實現(xiàn)了。

OpenAI 的最新研究來了一波大膽嘗試:

讓 GPT-4 去解釋 GPT-2 的行為模式。

結果顯示，超過 1000 個神經(jīng)元的解釋得分在 0.8 以上 —— 也就是說 GPT-4 能理解這些神經(jīng)元。

要知道，“AI 黑箱難題”長期以來是一個熱議話題，尤其是大語言模型領域，人類對其內部工作原理的理解還非常有限，這種“不透明化”也進一步引發(fā)了人類對 AI 的諸多擔憂。

目前推進 AI 可解釋性研究的一個簡單辦法，就是逐個分析大模型中的神經(jīng)元，手動檢查以確定它們各自所代表的數(shù)據(jù)特征。

但對于規(guī)模已經(jīng)達到百億、千億級別的大規(guī)模神經(jīng)網(wǎng)絡來說，工作量和工作難度就都漲了億點點吧。

由此，OpenAI 的研究人員想到，干嘛不讓 AI 去自動化搞定這個大工程？

在這項最新的研究中，他們將 GPT-4 打造成了一個理解 AI 行為模式的工具，把 GPT-2 超過 30 萬個神經(jīng)單元都解釋了一遍，并和實際情況比對進行評分。

最終生成的解釋數(shù)據(jù)集和工具代碼，已對外開源。

研究人員表示:未來，這種 AI 工具可能在改善 LLM 性能上發(fā)揮巨大作用，比如減少 AI 偏見和有害輸出。

解釋接近人類水平

具體來看，整個研究的步驟可以分為三步。

第一步，先給 GPT-4 一段文本，并展示 GPT-2 在理解這段文本時激活的神經(jīng)元情況。

然后讓 GPT-4 來解釋，這段文本中神經(jīng)元的激活情況。

比如示例中給出了一段漫威復聯(lián)的文本，GPT-4 分析的激活神經(jīng)元為:

電影、角色和娛樂

第二步，讓 GPT-4 開始模擬，這些被解釋的神經(jīng)元接下來會做什么。

GPT-4 給出了一段內容。

第三步，讓 GPT-2 真實的神經(jīng)元激活來生成結果，然后和 GPT-4 模擬的結果進行比對，研究人員會對此打分。

在博客給出的示例中，GPT-4 的得分為 0.34.

使用這個辦法，研究人員讓 GPT-4 解釋了 GPT-2 一共 307200 個神經(jīng)元。

OpenAI 表示，使用這一基準，AI 解釋的分數(shù)能接近人類水平。

從總體結果來看，GPT-4 在少數(shù)情況下的解釋得分很高，在 0.8 分以上。

他們還發(fā)現(xiàn)，不同層神經(jīng)元被激活的情況，更高層的會更抽象。

此外，團隊還總結了如下幾點結論:

• 如果讓 GPT-4 重復解釋，它的得分能更高

• 如果使用更強大的模型來解釋，得分也會上升

• 用不同的激活函數(shù)訓練模型，能提高解釋分數(shù)

總結來看就是，雖然 GPT-4 目前的表現(xiàn)一般，但是這個方法和思路的提升空間還有很大。

團隊也強調，現(xiàn)在在 GPT-2 上的表現(xiàn)都不太好，如果換成更大、更復雜的模型，表現(xiàn)也會比較堪憂。

同時這種模式也能適用于聯(lián)網(wǎng)的 LLM，研究人員認為可以通過簡單調整，來弄清楚神經(jīng)元如何決策搜索內容和訪問的網(wǎng)站。

此外他們還表示，在創(chuàng)建這個解釋系統(tǒng)時并沒有考慮商業(yè)化問題，理論上除了 GPT-4，其他 LLM 也能實現(xiàn)類似效果。

接下來，他們打算解決研究中的這幾個問題:

• AI 神經(jīng)元行為十分復雜，但 GPT-4 給的解釋非常簡單，所以有些復雜行為還無法解釋；

• 希望最終自動找到并解釋復雜的整個神經(jīng)回路，神經(jīng)元和注意力頭一起工作；

• 目前只解釋了神經(jīng)元的行為，但沒解釋行為背后的機制；

• 整個過程算力消耗巨大。

網(wǎng)友:快進到 AI 創(chuàng)造 AI

意料之中，這項研究馬上在網(wǎng)絡上引發(fā)熱議。

大家的腦洞畫風 be like:“AI 教人類理解 AI。”

“AI 教人類關掉 AI 中存在風險的神經(jīng)元。”

還有人開始暢想，AI 理解 AI 會快速發(fā)展為 AI 訓練 AI，然后再過不久就是 AI 創(chuàng)造新的 AI 了。

當然這也引發(fā)了不少擔憂，畢竟 GPT-4 本身不還是個黑盒嘛。

人類拿著自己不理解的東西，讓它解釋另一個自己不理解的東西，這個風險 emm……

這項研究由 OpenAI 負責對齊的團隊提出。

他們表示，這部分工作是他們對齊研究的第三大支柱的一部分:

我們想要實現(xiàn)自動化對齊。這種想法一個值得思考的方面是，它可能隨著 AI 的發(fā)展而擴展更多。隨著未來 AI 模型變得越來越智能，我們也能找到對 AI 更好的解釋。

論文地址:

參考鏈接:

鄭重聲明：此文內容為本網(wǎng)站轉載企業(yè)宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內容。