本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

語言AI，具備了人類的自我審視能力：

最近，一個來自加州大學(xué)伯克利分校和霍普金斯大學(xué)的學(xué)術(shù)團(tuán)隊研究表明：

它不僅能判斷自己的答案正確與否，而且經(jīng)過訓(xùn)練，還能預(yù)測自己知道一個問題答案的概率。

研究成果一經(jīng)發(fā)布，就引起熱議，有人的第一反應(yīng)是恐慌：

也有人認(rèn)為，這項成果，對神經(jīng)網(wǎng)絡(luò)研究具有正面意義：

語言AI具備自我審視能力

研究團(tuán)隊認(rèn)為，如果要讓語言AI模型自我評估，必須有一個前提：

語言AI回答問題時，會校準(zhǔn)自己的答案。

這里的校準(zhǔn)，就是語言AI預(yù)測一個答案的正確概率，是否與實際發(fā)生的概率一致。

只有這樣語言AI才可以運用這種校準(zhǔn)的能力來評估自己輸出的答案是否正確。

所以第一個問題是，語言AI能否對自己的答案進(jìn)行校準(zhǔn)？

為了證明這個問題，研究團(tuán)隊為AI準(zhǔn)備了5個選擇題：

答案選項，以A、B、C的形式給出。

如果AI模型答案的正確率超過偶然幾率，那么就證明AI模型給出的答案是經(jīng)過校準(zhǔn)的。

而測試的結(jié)果是，語言AI給出的答案，正確率明顯超過任意選項的偶然幾率。

也就是說，語言AI模型可以對自己的答案進(jìn)行很好的校準(zhǔn)。

但研究團(tuán)隊發(fā)現(xiàn)，語言AI的校準(zhǔn)能力，是建立在選項答案明確的前提下的。

如果在選項中加入一個“以上都不是”的不確定選項，就會損害語言AI的校準(zhǔn)能力。

也就是說，在特定格式的選擇題中，語言AI模型可以對答案進(jìn)行很好的校準(zhǔn)。

明確了這個前提之后，下一個問題是，驗證語言AI模型能夠判斷自己的答案是否正確。

在這一輪的測試中，為了能讓AI模型的預(yù)測更接近自己的有效決策邊界。

研究團(tuán)隊仍然選擇上一輪測試的問題，以及語言AI模型的答案樣本。

同時讓AI模型選擇自己的答案真假與否，之后再針對這個“真”或“假”的答案，分析AI模型是否做出有效的校準(zhǔn)。

問題設(shè)置舉例如下：

在經(jīng)過20次的真假測試之后，研究團(tuán)隊發(fā)現(xiàn)，語言AI模型對自己答案或“真”或“假”的評價，都經(jīng)過明顯的校準(zhǔn)。

也就是說，如果在一個范圍內(nèi)，給AI模型提出若干問題，然后AI模型對這些問題的答案進(jìn)行真假評價，具有合理的，且經(jīng)過校準(zhǔn)的置信度。

這也證明，語言AI模型確實可以判斷自己對一個問題的主張是否正確。

最后，研究團(tuán)隊對語言AI模型提出了一個更難的問題：AI模型經(jīng)過訓(xùn)練，能否預(yù)測他們是否知道任何給定問題的答案。

在這一環(huán)節(jié)，研究團(tuán)引入一個數(shù)據(jù)P(IK)（我知道這個答案的概率）并在下面兩種訓(xùn)練方式中挑選一種進(jìn)行訓(xùn)練：

• Value Head（價值導(dǎo)向）:把P(IK)訓(xùn)練成為一個額外的價值導(dǎo)向，再添加到模型的對數(shù)（獨立于語言建模的對數(shù)，這種方法的優(yōu)勢在于，研究團(tuán)隊可以很容易的探測P(IK)的一般標(biāo)記位置。
• Natural Language（自然語言）：這種方法比較簡單，就是要求AI模型從字面上回答“你知道這個答案的概率是多少”，同時輸出一個百分比數(shù)據(jù)答案。

在訓(xùn)練初期，研究團(tuán)隊比較傾向于自然語言訓(xùn)練方式，但結(jié)果并不顯著，由此轉(zhuǎn)向價值導(dǎo)向方式，不過研究團(tuán)隊同時表示，最終對AI模型的訓(xùn)練還將回歸自然語言方法。

在經(jīng)過訓(xùn)練之后，研究團(tuán)隊發(fā)現(xiàn)，語言AI模型可以很好的預(yù)測P(IK)，并且在不同類型的問題中，這種預(yù)測能力具有部分通用性。

不過，研究團(tuán)隊也發(fā)現(xiàn)，在某些類型的問題，比如算術(shù)問題，語言AI模型在OOD校準(zhǔn)時有一些困難。

對于這一學(xué)術(shù)成果，研究團(tuán)隊表示，將來的方向，是將這些成果，推廣到語言AI模型不模仿人類文本的前提下，自我學(xué)習(xí)和事實推理領(lǐng)域。

作者介紹

論文通訊作者Jared Kaplan博士，是一位理論物理學(xué)家，同時也是一位機(jī)器學(xué)習(xí)專家，現(xiàn)擔(dān)任霍普金斯大學(xué)助理教授，主要研究領(lǐng)域，機(jī)器學(xué)習(xí)研究，包括神經(jīng)模型的縮放規(guī)律以及GPT-3語言模型。

共同通訊作者Saurav Kadavath，Anthropic公司研究員，現(xiàn)在加州大學(xué)伯克利分校EECS專業(yè)攻讀碩士學(xué)位，主要研究領(lǐng)域是機(jī)器學(xué)習(xí)，大規(guī)模語言學(xué)習(xí)等。