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。

ChatGPT爆火，Meta也坐不住了。

微軟和谷歌正在搜索引擎那邊刺刀拼刺刀呢，誰想Meta冷不防拋出一篇新論文，頓時吸引全場目光：

瞄準(zhǔn)ChatGPT的“軟肋”，讓大語言模型自行學(xué)會了使用工具！

簡單來說，基于Meta的這個思路，ChatGPT這些大語言模型可以缺啥補啥：

不會算數(shù)，就自己掏出計算器計算；需要最新信息，就自己連接搜索引擎搜索……

是不是有點AI自己操作自己內(nèi)味兒了？

論文一出，不少AI研究者就將其視作“過去幾周里最重要的論文”。

這篇論文給人們打開了思路，讓大語言模型未來可以成為所有事情的起點。

還有網(wǎng)友表示：我老婆原本不太關(guān)心AI，聽說Meta這論文都驚了。普通人真的得好好想想這事兒了。

自學(xué)工具用法的大語言模型

這一回，Meta給這個會使工具的語言模型起名Toolformer。

Toolformer的內(nèi)核邏輯，總結(jié)下來很簡單，就是：

專業(yè)的任務(wù)交給專業(yè)的工具來做。

在生成文本的過程中，遇到特定的任務(wù)，Toolformer會直接調(diào)用所需工具的API。

比如說，在執(zhí)行這個任務(wù)：1400名參與者，有400人通過了測試，占多大比例？（為了讓ChatGPT掌握數(shù)學(xué)運算，OpenAI可沒少折騰，詳見量子位：ChatGPT連夜迭代：你老婆不好使了）

Toolformer絲毫不慌，直接“掏出”計算器，現(xiàn)場計算得出結(jié)果：29%。

又或者說，想要備注個事情，只知道是周五，具體日期還不知道？

沒關(guān)系，翻出日歷查一下就好了。

甚至翻譯任務(wù)也可以直接丟給它，各國語言都能夠識別并翻譯，直接省去了在軟件切換語言的工夫。

除了這些工具之外，Toolformer還能夠調(diào)用Q&A以及搜索引擎等工具。

這時，就已經(jīng)有網(wǎng)友開始暢想未來了：

現(xiàn)在，ChatGPT必應(yīng)能幫你比較酒店價格，那未來有了Toolformer，預(yù)定性價比高的酒店豈不是也可以甩給AI去做了。

不過話說回來，Toolformer面對不同的任務(wù)都能行云流水般地調(diào)用對應(yīng)的工具，它是怎么做到的呢？

一言以蔽之，Toolformer經(jīng)過訓(xùn)練，能夠在生成文本中插入API調(diào)用，直接將任務(wù)外包出去。

在這其中，訓(xùn)練的過程是以自監(jiān)督的方式完成的。這意味著無需大量人類標(biāo)注好的數(shù)據(jù)，Toolformer只需要少量演示就能學(xué)會調(diào)用API。

具體來說，先給Toolformer提供少量已經(jīng)手動標(biāo)注好的例子，然后讓語言模型在實踐中生成一個更大的包含示例的數(shù)據(jù)集。

這個過程主要分成三步：

首先是取樣，通俗點講就是看輸入的文本提示中，哪個地方需要調(diào)用哪種工具，然后直接將“調(diào)用的API”插入到對應(yīng)的地方；

其次是執(zhí)行，執(zhí)行上一步的“調(diào)用API”任務(wù)，將生成的文本直接插入進去；

最后是過濾，上一步中工具生成的文本如果對輸入文本來說用處不大的話，就可以直接pass掉，保留對文本有用的地方。

這樣一來，基于這些有用的數(shù)據(jù)集，Toolformer便可以對預(yù)先訓(xùn)練好的大語言模型進行微調(diào)。

講了這么多，Toolformer的真實效果到底如何，有沒有一個橫向的數(shù)據(jù)對比？

論文將Toolformer和多個其他大語言模型，包括GPT-J，OPT（66B）以及GPT-3（175B）進行了對比，比較了它們在數(shù)學(xué)、Q&A以及機器翻譯等方面的能力。

結(jié)果顯示，在學(xué)習(xí)使用工具后，GPT-J的零樣本學(xué)習(xí)性能的到了顯著的提高。

△Toolformer：是在GPT- J上微調(diào)，并加強了CCNet子集中的API調(diào)用/ Toolformer （disabled）：同上，但解碼期間禁用API調(diào)用

并且在大多數(shù)任務(wù)上性能都有明顯提高，在一些下游任務(wù)中Toolformer甚至已經(jīng)超過了GPT-3。

“未來大語言模型發(fā)展的重要分支”

說到這里，不知道你怎么看這件事兒。

有不少網(wǎng)友是已經(jīng)按捺不住，想著去拔AI電源了。

而引發(fā)更多討論的，是這樣一種觀點：Toolformer可能是未來LLM（大語言模型）發(fā)展的一個重要分支。

大語言模型進化出使用工具的能力，知道應(yīng)該在何時、使用何種工具來實現(xiàn)需求，也就意味著許多在今天還需要人類和AI協(xié)作完成的工作，未來AI都能自己搞定了。

比如現(xiàn)在還多少有些“人工智障”的語音助手，如果背后有ChatGPT+Toolformer的技術(shù)能力支撐，那么從挑選符合需求的餐廳，到直接訂座，這一系列動作都可以被絲滑地串聯(lián)起來。

又比如微軟的必應(yīng)搜索接入ChatGPT。如果這些大語言模型能充分調(diào)用各種API、使用UI，那它不僅能幫人們完成搜索，還能完全改變?nèi)藗儾僮骶W(wǎng)頁的方式——一切輸入都可以化簡為自然語言。

甚至，ChatGPT這樣的模型，借助各種API重寫自己的代碼，也將成為可能。

事實上，讓AI掌握工具的使用方法這個研究方向，也并不只有Meta在做。

比如谷歌即將嵌入到搜索中的Bard，背后模型LaMDA就內(nèi)置了一套工具箱，包括計算器、翻譯器和訪問搜索引擎獲取外部信息的接口。

還有開源項目LangChain，也致力于將大語言模型與外部的計算、知識來源相結(jié)合，以開發(fā)真正可用的應(yīng)用程序。

而現(xiàn)在，Meta又使大模型對工具的使用“熟練度”、“自主性”，更上一層樓。

不過，也有網(wǎng)友指出，Toolformer所展現(xiàn)出的“自學(xué)”能力，還是一個初級、“狹義”的版本。

這些模型本身仍然是純粹的函數(shù)：給定相同的輸入（包括采樣時的隨機值），它將總是產(chǎn)生相同的輸出。
有點像是在說，一個大語言模型能學(xué)會將特定領(lǐng)域的語言作為其自然語言的一部分，以此納入來自外部工具的知識。

One More Thing

Meta新論文炸場，還挑動了人類的“反思”神經(jīng)。

這不，新鮮梗圖已經(jīng)出爐：

人類在沉迷，而機器在學(xué)習(xí)。

?論文地址：???https://arxiv.org/abs/2302.04761?