梦晨 发自 凹非寺量子位 | 公众号 QbitAI
Meta最新大模型差点成了“科研造假发动机”，刚出3天就在争议中下架。
1200亿参数语言模型Galactica，在4800万篇学术论文和各式教科书、百科等数据上训练而来。
（与太空堡垒卡拉狄加同名）
其本意是想解决学术界信息过载，帮助研究人员做信息梳理、知识推理和写作辅助，一度被认为是“科研者的福音”，或者“写论文的Copilot”。
But，一经开放使用，很快就被网友们发现了大问题。
它确实能为自己生成的内容引用文献，但有时这个文献并不存在，作者却是真实存在的人。
它能生成看起来像模像样的科普文字，但内容却是完全错误的。
△真空中的光速和声速接近可还行？
著名的Gary·AI悲观主义者·Marcus也来吐槽，Galactica把他的出生日期、教育经历和研究领域等信息全搞错了。
对以上种种问题，马克斯普朗克智能系统研究所所长Michael Black总结道：
这将开启一个科学深度造假（deep scientific fakes）的时代。会出现研究者从未写过的虚假论文，这些论文随后会被其他真实的论文引用，简直乱套了。
虽然他也注意到，Galactica的开发者在每个输出内容后都加了“内容可能不可靠”的警告，但“潘多拉的魔盒一旦开启，就关不上了”。
事实上他的担忧不无道理，AI生成内容的速度要比人类快的多，一旦大量被搜索引擎抓取就有可能出现在前排，甚至被当成正确答案展示在最上面，误导更多人。
这样的争议持续了两三天，团队只好无奈宣布Demo暂时下架，论文和源代码继续开放给相关领域研究者。
作为Meta首席科学家，LeCun对这个局面并不满意。
与他观点一致的网友认为，Galactica是有帮助且有趣的，只是被个别人滥用了。
本意是好的
Galactica由Meta AI与Papers with Code合作开发。
在论文引言部分，团队写到：
2022年5月，arXiv上每天平均新增516篇论文……科学数据的增长速度更是比人们的处理能力快……一个人已经不可能读完特定研究领域的论文。搜索引擎不直接组织信息，维基百科这样的形式需要人力来维护，研究人员持续为信息过载感到不知所措。
因此他们提出，语言大模型可以更好的存储、组合和推理科学知识，并提出一个终极愿景：
神经网络将成为科学研究的下一代人机界面，就从这篇论文开始。
本意是好的，而且Galactica的表现也确实不错。
除了文本、数学公式、代码任务之外，它还可以执行化学式、蛋白质序列等多模态任务。
Galactica 1200亿参数版本在许多科学类任务上性能超越OpenAI的GPT-3、DeepMin的Chinchilla与Gopher、以及开源的BLOOM。
然鹅，测试基准毕竟是死的，一旦进入生产环境开放给用户，还是会出现开发时预料不到的情况。
问题出在哪？
在Hacker News上有人认为，语言模型终究是在“对语言建模”而不是对内容。
就像AI绘画模型一样，你让它画“骑马的宇航员”它就能画出来，虽然这不太可能发生，但是很有趣。
类似的讨论也发生在Twitter上。如果你让AI生成一篇关于“生活在太空的熊”的维基页面，AI也会试着生成。
有人认为，不，AI需要判断出这个要求不合理。
关键就在于，人们对图片和文字的要求是不一样的。
图片中的内容不合理，人们只会觉得有趣而接受。而文字的内容错了，那就不可接受。
LeCun则认为这种工具的用法应该是辅助驾驶，它不会帮你写好论文，只是帮你在过程中减轻认知负担。
【相关文章】
★ 瑞典科学家Svante Pääbo获诺贝尔生理学或医学奖
★ 击败申真谞陪练的围棋AI，却输给业余人类棋手 | MIT&伯克利研究
★ 马斯克抵制＂苹果税＂迎来盟友：获Spotify、Epic Games CEO声援
★ 硅谷寒冬！Meta疯狂裁员11,000人，毕业生该怎么办？
本文地址：https://www.qubaike.com/hotnews/93zdx0hn.html
声明：本文信息为网友自行发布旨在分享与大家阅读学习，文中的观点和立场与本站无关，如对文中内容有异议请联系处理。
