人工智能不听话了……人类准备好抵抗的方法了吗？,如果有一天人工智能|幻觉|方法
ChatGPT是这届世界人工智能大会上无法绕开的话题。众多与会专家基本达成了一个共识：从ChatGPT诞生那天起，人工智能时代曙光初现。但在惊叹ChatGPT强大能力的同时，人们也表达了深深的忧虑。
幻觉问题
首先是幻觉问题。所谓幻觉，用通俗的话说就是“一本正经说瞎话”。使用过ChatGPT等生成式人工智能的人可能都有过这样的经历：它们常常会斩钉截铁地给出一些看似合理却错误百出的回答。出现幻觉，是因为机器学习的语料出了问题。云天励飞副总裁肖嵘把人工智能比作有样学样的儿童，大人教了什么，他就说什么。肖嵘认为，要解决幻觉问题，就要对人工智能输入的语料做事实确认。
目前，解决幻觉问题已经有了一些进展。比如，微软引入了知识库，使新必应给出更精准的答案。另一条路径是对大模型的输出结果加强防御。中外人工智能领域都在尝试的一种防御方式是“红队测试”，也就是用一种大模型攻击另外一种大模型，以检测受攻击大模型的漏洞。但在全世界范围内，人工智能的幻觉问题依然没有从根本上解决。
对齐问题
另一个与幻觉问题相关的问题是对齐。所谓对齐就是让人工智能的目标与人类的目标一致。ChatGPT这样解释：确保人工智能系统的行为和决定符合人类的价值、目标、道德考量。解决对齐问题就是要让人工智能为人类所用，并避免灾难性后果。
长久以来，科学家一直担忧对人工智能失去控制。1960年控制论之父维纳就发表了一篇有先见之明的文章，担忧“机器以程序员难以理解的速度学习，并发展出始料未及的策略”。他指出，这样的策略可能并不是程序员真正想要的。近几个月来，人工智能取得惊人进步，维纳的忧惧显得迫在眉睫。2022年8月美国研究小组“人工智能影响力”发布了一项问卷调查，结果显示5%的受访者认为人工智能将导致灾难性结果。
工具越强大，一旦被误用，造成的破坏也越大。但这并不意味着我们应该放弃强大的工具。肖嵘说：“我们可以用人工智能生成欺骗性内容，但我们是不是不应该用人工智能呢？其实这个问题很好回答。我们看看Photoshop这个制图软件就知道答案了。Photoshop我们用了很多年，高手也可以用它绘出以假乱真的图片，但是我们没有把它禁掉。因为这并不是工具好不好的问题，而是人的问题。”
研究界提出了数据筛检和监管两条策略解决对齐问题。数据筛检与解决幻觉问题的策略相似，就是让人工智能学习的数据更准确、更能反映人类的价值观。但也有不少业内人士指出，随着人工智能系统变得越来越复杂，数据筛检也越来越困难。更多研究者认为需要加强人工智能的监管。上海人工智能实验室教授乔宇说：“我们不仅需要人工智能界的参与，还需要引入社会科学的学者，共同建立人工智能大模型框架，确保它符合人类的价值观。”
成本问题
如果说大模型是用钱堆出来的，可能并不过分。大模型的各项投入——数据、算力、电力、程序员——都耗资不菲。例如，训练GPT-3使用了1.3吉瓦时的电力，OpenAI估计花费了46万美元，而GPT-4的训练成本更高达约1亿美元。
不过业界认为这只是一个暂时现象，人工智能的成本会逐步下降，大模型会越来越可及，为千行百业和普通人所用。上周一家美国机构仅花费了2万美元就训练出一款GPT-3同等水平的大模型。此外，受益于一些开源大模型，后来者训练新模型的成本大大降低。开源模型任何人都可以下载，并可针对特定任务进行微调。斯坦福大学的研究人员使用Meta的基础模型LLaMA的权重构建了一个名为Alpaca的模型，成本不到600美元，Alpaca在某些任务上的表现与ChatGPT的最初版本接近。
未来，各行各业使用大模型的成本也会降低。阿里云首席技术官周靖人认为，降低使用门槛的重要途径是建立“大模型自由市场”。他说：“有了这样的社区，使用者就知道去哪找大模型，并更清楚大模型的使用方法；同时，开发者能更高效地查找模型，把模型集成到自己原有的业务体系里，帮助大模型生态不断创新。”阿里云推出了大模型社区“魔搭”，现已聚集180万开发者和900多个模型。
虽然大模型还存在不少难题等待解决，但是业界普遍看到了人工智能时代的曙光。乔宇借飞机的发展历程展望人工智能。他说，1903年莱特兄弟首次驾机飞行。人类第一次能像鸟一样脱离地面。但在那个时代，飞机只是探险者的游戏，还不能成为很强的生产力工具，没有标准，也不安全，更谈不上商业模式。但是，100多年后的今天，全球航空工业已非常发达。乔宇认为，看待大模型也应该用发展的眼光，虽然它仍有幻觉、仍无法完全和人类对齐、仍造价高昂，但相信人类会有智慧解决这些问题，让强大的人工智能为我所用。
