AI“模型崩溃”风险需警惕

小微 2024年09月25日 阅读:46264

AI“模型崩溃”风险需警惕
图片来源于网络,如有侵权,请联系删除

  从客户服务到内容创作,人工智能(AI)影响了众多领域的进展。但是,一个日益严重的被称为“模型崩溃”的问题,可能会使AI的所有成就功亏一篑。

  “模型崩溃”是今年7月发表在英国《自然》杂志上的一篇研究论文指出的问题。它是指用AI生成的数据集训练未来几代机器学习模型,可能会严重“污染”它们的输出。

  多家外媒报道称,这不仅是数据科学家需要担心的技术问题,如果不加控制,“模型崩溃”可能会对企业、技术和整个数字生态系统产生深远影响。天津大学自然语言处理实验室负责人熊德意教授在接受记者采访时,从专业角度对“模型崩溃”进行了解读。

图片来源:美国《The Week》

  “模型崩溃”是怎么回事

  大多数AI模型,比如GPT-4,都是通过大量数据进行训练的,其中大部分数据来自互联网。最初,这些数据是由人类生成的,反映了人类语言、行为和文化的多样性和复杂性。AI从这些数据中学习,并用它来生成新内容。

  然而,当AI在网络上搜索新数据来训练下一代模型时,AI很可能会吸收一些自己生成的内容,从而形成反馈循环,其中一个AI的输出成为另一个AI的输入。当生成式AI用自己的内容进行训练时,其输出也会偏离现实。这就像多次复制一份文件,每个版本都会丢失一些原始细节,最终得到的是一个模糊的、不那么准确的结果。

  美国《纽约时报》报道称,当AI脱离人类输入内容时,其输出的质量和多样性会下降。

  熊德意解读称:“真实的人类语言数据,其分布通常符合齐普夫定律,即词频与词的排序成反比关系。齐普夫定律揭示了人类语言数据存在长尾现象,即存在大量的低频且多样化的内容。”

  熊德意进一步解释道,由于存在近似采样等错误,在模型生成的数据中,真实分布的长尾现象逐渐消失,模型生成数据的分布逐渐收敛至与真实分布不一致的分布,多样性降低,导致“模型崩溃”。

  AI自我“蚕食”是坏事吗

  对于“模型崩溃”,美国《The Week》杂志近日刊文评论称,这意味着AI正在自我“蚕食”。

  熊德意认为,伴随着这一现象的出现,模型生成数据在后续模型迭代训练中占比越高,后续模型丢失真实数据的信息就会越多,模型训练就更加困难。

  乍一看,“模型崩溃”在当前似乎还是一个仅需要AI研究人员在实验室中担心的小众问题,但其影响将是深远而长久的。

  美国《大西洋月刊》刊文指出,为了开发更先进的AI产品,科技巨头可能不得不向程序提供合成数据,即AI系统生成的模拟数据。然而,由于一些生成式AI的输出充斥着偏见、虚假信息和荒谬内容,这些会传递到AI模型的下一版本中。

  美国《福布斯》杂志报道称,“模型崩溃”还可能会加剧AI中的偏见和不平等问题。

  不过,这并不意味着所有合成数据都是不好的。《纽约时报》表示,在某些情况下,合成数据可以帮助AI学习。例如,当使用大型AI模型的输出训练较小的模型时,或者当可以验证正确答案时,比如数学问题的解决方案或国际象棋、围棋等游戏的最佳策略。

  AI正在占领互联网吗

  训练新AI模型的问题可能凸显出一个更大的挑战。《科学美国人》杂志表示,AI内容正在占领互联网,大型语言模型生成的文本正充斥着数百个网站。与人工创作的内容相比,AI内容的创作速度更快,数量也更大。

  OpenAI首席执行官萨姆·奥特曼今年2月曾表示,该公司每天生成约1000亿个单词,相当于100万本小说的文本,其中有一大部分会流入互联网。

  互联网上大量的AI内容,包括机器人发布的推文、荒谬的图片和虚假评论,引发了一种更为消极的观念。《福布斯》杂志称,“死亡互联网理论”认为,互联网上的大部分流量、帖子和用户都已被机器人和AI生成的内容所取代,人类不再能决定互联网的方向。这一观念最初只在网络论坛上流传,但最近却获得了更多关注。

  幸运的是,专家们表示,“死亡互联网理论”尚未成为现实。《福布斯》杂志指出,绝大多数广为流传的帖子,包括一些深刻的观点、犀利的语言、敏锐的观察,以及在新背景下对新生事物的定义等内容,都不是AI生成的。

  不过,熊德意仍强调:“随着大模型的广泛应用,AI合成数据在互联网数据中的占比可能会越来越高,大量低质量的AI合成数据,不仅会使后续采用互联网数据训练的模型出现一定程度的‘模型崩溃’,而且也会对社会形成负面影响,比如生成的错误信息对部分人群形成误导等。因此,AI生成内容不仅是一个技术问题,同时也是社会问题,需要从安全治理与AI技术双重角度进行有效应对。”(记者 张佳欣)

【责任编辑:朱家齐】
    阅读下一篇:
              热门文章
              • 义乌万里扬苏溪变独立储能项目正式并网投产

                义乌万里扬苏溪变独立储能项目正式并网投产
                证券时报e公司讯,近日,随着并网试验最后一项防孤功能检测项目合格,义乌万里扬苏溪变独立储能项目的所有并网试验项目全部完成,标志着该项目正式并网投产。据了解,项目位于浙江省义乌市苏溪镇,紧邻220kV苏溪变电站,是浙江省“十四五”第一批新型储能示范项目之一,本次并网投产的装机规模为100MW/200MWh。...
              • AI诊断乳腺癌准确率近100%

                AI诊断乳腺癌准确率近100%
                图片来源于网络,如有侵权,请联系删除   美国东北大学团队成功开发出一款基于网络的新型人工智能(AI)系统。该系统在检测乳腺癌方面的准确率高达99.72%。相关研究论文已发表于最新一期《癌症》杂志。图片来源于网络,如有侵权,请联系删除  团队创建了一个集成式深度学习模型,能够整合利用其他各种不同模型来提高诊断的准确性并减少误差,然后利用公开的数据库,包含癌症组织病理学数据库(BCHD)储存的恶性和良性乳腺组织的图像,对这些模型进行训练。  团队表示,他们新开发的AI...
              • 2024年中国情趣用品电商行业市场发展现状及投资风险分析_人保服务,人保财险

                2024年中国情趣用品电商行业市场发展现状及投资风险分析_人保服务,人保财险
                图片来源于网络,如有侵权,请联系删除2024年中国情趣用品电商行业市场发展现状及投资风险分析 2024年6月28日 来源:互联网 753 45 北京用户提问:市场竞争激烈,外来强手加大布局,国内主题公园如何突围? 上海用户提问:智能船舶发展行动计划发布,船舶制造企业的机 江苏用户提问:研发水平落后,低端产品比例大,医药企业如何实现转型...
              • 注意!开山股份将于7月16日召开股东大会

                注意!开山股份将于7月16日召开股东大会
                图片来源于网络,如有侵权,请联系删除每经AI快讯,开山股份(SZ 300257,最新价:10.26元)6月28日发布公告称,2024年7月16日(星期二)下午14:00,公司将在中国(上海)自由贸易试验区临港新片区飞渡路851号一号楼三楼培训室召开2024年第一次临时股东大会。本次股东大会将审议《关于子公司拟发行境外债券的议案》,2024年7月10日收市后登记在册的股东可现场参会投票,或通过交易所投票系统行使表决权。 道达号(daoda1997)“个股趋势”提醒:1. 开山...
              • 印尼药监局代表团来访康希诺生物

                印尼药监局代表团来访康希诺生物
                证券时报e公司讯,近日,印尼药监局局长Lucia Rizka Andalucia一行到访康希诺生物,双方就吸入用结核病疫苗、四价流脑结合疫苗等产品合作展开深入交流,达成建设性共识。此前,康希诺生物新冠疫苗克威莎®获得印度尼西亚乌拉玛委员会食品、药品及化妆品评估机构授予的清真(Halal)认证。依托疫苗技术平台,公司的四价流脑结合疫苗等产品均有符合清真认证的潜力,有助于快速推进公司国际化进程。...