Yahoo奇摩新聞 
Meta大模型成了“科學造假髮動機”，發佈3天就在爭議中下架
Meta最新大模型差點成了“科研造假髮動機”，剛出3天就在爭議中下架。
1200億參數語言模型Galactica，在4800萬篇學術論文和各式教科書、百科等資料上訓練而來。
（與太空堡壘卡拉狄加同名）
其本意是想解決學術界資訊過載，幫助研究人員做資訊梳理、知識推理和寫作輔助，一度被認為是“科研者的福音”，或者“寫論文的Copilot”。
But，一經開放使用，很快就被網友們發現了大問題。
它確實能為自己生成的內容引用文獻，但有時這個文獻並不存在，作者卻是真實存在的人。
它能生成看起來像模像樣的科普文字，但內容卻是完全錯誤的。
△
著名的Gary·AI悲觀主義者·Marcus也來吐槽，Galactica把他的出生日期、教育經歷和研究領域等資訊全搞錯了。
對以上種種問題，馬克斯普朗克智能系統研究所所長Michael Black總結道：
這將開啟一個科學深度造假（deep scientific fakes）的時代。會出現研究者從未寫過的虛假論文，這些論文隨後會被其他真實的論文引用，簡直亂套了。
雖然他也注意到，Galactica的開發者在每個輸出內容後都加了“內容可能不可靠”的警告，但“潘多拉的魔盒一旦開啟，就關不上了”。
事實上他的擔憂不無道理，AI生成內容的速度要比人類快的多，一旦大量被搜尋引擎抓取就有可能出現在前排，甚至被當成正確答案展示在最上面，誤導更多人。
這樣的爭議持續了兩三天，團隊只好無奈宣佈Demo暫時下架，論文和原始碼繼續開放給相關領域研究者。
作為Meta首席科學家，LeCun對這個局面並不滿意。
與他觀點一致的網友認為，Galactica是有幫助且有趣的，只是被個別人濫用了。
本意是好的
Galactica由Meta AI與Papers with Code合作開發。
在論文引言部分，團隊寫到：
2022年5月，arXiv上每天平均新增516篇論文……科學資料的增長速度更是比人們的處理能力快……一個人已經不可能讀完特定研究領域的論文。搜尋引擎不直接組織資訊，維基百科這樣的形式需要人力來維護，研究人員持續為資訊過載感到不知所措。
因此他們提出，語言大模型可以更好的儲存、組合和推理科學知識，並提出一個終極願景：
神經網路將成為科學研究的下一代人機介面，就從這篇論文開始。
本意是好的，而且Galactica的表現也確實不錯。
除了文字、數學公式、程式碼任務之外，它還可以執行化學式、蛋白質序列等多模態任務。
Galactica 1200億參數版本在許多科學類任務上性能超越OpenAI的GPT-3、DeepMin的Chinchilla與Gopher、以及開放原始碼的BLOOM。
然鵝，測試基準畢竟是死的，一旦進入生產環境開放給使用者，還是會出現開發時預料不到的情況。
問題出在哪？
在Hacker News上有人認為，語言模型終究是在“對語言建模”而不是對內容。
就像AI繪畫模型一樣，你讓它畫“騎馬的宇航員”它就能畫出來，雖然這不太可能發生，但是很有趣。
類似的討論也發生在Twitter上。如果你讓AI生成一篇關於“生活在太空的熊”的維基頁面，AI也會試著生成。
有人認為，不，AI需要判斷出這個要求不合理。
關鍵就在於，人們對圖片和文字的要求是不一樣的。
圖片中的內容不合理，人們只會覺得有趣而接受。而文字的內容錯了，那就不可接受。
LeCun則認為這種工具的用法應該是輔助駕駛，它不會幫你寫好論文，只是幫你在過程中減輕認知負擔。
以Google為代表的AI大廠，近年來對大模型特別是生成式模型的發佈非常謹慎，像是對話模型LaMDA和AI繪畫Imagen等都不開源、不給Demo或只給限定場景下的Demo。
另一方面，以Stable Diffusion為代表開放原始碼專案推動了整個領域的技術進步與應用普及，但也在版權和生成有害內容方面引發一些問題。
你更支援哪種做法？或者還有第三條路麼？
Galactica：https://galactica.org/
參考連結：
[1]https://news.ycombinator.com/item?id=33611265
[2]https://twitter.com/Michael_J_Black/status/1593133746282106887
[3]https://twitter.com/paperswithcode/status/1592546933679476736
本文來自微信公眾號“量子位”（ID：QbitAI），作者：夢晨，36氪經授權發佈。
本文經授權發布，不代表36氪立場。
如若轉載請註明出處。來源出處：36氪
