中國科學(xué)院院士何積豐：應(yīng)對大模型的安全問題，需設(shè)好“緊箍咒”

(相關(guān)資料圖)

模型的通用能力讓其能夠應(yīng)用到人類生產(chǎn)生活的各個場景中，可謂“無孔不入”。AI的發(fā)展因此帶來了新的安全隱私問題，如何解決這一隱患，9月7日開幕的2023 INCLUSION·外灘大會上，中國科學(xué)院院士何積豐開出了他的“藥方”：利用對齊技術(shù)為大模型戴上緊箍咒。

何積豐院士認為，大模型的安全問題主要是在未經(jīng)同意的情況下，收集、使用和泄露個人信息。隱私問題既可能發(fā)生在訓(xùn)練過程，也可能發(fā)生在使用過程中，而大模型的生成能力則讓“隱私泄露”的方式變得多樣化，造成隱私保護更加困難?！盀榱藨?yīng)對這些問題，我們需要大模型對齊技術(shù)?！焙畏e豐說，“對齊（alignment）”是指系統(tǒng)的目標和人類價值觀一致，使其符合設(shè)計者的利益和預(yù)期，不會產(chǎn)生意外的有害后果。“如果把人工智能看作西游記里的孫悟空，‘對齊’就是唐僧的緊箍咒。有了緊箍咒，就可以保證技術(shù)不會任意使用能力胡作非為。”

不過，對齊技術(shù)同樣面臨挑戰(zhàn)。首先，對齊的基礎(chǔ)，人類的價值觀是多元且動態(tài)變化的，需要保證大模型為人服務(wù)、與人為善；其次，大模型的有用性與無害性之間目標也不完全一致。如何對錯誤進行有效糾正，設(shè)好大模型的“緊箍咒”也是挑戰(zhàn)。

因此，對齊技術(shù)已經(jīng)成為了一項令人眼花繚亂的跨學(xué)科研究，不僅考驗技術(shù)，也審視文化。

何積豐介紹，反饋強化學(xué)習(xí)是實現(xiàn)對齊的技術(shù)途徑，目前有兩種方式，一種方式是通過人工反饋給模型不同的獎勵信號，引導(dǎo)模型的高質(zhì)量輸出；另一種方式，事先給大模型提供明確的原則，系統(tǒng)自動訓(xùn)練模型對所有生成的輸出結(jié)果提供初始排序?！斑@意味著，不僅智能系統(tǒng)需要向人類價值觀對齊，人類的訓(xùn)練方法也要向價值觀對齊?！焙畏e豐說。