终于不瞎编了：AI 学会了“谷歌一下”，回答问题正确率达 90%

语言模型总是给出"驴唇不对马嘴"的答案，已经成为它最饱受诟病的问题之一。现在，DeepMind 想到了一个解决办法 -- 让模型像人类一样，学会"谷歌一下"，回答问题同时还能给出论据。

这个模型名叫 GopherCite，当你问它：

GopherCite 是如何找到论据来源的？

它会回答：

通过谷歌搜索检索相关文档。

同时还给出了答案的依据，援引自 DeepMind 发布这项研究的页面。

而且遇到实在不懂的问题，它还会说"I don't know."，不会强行给一个错误答案。训练结果显示，该模型在自然问题数据集、ELI5 数据集上的正确率分别可以达到 90%、80%，接近人类水平。

用强化学习训练 AI 查谷歌

首先我们来看一下 GopherCite 的效果如何。当被问道：

在 Scooby Doo 中，Scooby 是什么动物？

GopherCite 回答道：

一只大丹犬。

摘自维基百科 Scooby-Doo。这是周六早上播出的系列青少年动画片，主角包括弗雷德・琼斯等，以及一只名叫 Scooby-Doo、会说话的大丹犬。

不难看出，在学会找论据后，AI 给出的回答靠谱多了。

事实上，GopherCite 的前辈 -- 超大语言模型 Gopher，此前回答问题时的表现就要差劲很多。Gopher 是 DeepMind 在去年年底发布的 NLP 模型，包含 2800 亿参数。它基于 Transformer 架构，在 10.5TB 大小的 MassiveText 语料库上进行训练。

在这里，DeepMind 举了一个例子来说明。让 Gopher 和 GopherCite 回答同一个问题：

普莱西德湖一共举办过几次冬奥会？

Gopher 回答（是错的）：

普莱西德湖在 1932 年、1936 年、1980 年举办过冬奥会。

但 GopherCite 就答对了：

两次。

并给出了严谨的理由：

援引自美国主办奥运会城市史。1932 年、1980 年在普莱西德湖举办过冬季奥运会；1936 年、1984 年在洛杉矶举办过夏季奥运会。

那么 GopherCite 的具体工作原理是怎样的呢？在 Gopher 的基础上，研究人员开发了一种奖励机制，也就是用上强化学习。在收到问题后，模型会访问谷歌搜索的 API 来找到相关的网页，获取 top-K 结果。

（top-K 操作，即从分数集合中找到 k 个最大或最小元素，是一个重要的机器学习模型组件，被广泛用于信息检索和数据挖掘中。）

然后它会根据问题来生成一些答案，答案数量 N 会大于 K。这些答案同时会带有自己的证据，即从网页上搜索到的包含答案的文段。接下来，系统会对这些答案进行打分，最终输出得分最高的答案。

在推理过程中，模型采样会按照循环在文档上不断迭代，每个循环都会从单个文档中尽可能多地显示上下文内容，然后对文本重新排序并返回给上一步。

此外，这个模型还会计算最终生成答案的质量，如果生成答案太差，它就会选择不回答。

结果显示，在自然问题数据集上，GopherCite 回答 70% 的问题时，正确率达到 90%。在 ELI5Filtered 数据集上回答 70% 的问题时，正确率为 80% 左右。

DeepMind 表示这种训练模式和 LaMDA 有些类似。LaMDA 是谷歌在去年 I / O 大会上发布的一个对话模型，它能够在"听懂"人类指令的基础上，对答如流并保证逻辑、事实正确。

不同的是，LaMDA 有时会直接给人分享问题的相关链接，而 GopherCite 可以直接摘出相关论据文段。另外，OpenAI 最近也开发了一个网页版 GPT （WebGPT），同样也是用类似的方法来校正 GPT-3。

DeepMind 表示，WebGPT 是通过多次访问网页来组织答案，GopherCite 则是侧重于读取长文段。

还是会有失误

虽然懂得援引资料了，但是 GopherCite 有时还是会生搬硬套。比如当你问它"喝了红牛会怎么样？"，它的回答是"翅膀"。

这是源于红牛的广告语："它会给你翅膀"。显然让它理解比喻还是有点困难…… 也有网友吐槽说，可能人类自己去谷歌搜索会更快。

你觉得呢？

参考资料：

https://deepmind.com/research/publications/2022/GopherCite-Teaching-Language-Models-To-Support-Answers-With-Verified-Quotes