這兩天，圖靈獎得主Yann LeCun心態(tài)有些崩了。

自從ChatGPT大火之后，微軟憑著OpenAI腰板挺得很直。

被啪啪打臉的谷歌，也不說什么「聲譽風(fēng)險」了。

所有旗下的語言模型，無論是LaMDA，還是DeepMind的Sparrow，以及Apprentice Bard，是能加快的加快，能上架的上架。然后再狂投近4億美元給Anthropic，想趕快扶出自己的OpenAI。（微軟有的我也要）

然而，有一個人看著微軟谷歌各領(lǐng)風(fēng)騷，卻只能急得原地跳腳。

這個人就是Meta的首席AI科學(xué)家——Yann LeCun。

他在推特中十分意難平：「ChatGPT滿嘴胡謅，你們卻對它如此寬容，但我家的Galactica，才出來三天，就被你們罵到下線了?！?/span>

是誰酸到了，我不說

作為深度學(xué)習(xí)三巨頭之一、圖靈獎得主，LeCun的一舉一動，都十分引人注意。

1月27日，在Zoom的媒體和高管小型聚會上，LeCun對ChatGPT給出了一段令人驚訝的評價：「就底層技術(shù)而言，ChatGPT并不是多么了不得的創(chuàng)新。雖然在公眾眼中，它是革命性的，但是我們知道，它就是一個組合得很好的產(chǎn)品，僅此而已。」

「除了谷歌和Meta之外，還有六家初創(chuàng)公司，基本上都擁有非常相似的技術(shù)?！?/span>

另外他還說，ChatGPT用的Transformer架構(gòu)是谷歌提出的，而它用的自監(jiān)督方式，正是他自己提倡的，那時OpenAI還沒誕生呢。

此番言論一出，公眾嘩然。Open AI的CEO Sam Altman疑似因為這句話直接取關(guān)了LeCun。

隨后，LeCun繼續(xù)舌戰(zhàn)眾位推友。

1月28日，LeCun發(fā)推稱，「大型語言模型并沒有物理直覺，它們是基于文本訓(xùn)練的。如果它們能從龐大的聯(lián)想記憶中檢索到類似問題的答案，他們可能會答對物理直覺問題。但它們的回答，也可能是完全錯誤的?！?/span>

2月4日，LeCun再次發(fā)推，更加直白地表示「在通往人類級別AI的道路上，大型語言模型就是一條歪路」。

他這話一說，網(wǎng)友們可high了，紛紛沖到評論區(qū)留言。

LeCun隨后補充說：「依靠自動回歸和響應(yīng)預(yù)測下一個單詞的LLM是條歪路，因為它們既不能計劃也不能推理?！?/span>

「但是SSL預(yù)訓(xùn)練的Transformer是解決方案，因為它所處的現(xiàn)實系統(tǒng)有推理、計劃和學(xué)習(xí)的能力?！?/span>

LeCun舉了個有趣的例子：自己在參加播客節(jié)目時，展示過ChatGPT的回答，它看上去很有道理，卻錯得離譜。然而主持人在讀完ChatGPT的回答后，卻沒有第一時間發(fā)現(xiàn)它錯了。

LeCun對此解釋道：「我們的思維方式和對世界的感知讓我們能預(yù)想即將發(fā)生的事物。這是我們獲得常識的基礎(chǔ)，而LLM并沒有這種能力。」

他再次發(fā)推稱：「在我們做出人類級別的AI之前，我們需要先做出貓貓/狗狗級別的AI。而現(xiàn)在我們甚至連這都做不到。我們?nèi)笔Я耸种匾臇|西。要知道，連一只寵物貓都比任何大型語言模型有更多的常識，以及對世界的理解?！?/span>

在留言區(qū)，有網(wǎng)友毫不客氣地懟起LeCun：「你說得不對吧，本人親測，Galactica的錯誤率接近100%，而ChatGPT的錯誤率差不多在15%左右。 」

對于網(wǎng)友的痛擊，LeCun再次發(fā)推表明態(tài)度：「我從來沒說大型語言模型沒用，其實我們Meta也推出過Galactica模型，只是它不像ChatGPT那么好命罷了。ChatGPT滿嘴胡謅，你們卻對它如此寬容，但我家的Glacatica，才出來三天，就被你們罵到下線了?！?/span>

對此，評論區(qū)有網(wǎng)友諷刺道：「你可真棒棒啊。不如回實驗室去，把你說的東西給做出來?！?/span>

LeCun回復(fù)：「今天可是周日，推特大辯論是我周末最愛的消遣了?！?/span>

自家的模型只活了3天

LeCun如此意難平，可以理解。

去年11月中旬，Meta的FAIR實驗室曾提出一個Galactica模型，它可以生成論文、生成百科詞條、回答問題、完成化學(xué)公式和蛋白質(zhì)序列的多模態(tài)任務(wù)等等。

Galactica生成的論文

LeCun也很開心地發(fā)推盛贊，稱這是一個基于學(xué)術(shù)文獻(xiàn)訓(xùn)練出的模型，給它一段話，它就能生成結(jié)構(gòu)完整的論文。

然而，由于Galactica滿嘴跑火車，它才上線短短三天，就被網(wǎng)友噴到下線。

LeCun轉(zhuǎn)發(fā)了Papers with Code的通知，像個「大怨種」一樣說道：「現(xiàn)在我們再也不能和Galactica一起愉快地玩耍了，你們開心了？」

雖然Galactica的demo才上線幾天，但當(dāng)時的用戶都感覺如臨大敵。

有網(wǎng)友警示道：想想這個「寫論文」神器會被學(xué)生們拿來做什么吧。

有網(wǎng)友表示，「Galactica這個模型的回答錯漏百出，充滿偏見，可是它的語氣卻十分自信權(quán)威。這太恐怖了?！?/span>

馬庫斯也表示，這種大型語言模型可能會被學(xué)生用來愚弄老師，非常令人擔(dān)心。

這熟悉的配方，熟悉的味道，真是令人感慨萬千：曾經(jīng)Galactica引起的恐慌和質(zhì)疑，不正是ChatGPT后來所經(jīng)歷嗎？

看著這段歷史的重演，卻有著截然不同的結(jié)局，LeCun這么酸，確實不能說是毫無來由。

那為什么ChatGPT就能在質(zhì)疑的聲浪中人氣愈發(fā)高漲，Galactica卻只能慘兮兮地被罵到下線呢？

首先，Galactica由Meta提出，大公司確實比OpenAI這樣的小初創(chuàng)公司，面臨更多的「聲譽風(fēng)險」。

另外，OpenAI的產(chǎn)品定位策略十分聰明，從ChatGTP的名字就可以看出，它主打的概念是聊天。

你可以和它聊知識、聊論文，但既然是「chat」，自然可以放飛一些，誰規(guī)定聊天一定要聊「準(zhǔn)確」「嚴(yán)謹(jǐn)」的東西呢？

但Glactica則不同，它的官方定義是：「這是一個用于科研的模型。」「這是一個受過人類科學(xué)知識訓(xùn)練的人工智能。您可以將它用作一個新界面，來訪問和操作我們對宇宙的知識?！?/span>

這當(dāng)然就給自己埋了大雷了。

雖然從技術(shù)層面來看，ChatGPT的確沒有太多創(chuàng)新，但是從產(chǎn)品運營的角度，OpenAI這一招，打得十分出色。

LLM為什么會滿嘴胡話？

所以，大語言模型為什么會滿嘴胡話呢？

在LeCun點贊的一篇文章中，作者做出了解釋：「我曾嘗試用ChatGPT來幫忙寫博客文章，但都以失敗告終。原因很簡單：ChatGPT經(jīng)常會整出很多虛假的『事實』」。

自然語言不等于知識

要知道，LLM是為了在與其他人類的對話中聽起來像一個人，而且它們也很好地實現(xiàn)了這個目標(biāo)。但問題是，聽起來自然與評估信息的準(zhǔn)確性是兩種完全不同的事情。

那么，這個問題該如何解決呢？

舉個例子，我們可以借助已經(jīng)對物理學(xué)理解進(jìn)行了編碼的機器——物理學(xué)引擎：

• 修改LLM，使它能識別出自己被問到的是一個關(guān)于物理的問題
• 將問題轉(zhuǎn)換為一個物理場景
• 用一個物理引擎來模擬這個場景
• 用文字描述該場景的輸出

而對于「假論文問題」，我們同樣也可以采用類似的修正。

也就是讓ChatGPT認(rèn)識到它被問到了關(guān)于科學(xué)論文的問題，或者它正在寫關(guān)于論文的東西，并強迫它在繼續(xù)之前查閱一個可信的數(shù)據(jù)庫。

但是請注意，如果真的這樣做了，那就意味著你把一種特定的額外「思維」嫁接到了LLM身上。而且還必須考慮到一大堆特殊的情況。這時，人類工程師知道真相來自哪里，但LLM卻不知道。

此外，隨著工程師們把越來越多的這樣的修復(fù)方法嫁接在一起，越來越明顯的是，LLM不是一種人工通用智能的形式。

不管人類的智能是什么，我們都知道它不僅僅是能說會道的能力。

人類語言的多種用途

為什么人類要互相交談，或為對方寫下東西？

其中一個目的是直接傳達(dá)事實信息，比如「我在商店」、「它沒有插電」等，但這遠(yuǎn)不是我們使用語言的唯一原因：

• 勸說、請求、命令、指示
• 傳達(dá)情感
• 娛樂他人（包括小說、笑話等）、自娛自樂
• 欺騙（撒謊）
• 建立關(guān)系（與朋友建立聯(lián)系，調(diào)情）

……

看得出來，人類交流的目的是非常多樣化的。而且，我們通常也不會在寫作的內(nèi)容中表明它的目的是什么，作者和讀者也對這些內(nèi)容的作用有著不同的認(rèn)知。

如果ChatGPT想要成為一個值得信賴的事實傳播者，它可能要學(xué)會如何區(qū)分它所訓(xùn)練的人類寫作的各種目的。

也就是說，它將不得不學(xué)會不認(rèn)真對待廢話，區(qū)分說服和宣傳與客觀分析，獨立判斷一個來源的可信度與它的受歡迎程度，等等。

即使對于人類，這也是一個非常困難的技巧。有研究表明，虛假信息在推特上的傳播速度是準(zhǔn)確信息的數(shù)倍——往往更具有煽動性、娛樂性或看起來很新穎。

那么問題來了，為什么生成式人工智能在計算機代碼上表現(xiàn)很好？為什么編寫功能代碼的準(zhǔn)確性不能轉(zhuǎn)化為傳達(dá)事實的準(zhǔn)確性？

對此可能的回答是，計算機代碼是功能性的，而不是交流性的。以正確的語法編寫某段代碼會自動執(zhí)行一些任務(wù)，而編寫一個語法正確的句子卻不一定能達(dá)到任何目的。

此外，我們很容易將計算機代碼的訓(xùn)練語料庫限制在「好」的代碼上，也就是完美地執(zhí)行其預(yù)期目的的代碼。相比之下，要制作一個成功實現(xiàn)其目的的文本語料庫幾乎是不可能的。

因此，為了將自己訓(xùn)練成可信賴的事實傳播者，LLLM必須完成一項比訓(xùn)練自己提出功能性計算機代碼更難的任務(wù)。

雖然不知道對于工程師來說，建立一個能夠區(qū)分事實和廢話的LLM有多難，但這即便對于人類來說，都是一項困難的任務(wù)。

馬庫斯：世紀(jì)大和解

LeCun的一大串言論，讓大家紛紛疑惑：這不是馬庫斯會說的話嗎？

熱（chi）情（gua）的網(wǎng)友紛紛@馬庫斯，期待他對此事的銳評。

苦GPT久矣的馬庫斯自然喜出望外，立刻轉(zhuǎn)發(fā)LeCun的帖子，還評論道「100昏」。

馬庫斯還在自己的博客上發(fā)文，回顧自己與LeCun的「愛恨情仇」。

馬庫斯稱，自己與LeCun本是多年老友，因為嘴了Galactica幾句使得兩人交惡。

實際上，馬庫斯與LeCun的嘴仗打了好幾年了，可不是光只因為Galactica下線的事情。

與另外兩位圖靈獎得主Bengio和Hinton的相對低調(diào)不同，近幾年，LeCun在社交媒體上的活躍在AI圈子里也是出了名的。不少工作在掛了Arxiv之后就第一時間在推特上宣傳一波。

同樣高調(diào)的馬庫斯也是一向視推特為自己的主場，當(dāng)LeCun的宣傳和馬庫斯的看法產(chǎn)生矛盾時，雙方都不打算憋著。

在社交媒體上，兩人可以說達(dá)到了有架必吵的地步，彼此間話講的毫不客氣，見面說不定都能直接掐起來那種。

而且要說梁子，2019年LeCun與Hinton和Bengio一起獲得圖靈獎后，有一張合影，原本馬庫斯站在LeCun的邊上，但在LeCun分享的照片中，Marcus被無情地剪掉了。

然而，ChatGPT的誕生改變了一切。

ChatGPT爆火，Galactica三天后便落魄下架。在LeCun對LLM瘋狂輸出時，馬庫斯自然樂于看到此景。

正所謂敵人的敵人就是朋友，不論LeCun的言論是自家產(chǎn)品失敗后的大徹大悟，還是對競品頂流現(xiàn)狀的眼紅，馬庫斯都愿意添一把火。

馬庫斯認(rèn)為，他和LeCun達(dá)成一致的，不僅是關(guān)于LLM的炒作和局限性。他們都認(rèn)為Cicero應(yīng)該得到更多的關(guān)注。

最后，馬庫斯@了懂的都懂的那個人，并說「該給家人們福利了」。

可以說，LeCun在推特上掀起的罵戰(zhàn)，不僅讓馬庫斯的反GPT軍團多了一員猛將，還給了兩人握手言和的契機。

這么看來，或許馬庫斯才是最終贏家。