“為了應(yīng)對這些問題，我們需要大模型對齊技術(shù)。”何積豐說，“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?！叭绻讶斯ぶ悄芸醋魑饔斡浝锏膶O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。“這意味著，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。”何積豐說。
