Nature探討ChatGPT：學術圈使用不可避免，是時候明確使用規范
明敏 發自 凹非寺
量子位 | 公眾號 QbitAI
明敏 發自 凹非寺
量子位 | 公眾號 QbitAI
在科技巨頭為了ChatGPT大打出手的另一邊，學術圈對於ChatGPT的關注也在升高。
一周時間內，Nature 連發兩篇文章探討ChatGPT及生成式AI。
畢竟ChatGPT最早還是在學術圈內掀起風浪，先後有學者拿它寫論文摘要、改論文。
Nature為此專門頒佈禁令：ChatGPT不能當論文作者。
Science則直接禁止投稿使用ChatGPT生成文本。
但趨勢已擺在眼前。
現在更應該做的，或許是 明確ChatGPT對於科學界的意義以及應當處於怎樣的身位。
正如Nature所言：
生成式AI及背後的技術發展如此之快，每個月都有創新出現。
研究人員如何使用它們，將決定著技術和學界的未來。
生成式AI及背後的技術發展如此之快，每個月都有創新出現。
研究人員如何使用它們，將決定著技術和學界的未來。
在《ChatGPT：五大優先研究問題》一文中，研究人員提出：
無法阻止ChatGPT殺入學術圈，當務之急應該是研究探討它會帶來哪些潛在影響。
無法阻止ChatGPT殺入學術圈，當務之急應該是研究探討它會帶來哪些潛在影響。
如果後續ChatGPT被拿來設計實驗、進行同行審議、輔助出版、幫編輯決定是否要接收文章……這些應用應該注意哪些問題？現在人類需要明確哪些邊界？
研究人員認為，有5個方面需要優先考慮，並解釋了原因。
堅持人類審查
ChatGPT等對話式AI的一大特點，就是回答內容的準確性無法保證。
而且編出來的瞎話都還很自然，容易對人產生誤導。
比如，研究人員讓ChatGPT對一篇關於認知行為療法《CBT》治療焦慮等症狀是否有效的論文，並進行總結概述。
ChatGPT給出的回答中，存在很多事實性錯誤。
如它說這項評估是基於 46項研究，但實際上是 69項，而且誇大了CBT的有效性。
研究人員認為如果有學者使用了ChatGPT幫忙做研究，很可能被錯誤信息誤導。
甚至會導致學者在不知情的情況下， 剽竊他人成果。
因此，研究人員認為在評審論文過程中，人類不能過度依賴於自動化系統，最終還是要由人類自己為科學實踐負責。
制定問責規則
為了應對生成式AI的濫用，很多鑒別AI文本工具陸續誕生，它們能很好分辨出一段文字是不是人類自己寫的。
不過， 研究人員認為這種『軍備賽』大可不必，真正要做的是讓學術圈、出版商能更加公開透明地使用AI工具。
論文作者應該明確標註哪些工作是AI承擔的，期刊如果使用AI審稿，也應該公開說明。
尤其是目前生成式AI已經引發了關於專利問題的討論，AI生成的圖像版權究竟該怎麼算？
那麼對於AI生成的問題，著作權應該屬於為AI提供訓練數據的人？AI背後的制作公司？還是用AI寫文章的學者？作者身份的問題，也需要嚴謹定義。
投資真正開放的LLM
目前，幾乎所有先進的對話式AI，都是科技巨頭們帶來的。
關於AI工具背後算法的工作原理，很多都還不得而知。
這也引發了社會各界的擔憂，因為巨頭們的壟斷行為，嚴重違背了科學界開放的原則。
這將會影響學術圈探尋對話式AI的缺點和底層原理，進一步影響科技的進步。
為了克服這種不透明性，研究人員認為當下應該 優先考慮開源AI算法的開發和應用。
比如開源大模型BLOOM，就是由1000位科學家聯合發起的，性能方面可以匹敵GPT-3。
擁抱AI的優點
雖然有很多方面需要設限，但不可否認，AI確實能提升學術圈的效率。
比如一些審查工作，AI可以快速搞定，而學者們就能更加專註於實驗本身了，成果也能更快發表，從而推動整個學術圈的腳步走得更快。
甚至在一些創造性工作上，研究人員認為AI也能有用武之地。
1991年的一篇開創性論文提出，人和AI之間形成的『智能夥伴關系』，可以勝過單獨人類的智力和能力。
這種關系能夠將創新加速到無法想象的水平。
但問題是，這種自動化能走多遠？應該走多遠？
1991年的一篇開創性論文提出，人和AI之間形成的『智能夥伴關系』，可以勝過單獨人類的智力和能力。
這種關系能夠將創新加速到無法想象的水平。
但問題是，這種自動化能走多遠？應該走多遠？
因此，研究人員也呼籲，包括倫理學家在內的學者，必須就當今AI在知識內容生成方面的界限展開討論，人類的創造力和原創性可能仍舊是進行創新研究必不可缺的因素。
展開大辯論
鑒於當下LLM帶來的影響，研究人員認為學界應該緊急組織一次大辯論。
他們呼籲， 每個研究小組都應該立即開組會，討論並親自試試ChatGPT。
大學老師應該主動和學生討論ChatGPT的使用和倫理問題。
在早期規則還沒有明確的階段，對於研究小組負責人來說，重要的是如何號召大家更公開透明地使用ChatGPT，並開始形成一些規則。
以及應該提醒所有研究人員，要對自己的工作負責，無論它是否由ChatGPT生成。
更進一步，研究人員認為要立即舉辦一個國際論壇，討論LLM的研究和使用問題。
成員應該包括各個領域的科學家、科技公司、研究機構投資方、科學院、出版商、非政府組織以及法律和隱私方面的專家。
Nature：ChatGPT和AIGC對科學意味著什麼
興奮又擔憂，大概是許多研究人員對於ChatGPT的感受。
發展到現在，ChatGPT已經成為了許多學者的數字助手。
計算生物學家Casey Greene等人，用ChatGPT來修改論文。
5分鐘，AI就能審查完一份手稿，甚至連參考文獻部分的問題也能發現。
來自冰島的學者Hafsteinn Einarsson，幾乎每天都在用ChatGPT來幫他做PPT、檢查學生作業。
還有神經生物學家 Almira Osmanovic Thunström覺得，語言大模型可以被用來幫學者們寫經費申請，科學家們能節省更多時間出來。
不過，Nature對ChatGPT輸出內容做出了精辟總結：
流暢但不準確。
流暢但不準確。
要知道，ChatGPT的一大缺點，就是它生成的內容不一定是真實準確的，這會影響它在學術圈的使用效果。
能解決嗎？
從現在來看，答案有點撲朔迷離。
OpenAI的競爭對手Anthroic號稱解決了ChatGPT的一些問題，不過他們沒有接受Nature的采訪。
Meta發佈過一個名為Galactica的語言大模型，它由4800萬篇學術論文、著作煉成，號稱擅長生成學術方面內容，更懂研究問題。
不過現在它的demo已經不開放了《代碼還能用》，因為用戶在使用過程中發現它帶有種族歧視。
即便是已經被調教『乖巧』的ChatGPT，也可能會在刻意引導下輸出危險言論。
OpenAI讓ChatGPT變乖的方法也很簡單粗暴，就是去找非常多的人工給語料標註，有聲音認為這種雇人看有毒語料的行為，也是一種剝削。
但無論如何，ChatGPT及生成式AI，開啟了人類新的一扇想象之門。
醫學學者埃裡克·托普(Eric Topol)表示，他希望未來能有包含LLM的人工智能，可以交叉檢查學術文獻中的文本和圖像，從而幫助人類診斷癌症、理解疾病。
當然這一切要有專家做監督。
他說，真沒想到我們在2023年年初，就看到了這樣的趨勢。
而這才隻是開始。
而這才隻是開始。
— 完 —
量子位 QbitAI · 頭條號簽約
關注我們，第一時間獲知前沿科技動態