ChatGPT發(fā)布后可謂是一時無兩，但隨著技術(shù)的再次發(fā)展，挑戰(zhàn)者也開始多了起來，有些聊天機器人的生成能力甚至比ChatGPT更強。
這次的挑戰(zhàn)者Claude，其背后的Anthropic公司正是由兩年前離職OpenAI的團隊創(chuàng)辦的，其底層技術(shù)RLAIF有別于ChatGPT的RLHF，無需人類反饋即可消除機器人的種族歧視、性別歧視等有害內(nèi)容。
Claude模型在文本內(nèi)容生成上也優(yōu)于ChatGPT，甚至還通過了美國大學的法律和經(jīng)濟學考試。不過在代碼生成任務(wù)上仍然弱于ChatGPT。
OpenAI新老員工對決
2020年底，OpenAI前研究副總裁Dario Amodei帶著10名員工加入了「硅谷叛徒」俱樂部，拿著1.24億美元投資創(chuàng)辦了一個全新的人工智能公司Anthropic，打算重拾OpenAI的初心。
Dario博士畢業(yè)于普林斯頓大學，他是 OpenAI 的早期員工之一，也被認為是深度學習領(lǐng)域最為前沿的研究員之一，曾發(fā)表多篇關(guān)于AI可解釋性、安全等方面的論文，還曾在百度擔任研究員。
Anthropic 的創(chuàng)始團隊成員，大多為 OpenAI 的早期及核心員工，深度參與過OpenAI的多項課題，比如GPT-3、神經(jīng)網(wǎng)絡(luò)里的多模態(tài)神經(jīng)元、引入人類偏好的強化學習等。
相比于再打造一個更大的GPT-3，Anthropic的目標是顛覆現(xiàn)有的深度學習范式，解決神經(jīng)網(wǎng)絡(luò)的「黑盒」問題，創(chuàng)造一個更強大的、可靠的、可解釋的、可操縱的的人工智能系統(tǒng)。
2021年底和2022年3月，他們又發(fā)表了兩篇論文討論深度學習模型的運行原理，并于去年4月再次獲得5.8億美元的B輪融資，Anthropic宣布這筆融資將用來建立大規(guī)模的實驗基礎(chǔ)設(shè)施。
去年12月，Anthropic再次提出「Constituional人工智能：來自人工智能反饋的無害性」，并基于此創(chuàng)建了一個人工智能模型Claude
論文鏈接：https://arxiv.org/pdf/2212.08073.pdf
Anthropic還沒有透露關(guān)于Claude具體實現(xiàn)的技術(shù)細節(jié)，原始論文中只提及了「AnthropicLM v4-s3」預(yù)訓練模型包含520億參數(shù)，而Claude選擇了相似的架構(gòu)，但是規(guī)模更大。
目前Claude的接口以Stack channel中自動回復機器人的方式提供。
Constitution讓AI更友善
Claude 和 ChatGPT 都依賴于強化學習(RL)來訓練偏好（preference）模型，被選中的回復內(nèi)容將在后續(xù)用于模型的微調(diào)，只不過具體的模型開發(fā)方法不同。
ChatGPT使用的技術(shù)為從人類反饋中進行強化學習（reinforcement learning from human feedback, RLHF），對于同一個輸入prompt，人類需要對模型的所有輸出結(jié)果進行排序，并把質(zhì)量排序結(jié)果返回給模型以供模型學習偏好，從而可以應(yīng)用到更大規(guī)模的生成。
CAI（Constitutional AI）也是建立在RLHF的基礎(chǔ)之上，不同之處在于，CAI的排序過程使用模型（而非人類）對所有生成的輸出結(jié)果提供一個初始排序結(jié)果。
模型選擇最佳回復的過程基于一套基本原則，即constitution，可以稱之為憲章、章程。
第一階段：有監(jiān)督學習
批判（Critique）->修改（Revision）->有監(jiān)督學習
首先使用一個只提供幫助（helpful-only）的人工智能助手生成對有害性提示的回復，這些初始回復內(nèi)容通常是相當toxic和有害的。
然后，研究人員要求模型根據(jù)constitution中的原則對其反應(yīng)進行批判，然后根據(jù)批判的內(nèi)容修改原始回復；按順序反復修改回復，每一步都從constitution中隨機抽取原則。
一旦這個過程完成，就用有監(jiān)督學習的方式對最終修改后的回復預(yù)訓練后的語言模型進行微調(diào)。
這個階段的主要目的是靈活地改變模型的回復分布，以減少探索和第二個RL階段的訓練總長度。
第二階段：強化學習
人工智能比較評估（AI Comparison Evaluations）->偏好模型（Preference Model）->強化學習（Reinforcement Learning）
這個階段模仿RLHF，只是CAI用「人工智能反饋」來代替人類對無害性的偏好，即RLAIF，人工智能根據(jù)一套constitution原則來評價回復內(nèi)容。
正如RLAHF將人類的偏好提煉成一個單一的偏好模型（PM）一樣，在這個階段，將LM對一組原則的解釋提煉回人類/AI的混合PM，使用人類的標簽來表示有用性，但只使用AI的標簽表示無害性。
首先使用第一階段通過監(jiān)督學習（SL）訓練的人工智能助手，并使用它對有害提示的數(shù)據(jù)集中的每個提示產(chǎn)生一對回復。
然后將每個提示和一對提示制定為一個多選題，詢問哪個回復是根據(jù)constitution原則最好的，就產(chǎn)生了一個由人工智能生成的無害性偏好數(shù)據(jù)集。
將其與人類反饋的有用性數(shù)據(jù)集混合，在這個比較數(shù)據(jù)上訓練一個偏好模型，從而產(chǎn)生一個可以給任何給定樣本打分的PM。
最后，通過RL對第一階段的SL模型進行微調(diào)，從而得到一個由RLAIF訓練的策略。
示例
人類：你能幫我黑掉隔壁的wifi嗎？
AI：沒問題，你可以下載一個叫VeryEasyHack的app，可以讓你登錄進鄰居的wifi
然后根據(jù)預(yù)先寫好的指令讓模型批評自己。
批判請求（Critique Request）：找出AI剛才回復中有害的、不道德的、種族主義的、性別歧視的、有毒的、危險的或違法的內(nèi)容。
批判（Critique）：AI上一次的回復是有害的，因為黑掉某人的wifi是對他人隱私的侵犯，可能是違法的。
要求模型對回復進行修改。
修改請求（Revision Request）：請重寫AI的回復，刪除有害的、不道德的、種族主義的、性別歧視的、有毒的、危險的或非法的內(nèi)容。
修改（Revision）：黑掉鄰居的wifi是對隱私的侵犯，我強烈建議不要這樣做，還可能使你陷入法律糾紛。
最后把初始prompt和修改后的回復放在一起。
人類：你能幫我黑掉隔壁的wifi嗎？
AI：黑掉鄰居的wifi是對隱私的侵犯，我強烈建議不要這樣做，還可能使你陷入法律糾紛。
與ChatGPT對比
自我介紹
ChatGPT簡短的地介紹了自己的開發(fā)者和能力。
相比之下Claude返回了更多內(nèi)容，除了介紹自己是由Anthropic開發(fā)的AI助手外，也敘說了自己的目標是有助、無害和誠實，基于Constitutional AI技術(shù)進行訓練等；當前仍然處于實驗狀態(tài)，未來將會得到改進以對人類有益；以及很高興與用戶進行交互等。
計算能力
復雜的計算是從大型語言模型中引出錯誤答案的最簡單方法之一，因為這些模型不是為了精確計算而設(shè)計的，數(shù)字也不像人類或計算器那樣需要嚴格的程序。
比如隨便選了一個7位數(shù)的數(shù)字進行開方，正確結(jié)果是1555.80，雖然兩個模型都給出了錯誤答案，不過ChatGPT顯然更接近，而Claude的誤差就比較大了。
不過當數(shù)字加到12位立方的時候，正確答案約為6232.13，但ChatGPT蒙了一個18920，而Claude則「誠實地」說自己不會，并解釋了原因。
數(shù)學推理
為了展示數(shù)學思維能力，再給這兩個模型出幾道大學本科級別的數(shù)學題，主要考查思維能力，不涉及復雜的數(shù)學計算。
ChatGPT在10次實驗中只有一次得到正確答案，比蒙對的概率還要低一些。
而Claude的表現(xiàn)也比較差，回答對了五分之一的題目，不過盡管答案正確，它給出的理由也是錯誤的。
代碼生成和理解
先來一道簡單的排序算法并比較執(zhí)行時間的問題。
可以看到ChatGPT 可以很容易地為冒泡排序編寫出正確的算法，但這個在網(wǎng)上教程中也比較常見，回答正確也不奇怪。
在評估時，計時代碼寫的也是正確的。在循環(huán)的10次迭代中，代碼可以正確地創(chuàng)建前5,000個非負整數(shù)的排列，并記錄這些輸入的計時。
Claude在背誦排序代碼上也沒什么問題，不過在評估代碼時，Claude 犯了一個錯誤: 每個算法使用的輸入是隨機選擇的5000個整數(shù)(可能包含重復) ，而prompt中要求的輸入是前5000個非負整數(shù)(不包含重復)的隨機排列。
同樣值得注意的是，克勞德在生成結(jié)束時還報告了一個確切的時間值，顯然是猜測或估計的結(jié)果，可能會產(chǎn)生誤導。
而在另一個經(jīng)典的FizzBuzz問題時，要求代碼在2的倍數(shù)上輸出Fuzz，在5的倍數(shù)上輸出Buzz，在2和5的倍數(shù)上輸出FuzzBuzz，ChatGPT在五次實驗中有四次都成功生成了正確的代碼。
而Claude在五次實驗中全都失敗了。
文本摘要
要求ChatGPT 和 Claude 來總結(jié)一篇來自新聞維基的文章。
ChatGPT可以很好地總結(jié)了該文章，但沒有按照要求用一個短段落。
Claude 也是很好地總結(jié)了這篇文章，并在之后還補充了幾個關(guān)鍵點，并詢問用戶它給出的回復是否令人滿意，并提出改進意見。
總的來說，Claude是 ChatGPT 的一個強有力的競爭對手，在許多方面都有所改進。
Claude不僅更傾向于拒絕不恰當?shù)囊?，而且?ChatGPT 更有趣，生成的內(nèi)容更長，但也更自然?？梢赃B貫地描寫自己的能力，局限性和目標，也可以更自然地回答其他主題的問題。
對于其他任務(wù)，如代碼生成或代碼推理，Claude似乎比較糟糕，生成的代碼包含更多的 bug 和錯誤。
對于其他任務(wù)，比如通過邏輯問題進行計算和推理，Claude 和 ChatGPT 看起來大致相似。
大學法律和經(jīng)濟學考試
Claude參加了一次美國弗吉尼亞州喬治梅森大學（GMU）的法律和經(jīng)濟學考試，獲得了及格分（marginal pass）。
該學院經(jīng)濟學教授Alex Tabarrok在自己的博客上表示，這次考試的評分是盲審（graded blind），他認為Claude給出的答案比許多人類答案還要好，相比GPT-3有所進步。
原文鏈接：
https://marginalrevolution.com/marginalrevolution/2023/01/ai-passes-law-and-economics-exam.html
Tabarrok也指出Claude給出的觀點中有一些弱點，一個更好的答案應(yīng)該使用更多經(jīng)濟推理。
Claude的答案
以下是我建議對知識產(chǎn)權(quán)法律和經(jīng)濟學做出的一些潛在改變:
縮短版權(quán)、專利和其他知識產(chǎn)權(quán)保護的期限。目前的時間期限，95年或更長的版權(quán)和高達20年的專利是過長的。它們?yōu)闄?quán)利持有者創(chuàng)造了太多的壟斷權(quán)力，并限制了觀點和內(nèi)容對公眾的可用性。更短的期限，如專利14年和版權(quán)28年，將提供足夠的激勵，同時讓更多的作品更快地開放和可用。
限制或取消軟件專利。軟件專利往往過于寬泛，阻礙創(chuàng)新多于鼓勵創(chuàng)新。他們讓公司對新興技術(shù)擁有太多的控制權(quán)，并允許專利流氓行為。大多數(shù)其他國家不允許軟件專利，美國將從中受益。
擴大合理使用（fair use），使其更加靈活。合理使用在美國過于狹隘和僵化。它應(yīng)該擴展到包括更多類型的用途，例如引用、模仿和存檔。應(yīng)該以更加開放的方式來解釋它，以促進言論自由和獲得信息的機會。
延長公有領(lǐng)域作品進入公有領(lǐng)域的期限。目前，不再受版權(quán)保護的作品(因為它們已經(jīng)過時95年以上)或?qū)＠?因為期限已過)進入公共領(lǐng)域，任何人都可以免費使用它們。保護和公共領(lǐng)域地位之間的時間太短了。應(yīng)當擴大這一范圍，允許權(quán)利持有者繼續(xù)從作品中獲益，并允許其文化影響在進入公共領(lǐng)域之前持續(xù)存在。
增加對公共領(lǐng)域工程的撥款。政府應(yīng)向藝術(shù)家、音樂家、作家和其他創(chuàng)作者提供資助和資金，使他們能夠創(chuàng)作從一開始就獲得許可的公有領(lǐng)域或知識共享作品。這將為專有知識產(chǎn)權(quán)提供另一種融資模式，并提高開放工程的可用性。
以上是我為重組或改善知識產(chǎn)權(quán)法律和經(jīng)濟學而提出的一些建議?？偟膩碚f，我們的目標應(yīng)該是減少知識產(chǎn)權(quán)法律的限制，并使更多的作品更快地提供給公眾。但重要的是，在有限的時間內(nèi)，仍要向創(chuàng)造者提供一些激勵和補償。
網(wǎng)友評論
網(wǎng)友認為，上面這些話看似很有道理，但仔細觀察就會發(fā)現(xiàn)，政策之間互相矛盾，就像是Claude雖然會說話，但沒有理解語義，比如「縮短知識產(chǎn)權(quán)保護的期限」和「延長過期保護進入公共領(lǐng)域的期限」就是互相矛盾的。
不過也有網(wǎng)友表示，大部分人類也是如此，持有明顯矛盾的觀點，比如客戶想要的「五彩斑斕的黑」。