《黑神话·悟空》会给人带来什么伤害吗？

游戏里的怪物害不了真实世界中的你一点，最多让你读档重来。

但在AI的帮忙下，“伤害”出现了。

在这款游戏发布后不久，来自国内科技网站的一位员工在五小时内接到了20来个 “骚扰电话”。而将其电话公布到网络上的，是微软的BingAI助手。当人们在Bing搜索中输入“黑神话悟空客服”后，这位个人员工的手机号就会出现在搜索结果里。


 


从搜索结果提供的参考信息来看，微软BingAI助手应该是抓取了该科技网站关于《黑神话·悟空》的一篇文章，并同时抓取了网站里员工的个人信息，将其标记为客服电话。

或许这就是一种“天命人”吧（不是）。

还好，目前微软Bing已经修正了搜索结果。不过说起来，在AI闯的祸里，这还算是影响不太大的。这几年因为AI而“人在家中坐，锅从天上来”的事，细数起来还真不少。


AI，你可把我害惨了


如果说AI错误地泄漏个人信息算是给人带来了尴尬和不便，那AI直接“造谣”可就在法律的边缘疯狂试探了。

有不少人就被扣上了离谱的罪名。

去年4月，澳大利亚赫本郡郡长布莱恩·胡德（Brian Hood）委托律师向OpenAI发出关注通知，意味着他可能会启动诽谤诉讼。这是因为，ChatGPT在被问到“布莱恩·胡德在Securency公司的贿赂案中扮演了什么角色？”时，它给出的答案是：布莱恩·胡德参与了行贿，并被判入狱。

但事实上，布莱恩·胡德是揭露这起贿赂案的人员之一。

以前都说“欲加之罪，何患无辞”，好歹还要找个借口。现在倒好了，AI这是直接“硬加”罪名啊。

考虑到OpenAI发布的GPT4已经删除并更新了相关内容，同时也因为跨国诉讼存在非常多的阻碍，布莱恩·胡德后续并没有提起更进一步的诽谤诉讼，生生忍下了这口气。


另一起知名的AI“乱断案”，则是ChatGPT直接给一位法学教授安上了“性骚扰”的罪名。2023年，法学教授乔纳森·特利（Jonathan Turley）收到了一位律师朋友的邮件。朋友告诉他，他的名字出现在ChatGPT列举的“对他人实施性骚扰的法律学者”名单上。

ChatGPT还给出了“性骚扰”信息的细节：特利教授在前往阿拉斯加的班级旅行时，曾发表过性暗示言论并试图触摸一名学生。ChatGPT引用了一篇并不存在的《华盛顿邮报》文章作为信息来源。

但这一切都是虚构的，特利教授甚至都没有参加过任何前往阿拉斯加的班级旅行。

特利教授之前作为媒体评论员，有时会联系媒体更正错误内容。但这一次，他甚至不知道该联系谁。

不得不说，AI在写“虚构小说”这方面还是有点天赋的。不少人也已经意识到这件事，会在使用AI生成内容后，进行详细核查。不过，要是有人偷了个懒，甚至是别有用心地使用这些虚假信息，带来的恶劣影响有时就难以预估了。

前阵子，北美地区的狮门影视公司发布了自家电影《大都会》（Megalopolis）的最新预告片，预告片中引用了不少针对本片导演弗朗西斯·科波拉的负面评价，作为“当年我拍的片你爱答不理，后来成了经典你高攀不起”的噱头。

但预告片发出后不久，人们就发现，预告片里引用的不少负面评价，竟然是凭空捏造的。


 
预告片里引用影评人说《教父》“因其艺术性而被削弱”，但那个影评人其实很喜欢《教父》，也没有给出过这样的恶评。| 预告片截图


虽然官方没有就是否使用AI生成文案进行回复，但预告片的内容实在是太像AI生成的了：不仅捏造了很多看起来很真实的虚假信息，还将真实的影评移花接木到其他的电影之中。


在事件发酵后，狮门影视公司立刻撤回了预告片并发布致歉声明，还解雇了营销顾问。


好家伙，AI代替人类工作，原来用的是这种方式啊？


AI胡编乱造的信息不仅会给企业带来损失，在被用心人利用时，还会带来更为广泛的负面影响。


特朗普上个月就在自己的社交网络Truth Social账户上，发布了一则“泰勒斯威夫特的粉丝支持特朗普”的信息，并配上了相关粉丝的照片。


 
特朗普转发了AI生成的假消息，并附言“我接受（你们的支持）” | x.com


但特朗普引用的大部分照片，都是由一位娱乐博主使用AI生成的，本身是为了进行讽刺。事实上，这位博主直接在图片里加了“SATIRE”标签，意思就是讽刺。


而特朗普无论知不知道这是反讽，行动上都将AI虚构的信息当成“事实”而传播了出去。


AI带来大量的虚假信息正在吞噬社交媒体。排除人类有意创造出的谎言，为什么AI自己也会一本正经地胡扯？这种被称为“AI幻觉”的现象，其实一直都是根植在AI底子里的东西。


这些看似偶然出现的错误，是AI带来的必然结果。


爱也幻觉，不爱也幻觉


AI幻觉这个词就是从人类的“幻觉”定义里衍生出来的，所以它的定义听起来也很好理解：AI 幻觉是AI 模型生成的不正确或具有误导性的结果。

幻觉在近年来受到这么大的关注，主要是因为大型语言模型（LLM）聊天机器人的涌现。

不过在这之前，幻觉已经出现在计算机视觉领域。在那时，幻觉并不是一个很负面的词。

2000年，计算机视觉领域的科学家西蒙·贝克（Simon Baker）与金出武雄（Takeo Kanade）发表了一篇名为“面部幻觉”（Hallucinating faces）的论文，其中提到了通过算法将低分辨率图片中的人脸转化为高分辨率，使得像素增加到16至64倍。而这些额外增加的像素，就是一种“幻觉”，一种由机器学习算法虚构出来的东西。

这其实是一种人为的幻觉，算法试图将一切输入的数据扭曲成人脸，从而完成提升分辨率的任务，这样输出的结果也是使用者希望得到的。

不过，当这种幻觉来到聊天机器人时代，输出的结果变得更加不受控。

2015年，OpenAI的联合创始人安德烈·卡帕斯（Andrej Karpathy）在其博客中，提到了当时训练循环神经网络生成了一些具有幻觉的内容：模型编造了并不存在的网页链接和数学证明，但在输出的结果上看起来可以以假乱真。


 
2015年时AI制造的代数几何“幻觉”——对不懂代数几何的人来说，这只是又一篇看不懂的天书而已。| karpathy.github.io


2015年还局限于科研圈里的小烦恼，在几年后成长为人类不得不防的大问题。


在图片领域的可以发挥创意改善画质的幻觉，来到对准确度要求更为严格的文字领域，甚至是更为专业的应用领域，造成的影响也随之变大。

除了虚假信息传播带来的问题，AI还可能因为不当的训练数据产生偏见，从而输出带有歧视性内容的信息。

应用于医疗保健方向的人工智能模型，还可能会错误地将良性皮肤病变识别为恶性，从而带来不必要的医疗干预。

看起来，幻觉好像已经成为了AI最大的问题之一。但不少人也认为，幻觉才是AI最大的特点。


有幻觉？这才是AI啊！


试想一下，如果你想问ChatGPT一个问题，为了验证它有没有胡编乱造，你也让AI给出了所有内容的参考来源。

是不是很像在用搜索引擎？

安德烈·卡帕斯在社交网络上表示，大语言模型百分百都是在做梦，存在幻觉问题。搜索引擎则完全不做梦，并且存在创造力问题。（An LLM is 100% dreaming and has the hallucination problem. A search engine is 0% dreaming and has the creativity problem.）

亚利桑那州立大学计算机科学教授苏巴拉奥·坎巴姆帕蒂（Subbarao Kambhampati）也曾表示，大语言模型是为了创造而生的，没有办法保证所生成内容的真实性，所有计算机生成的“创造力在某种程度上都是幻觉”（creativity is hallucination, to some extent）。

这也就意味着，AI本身就不是为了追求准确而设计的，它更像是一种被用来“预测”的工具，通过对数据的学习，来猜测应该输出什么样的结果。AI的“准确”，只是产生的幻觉恰好和真实世界一致罢了。

但也正因为这种类似幻觉的创造力，让AI在非事实的创造性领域显得更有帮助。人们不仅可以用AI生成不存在的物品或想法，还可以让聊天机器人根据一个话题进行发散，这都可能带来意想不到的内容。

但倘若想让它成为一个学术助理，那它最终一定会出现“学术不端”的行为。

AI是个启发者，是个创造者，唯独不会是个“老实人”。


让AI“活在当下”，还真不容易


为了限制AI的幻觉，让AI做的“梦”尽可能贴近现实世界，研究人员们也费尽了心思。


首先要确保训练数据集的质量。生成式AI模型输出的内容很大程度上依赖训练数据集的质量，低质量的数据集可能包含错误标注、缺乏代表性的数据甚至是偏见，这会导致模型预测的结果也与真实情况产生偏差，生成不合逻辑的内容。


因此，确保数据的准确性、完整性和代表性至关重要，高质量的数据集可以帮助模型更好地理解现实世界。


同时还可以引入注意力机制。当AI试图处理输入的内容时，会面对大量信息，但并非所有的信息都同等重要。注意力机制可以让模型为输入的内容分配不同的“权重”，从而更加灵活精准地聚焦于关键信息。


除此之外，还可以使用多种不同的模型进行交叉验证，以检查生成内容的真实性，确保信息在多种形式下都是一致和合理的。


当然，也有一些听起来奇怪的招数，比如说：用大模型监督大模型。今年6月，Nature刊登了来自牛津大学的研究人员的一项新研究，这项研究使用语义熵来检测大语言模型的幻觉。简单点说，就是让一个大语言模型多次回答同一个问题，并使用另一个大语言模型分析这些答案的相似性。除此之外，使用第三个大语言模型接收人类的答案，并与第二个语言模型判断的结果进行比对。


不过这种方法的局限也很明显，它主要针对的是随机生成的错误，无法处理模型因训练数据或系统性错误导致的持续性失误。也就是说，如果AI编的谎言总是同一个，这种方法就会欣然接受，不认为存在什么问题。


实在不行，还有最终的一招：人类监督。


在涉及高风险或敏感领域的应用中，靠人工审核与验证是防止幻觉带来严重问题的最终保障。同时，在AI中引入的人类反馈机制，还可以使模型从反馈中学习，逐步改进生成内容的质量，提高输出结果的准确性。


所有的AI工具都需要在“创造力”与“准确性”之间作出权衡。在如今的AI工具中，也有不少公司提供了不同的选项来约束AI的回答，比如微软的AI助手Copilot就提供了创造力、平衡和精确三种模式，以应对不同的需求。


国际电信联盟还将“可信AI”（Trustworthy AI）作为未来的一项工作不断推进。这意味着不仅要尽可能避免AI幻觉的出现，在隐私、透明性、公平性、安全性等多个方面，都需要对AI进行严格的验证。英伟达（NVIDIA）创始人兼首席执行官黄仁勋也表示，可信性会是英伟达技术的基本属性。


如今，AI已经出现在我们生活的各个方面，幻觉带来的一些影响或许还不算大，甚至可以被当作“AI离谱故事”来对待。但当AI来到更为关键的领域，如何避免幻觉也成为了巨大的挑战之一。


柏拉图在《理想国》里讲过一个著名的“洞穴隐喻”：


有些囚徒从小就被囚禁在洞穴里，他们被锁链束缚，只能面朝洞壁。洞穴外有火光照进来，在墙上投射出外界物体的影子。这些囚徒从小就生活在这样的环境中，他们认为墙上的影子就是真实的世界。


AI不是不像这些囚徒的。


它们此刻还没有真实身体，无法和真实世界直接互动，只能仰赖于人类输入的数据“火光”，去看到一些外界的投影，在梦境里猜想着真实世界的模样。


也许AI会喜欢约翰·列侬的那句歌词：“你可以说我在做梦，但我不是唯一的一个。”