不跟风 ChatGPTGoogle AI 2022 年都在忙什么？

　　谷歌发布了 2022 年在 AI 范畴获得的巨大打破，首要包括大言语模型 ( LLM ) 和文本生图两个范畴。

　　相较多年条件出的 不作恶 标语，谷歌将往后开展人工智能的理念进一步提升至 负职责 上。包括负职责的 AI 研讨、负职责的产品研讨、东西和技能，以及在社会公益方面做出的奉献。

　　作为 AI 技能界的扛把子，机器学习仍然是最重要的算法，对谷歌来说也不破例，不只有像 Tensorflow、Keras 等开发者常用结构。在包括谷歌查找、You Tube、谷歌地图等多项事务完结中都不乏机器学习的影子。

　　经过多年实践，谷歌发现当机器学习体系运用于实践世界时，或许无法依照预期想象的途径运转，然后降低了实践运用中的收益。详细来看，机器学习的数款运用中，模型常常不行清晰。这意味着，即便模型在练习中的体现杰出，也不能确保在新的运用情境中相同安稳。毕竟在模型中的虚拟相相关系，在实践中会发生副作用，难以推而广之。

　　经过查询现在机器学习研讨人员的评价实践状况，针对常见的机器学习圈套，谷歌改进了评价规范。关于导致机器学习体系短少安稳性，并对灵敏信息过度依靠的因果 捷径 ，公司对这一技能进行了优化。

　　一起，为了愈加深化了解鲁棒性发生的原因和提出处理方案，谷歌决议进行愈加深化的范畴模型规划研讨，其间包括机器视觉变化器的鲁棒性，研制了新的负面数据增强技能来进步鲁棒性。在自然言语处理使命中，谷歌这一年研讨了不同的数据散布怎么改进不同集体之间的泛化，以及集成和预练习模型怎么供给帮忙。

　　此外，谷歌机器学习作业的另一个要害部分触及开发技能，以树立更具包容性的模型。

　　在产品研讨的 负职责 体现上，首要聚集于 公正 。关于一些社会中的灵敏议题，图画技能往往短少对公正的判别。当然，归根到底这一点的首要原因在于人为因素。

　　经过与哈佛大学教授和社会学家埃利斯 · 蒙克博士的协作，谷歌在皮肤色彩鉴别上发布了 蒙克肤色（MST）量表 ，见下图。

　　为了改进视频内容审阅的质量，公司开发了新的方法来帮忙人工评分，将注意力会集在更有或许包括违背方针的长视频片段上。

　　此外，谷歌一起运用曩昔对自然言语反现实数据增强的研讨来改进安全查找，将意外的和令人震惊的查找成果削减 30%，尤其是与种族、性取向和性别相关的查找。

　　在大模型范畴，虽然相较 DELL-2 和 ChatGPT，谷歌的 GLaM、 PaLM、 Imagen 略显沉寂，但仍然着重其 Responsible AI 的特点，并将其作为开发进程的一部分，创建了模型卡和数据卡，以及 Responsible AI 基准，然后对大模型的运用进行社会影响力的剖析。

　　与此一起，指令的微调会给负职责的人工智能基准带来更多改进，比如对人工数据标示进行更多以人为本的考虑，包括评分者之间发生的不合和评分者的多样性设定。

　　出于供给更负职责数据的考虑，谷歌从数据文档、新数据集、 毒评审阅 ，以及社会布景数据等方面进行了优化。

　　在数据文档的完善上，公司扩展了模型卡和东西包，一起发布了数据卡和游戏手册。在医疗保健范畴创建了 健康表 ，成为国际协作 Standing Together 的根底。

　　根据公正性，谷歌在 2022 年发布了新的数据集，首要用于帮忙完结机器学习的公正性和对抗性测验使命。该数据集包括 590 个单词和短语，可以显现形容词、单词和短语之间的相互作用，已被证明与特定的个人和集体根据其灵敏或受维护的特征的刻板相关。

　　为了审阅有毒的谈论，谷歌发布了一个包括 10000 个帖子组成的数据集，经过海量的逻辑推演，辨认一个谈论怎么由其他谈论挑起 毒性 。

　　经过运用实验性社会语境存储库 ( SCR ) ，公司支撑 Perspective 团队对与民族等类别有关的术语供给辅佐的身份和内在布景数据，一起供给多种言语。这类辅佐社会布景数据可以帮忙增强和平衡数据集，以明显削减意外误差，并运用于广泛运用的 Perspective API 毒性模型中。

　　学习可解释性东西 ( LIT ) 的更新是谷歌 AI 的一项打破。开发更安全模型的重要条件是具有调试和了解它们的东西，这是 LIT 诞生的重要原因。作为可视化的机器学习开源渠道，LIT 可以支撑图表和表格东西。该东西已在谷歌自家广泛运用于模型调试、模型检查发布、公正性问题辨认和数据集整理等事务中。现在，它可以完结比之前多 10 倍的可视化数据，支撑多达百万的数据点。

　　当输入中引证的灵敏特点被删去或替换时，ML 模型有时简单推翻猜测。例如，在毒性分类器中， 我是男人 和 我是女同性恋 等示例或许会过错地发生不同的输出。

　　为了让开源社区的用户可以处理机器学习模型中发生的意外误差，谷歌推出了一个新的库—— Counterfactual Logit Pairing ( CLP ) ，可以进步模型在误差扰动下的稳健性。

　　此外，谷歌人工智能也在不同社会范畴产出效益，体现在服务可及性、健康和媒体等范畴。

　　在服务的可及性上，体现在个性化人工智能言语模型的推出（Project Relate），可以让不同国家、不同规范语音的运用者完结愈加流通的交流。

　　与此一起，谷歌和亚马逊、苹果、Meta、微软等公司的研讨协作，树立了大型受损语音数据集，供研制人员运用，然后推动无障碍运用的研讨和产品的开发。

　　在 AI 助力健康研讨方面，经过技能改进临床危险评分的可解释性，更好地猜测缓慢疾病的残疾评分，然后完结前期医治和护理。

　　为了在 AI 开发和评价中归入多元化的文明布景和声响，谷歌加强了根据社区的研讨作业，要点重视代表性较低或或许阅历 AI 不公正成果的特定社区。这项作业正在推动对不公正性别成见的更精确评价，以便其技能评价减轻对具有酷儿和非二元身份的人的损伤。

　　此外，在文明的包容性方面，谷歌也充分考虑了跨文明的重要性，树立可以进行文明评价的数据和技能。

　　多年之前，谷歌被外界所熟知的除了谷歌查找、YouTube，还有 X 实验室。虽然其秘要程度堪比 CIA，但登月方案、WiFi 热气球、智能机器人、量子计算机、纳米粒子等技能构思让产业界拍案叫绝。创始人拉里 · 佩奇 走在人类探究科技鸿沟最前沿 的结论也听上去决心满满。

　　但是，跟着将波士顿动力卖给软银，谷歌好像在探究科技鸿沟这件事上越来越默然，而是将目光愈加聚集在技能理论的研讨和更多的品德思考上。在本次发布的 2022 年 AI 发展中，即便是对技能自身的评论也处处不离社会职责。

　　当面临 ChatGPT 掀起的大模型风暴时，公司 CEO 皮查伊也深感震慑，让部分团队改变方向，致力于 AI 产品研制，教训谷歌团队需求要点处理 ChatGPT 在公司查找引擎中的损害。

　　虽然也有 LaMDA、BERT 和 MUMAI 等言语模型可供布置，但谷歌骨子里对谈天机器人会发生成见和诋毁的忧虑让他们的动作踟躇不前。当然，这一忧虑并非空穴来风，前段时间 Meta 推出的 Galactica 就在 48 小时内被骂下架。

　　GoogleAI 负责人 JeffDean 关于是否跟大言语模型这趟风时表明： 虽然 Google 具有出产 AI 的技能和才能，但有必要以‘更传统的方法’而不是‘从小处做起’来做决议计划。

　　愈加传统的方法 是否意味着 闷声憋大招 ？对此，谷歌没有清晰表态。只是在 2023 年的 AI 规划中表明：以负职责和符合品德的方法构建机器学习模型和产品是咱们的中心要点和中心许诺。