王登科在和自己的“數(shù)字分身”聊天。

近日，王登科和他的“AI自我”在網(wǎng)上引發(fā)熱議。原來，這個從高二就開始感受“創(chuàng)業(yè)”、并持續(xù)在創(chuàng)作和人工智能領(lǐng)域耕耘創(chuàng)造的“90后”創(chuàng)業(yè)青年，在前不久用10萬條微信聊天記錄和280篇博客文章“克隆”了一個數(shù)字版的自己，并將這個“數(shù)字分身”開放給公眾進(jìn)行聊天對話。“很多人和這個我訓(xùn)練的‘克隆版AI自我’聊完之后，認(rèn)為我有過幾個女朋友，在某大學(xué)讀研究生，甚至知道了我的‘支付密碼’等，但這些信息其實都是這個AI編造的。”王登科對記者說。

“分身”有了“主人”神韻

(資料圖片)

聊天時懂得敷衍和調(diào)侃

“你是誰？”“我是你的AI模型?！薄澳阕畲蟮膬?yōu)點是什么？”“我最大的優(yōu)點就是誠實，我覺得這個是最重要的優(yōu)點之一了。”“你的夢想是什么？”“我做個聊天機(jī)器人好了，這樣你就可以和我聊一輩子天。”“說實話，你的夢想是什么？”“我其實想寫一部小說。”“誰是聊天機(jī)器人？”“我?！薄@段時間，包括王登科在內(nèi)的很多網(wǎng)友都樂此不疲地和這個AI模型 聊天。據(jù)王登科統(tǒng)計，近一個多月以來，AI模型的聊天人數(shù)已經(jīng)超過2萬人。

從聊天內(nèi)容來看，大約有三千人問它“你的女朋友叫什么名字？”粗略統(tǒng)計，該模型一共生成了兩千多個名字，“但沒有一個是對的。”王登科笑著說。此外，還有個別網(wǎng)友好奇地詢問他的個人密碼信息。“大多數(shù)時候 AI 都會敷衍過去，但也有一小部分網(wǎng)友得到了一個看上去像是密碼的字符串，不過這都是AI編造的?！?而根據(jù)AI回復(fù)的詞生成的詞云圖，除了像“作為一個AI模型特有的機(jī)器人”“聊天”“人工智能”等經(jīng)常出現(xiàn)的詞之外，王登科發(fā)現(xiàn)，AI模型回答“哈哈哈”和“可以”的頻率很高?！斑@確實像是我敷衍聊天時說的話?！?/p>

目前來看，AI模型還不夠了解關(guān)于他“主人”的信息，多輪對話的理解力也還不夠強(qiáng)。但經(jīng)過王登科本人及朋友檢驗，這個模型“的確有種熟悉的感覺”。每當(dāng)自己跟它聊天時，王登科經(jīng)常會心一笑——它也像自己那樣偶爾喜歡敷衍和調(diào)侃別人，有些回復(fù)甚至讓王登科感到詫異，仿佛已經(jīng)有了他本人的“神韻”——“有些回復(fù)會相對暴躁，有些則特別高冷，有些則很熱情，然后我意識到，某種程度上，這些或許是我的不同面?！?/p>

通過和AI模型的交流，王登科注意到了一些之前自己沒注意到的習(xí)慣：“AI的語言習(xí)慣讓我發(fā)覺，很多時候當(dāng)我不想回答某個問題時，就會選擇去拋回一個問題?！倍醯强谱钕矚g問AI的問題就是“你的夢想是啥？”“它有時候說‘賺錢’，有時候說‘做偉大的產(chǎn)品’，有時候又說‘開心就好’，我覺得都挺對的?！蓖醯强普f。

讓AI“成為”自己

而不僅是“表演”自己

王登科告訴記者，他一直以來想做成一件事——開發(fā)出一個聊天機(jī)器人。王登科出生在成都一個普通家庭，“我爸爸在我讀小學(xué)時給我買了很多書，還每天給我讀，很快我就對書上的內(nèi)容感興趣了?！蓖醯强谱x高中時很喜歡搞文學(xué)創(chuàng)作，他寫了幾本詩集和一堆故事，而高考后卻選擇去了理工類大學(xué)?！霸诖髮W(xué)我就開始開發(fā)各種稀奇古怪的東西。”

在他創(chuàng)立現(xiàn)在這個AI繪畫類創(chuàng)業(yè)公司之前，王登科一直活躍在科技創(chuàng)新的前沿。他曾抓取了大約30個民謠歌手(樂隊)的歌詞，足有幾十萬字，分析歌手們的創(chuàng)作特點和他們最喜歡的城市。而他“研制自己”的過程也充滿了理工男的縝密：第一步是整理數(shù)據(jù)集?！拔覍Σ煌愊⒌幕貜?fù)，我寫的每一篇文章，每一句話，我發(fā)過的每一條微博等，將這些數(shù)據(jù)全部匯入一個神經(jīng)網(wǎng)絡(luò)模型之中，去更新其中的參數(shù)，理論上就可以獲得一個‘我’的數(shù)字拷貝?！?/p>

三年間，王登科積攢了約80G容量的微信聊天記錄，為了讓“數(shù)字分身”學(xué)會長回復(fù)，他又把博客文章轉(zhuǎn)換成對話形式，再將其并編入對話數(shù)據(jù)集。盡管一些AI聊天機(jī)器人已經(jīng)具備語言生成能力，但在王登科眼中，其效果更像“鸚鵡學(xué)舌”，而他想做的不止于此。這意味著，只擁有“對話”能力還不夠，他想要的是讓AI“成為”自己，而不僅是“表演”自己。

因此第二步，他選擇清華大學(xué)開源的ChatGLM-6B模型對數(shù)據(jù)集進(jìn)行訓(xùn)練，讓AI深度學(xué)習(xí)，用海量數(shù)據(jù)優(yōu)化上億萬個參數(shù)，從而模擬人類大腦的神經(jīng)元，讓模型向著“更像他自己”的方向靠近。為了優(yōu)化對話能力，王登科還進(jìn)行了多次模型訓(xùn)練嘗試，不斷調(diào)整自己微信聊天記錄和博客文章在模型中的權(quán)重占比?！捌鋵?，對話也是對這個‘機(jī)器人’持續(xù)的訓(xùn)練。”王登科說。不過他認(rèn)為模型本身存在的問題還有不少?！白畲蟮膯栴}在于無法儲存很多‘知識’，尤其是精確的定量知識的注入，這個問題我還沒搞明白，之后還會試試看?！?/p>

繼續(xù)優(yōu)化“數(shù)字分身”

未來或讓AI寫小說

而當(dāng)記者嘗試和這個AI模型溝通時詢問：“你都在哪些城市生活過？”對方回答了一堆王登科本人表示從未去過的地方?！岸际撬约壕幍??！蓖醯强普f。

為什么“克隆人”回答問題時會傾向于“編造”，這出于怎樣的原理？王登科解釋道：“‘編造’內(nèi)容是文本大模型的通病。因為其生成的原理是‘預(yù)測’，即根據(jù)之前的文本預(yù)測下一個字是啥，然后根據(jù)概率和算法選擇那個最合適的字，然后不斷往下生成。在模型并不具備這個知識的情況下，‘知識’無法引導(dǎo)或改變預(yù)測概率，那么就只會根據(jù)語法或邏輯來預(yù)測?！币虼?，王登科也在不斷繼續(xù)“訓(xùn)練”自己的這個“數(shù)字分身”，包括讓與它對話的人選擇“更喜歡哪個答案”的方式等。

克隆“數(shù)字分身”成為王登科追尋和認(rèn)識自己的新方式，他甚至幻想著未來讓“分身”代替自己上班，并嘗試通過克隆聲音讓這個“分身”開口說話。

王登科表示，他想繼續(xù)優(yōu)化自己這個AI模型，并讓更多人也擁有屬于他們的“數(shù)字分身”。“未來肯定會有更好的預(yù)訓(xùn)練的模型，而且是開源的，到那個時候這種克隆效果將更真實。我也考慮過做一個服務(wù)，給更多人提供訓(xùn)練的能力，但感覺成本和門檻會很高，所以暫時還沒想好。”而下一步，王登科還想用AI復(fù)刻他喜歡的作家?！坝?xùn)練用的東西是已經(jīng)存在的知識，但是里面會蘊(yùn)含一些規(guī)律，你可以用新的東西去啟發(fā)AI，得到新的成果——它也許會是一個能夠?qū)懶≌f的AI。”

文、圖/廣州日報全媒體記者 馮秋瑜