【ChatGPT】生成型AI文章4大特點 拆解背後運作原理 以概率選字 對錯不懂分
【明報專訊】人工智能聊天機械人ChatGPT的語言能力令大眾驚訝，你會否擔心無法識別由AI產生的內容？近來學術界大多的討論落於老師和反抄襲軟件能否接招，在功課中找出ChatGPT的蹤影。記者親身測試目前熱門AI偵測工具的效果，並由科大計算機科學與工程學系教授De Kai（吳德愷）拆解背後的運作原理。
AI文章有特點
ChatGPT成為熱話，少不免有學生會用來做功課，有老師嘗試以人類的智慧作出判斷。中大新聞與傳播學院助理教授方可成近日便識破一名學生用ChatGPT做功課，並總括出包括ChatGPT在內的生成型AI產出的文章有以下特點：
1）語氣聽上去非常權威可信，但給出的信息經不起核查；
2）擅長總結評價，但故事和細節欠奉；
3）用不同的詞語重複資料；
4）幾乎沒有任何拼寫和語法錯誤。
該名學生後來承認使用ChatGPT找資料，但強調文章是由自己撰寫。由於大學當時未禁止使用，方可成最終根據文章的質素給予低分。ChatGPT看似強大，但從事AI研究多年的De Kai認為，人類至今仍然有能力辨別與ChatGPT及真人進行的對話，所以並未通過圖靈測試（Turing test ）。圖靈測試是指測試者在看不到對方的情况下，分別向人類及機器提問。若經過若干問答後不能區分兩者，則電腦會通過圖靈測試。
要分辨AI生成內容不一定只靠人類大腦，自從ChatGPT去年問世，學術機構、企業及個人積極研發偵測AI的工具。De Kai形容是展開了「貓捉老鼠的遊戲」（Cat and mouse game），一方嘗試提出以AI方式偵測內容是否由ChatGPT產出，而另一方、ChatGPT的研發者很快會說：「我可以騙過它，只需要稍稍修改演算法。」這正是簡化版的機器學習技巧（machine learning），類似「生成對抗網絡」（Generative Adversarial Networks，GANs）的邏輯，以AI鬥AI，推動兩個系統都變得愈來愈強。
偵測工具測得準？
記者嘗試使用網上3款AI偵測工具，看看能否分辨由ChatGPT及De Kai生成的文本（見表）。AI分類器（AI classifier）是由開發ChatGPT的人工智能公司Open AI研發，於今年1月底公開讓大眾免費使用。Open AI強調分類器並不完全可靠，在測試中只能正確識別26%的AI編寫文本，同時錯誤將9%人類編寫文本標記為AI編寫。記者今次測試的結果又如何呢？分類器會把文本分為5級，包括非常不可能、不可能、不清楚、可能及很可能由AI生成。記者輸入ChatGPT生成文本後得出「可能由AI生成」（possibly），而De Kai的答案則列為「不清楚是否由AI生成」（unclear），僅獲評為第三級。
OpenAI的官方網頁指出，研發人員收集大量相信由人類編寫的文本，將其分類為提示訊息（prompt）和回應（response），再利用其他語言模型就提示訊息生成AI的回應。分類器透過同樣主題下的人類文本和AI文本，訓練判斷能力。系統的誤報率刻意維持在較低水平，只有在非常有信心時才會標記為可能由AI編寫。此外，分類器在非英語及字數少（少於1000字）的文本中非常不可靠，亦不能靠它辨認極易預測的文本，例如列出首1000個質數，因為正確答案永遠一致。
AI句子傾向統一整齊
另一個偵測工具「GPTZero」由美國普林斯頓大學四年級生Edward Tian開發，現有超過100萬用戶。系統會為文本的困惑度（perplexity）和突發性（burstiness）評分，De Kai的答案分別獲86.3及74.6分，ChatGPT的答案則獲34.1及23.7分。分數高下立見，GPTZero亦正確將之歸類為人類產出及AI產出。
Edward Tian在Twitter解釋，「困惑度」量度文本對於AI來說有多隨機，數值愈低表示AI對文本非常「熟悉」，換言之更可能是由AI生成；而「突發性」是指人類使用的句子結構變化，AI產生的句子傾向統一整齊，得出的數值會較低。
點解有時九唔搭八？
另一個偵測AI文字的方法是找出「水印」（watermark）。根據報道，OpenAI正在研究為ChatGPT產出的內容加入特殊字眼，即是水印。若想了解其原理，我們要先明白ChatGPT等大型語言模型如何運作。本報去年6月曾專訪De Kai，當時他提到LaMDA與GPT這些語言模型，是從海量數據中選出最有可能切合該語境的答案。今次再度受訪，他詳細解釋語言模型為何可以模仿人類說話。「如果有人說話途中突然停頓，其實很容易預測到下一個……（It’s generally pretty predictable what the next……）」De Kai即場玩起接龍遊戲，你又接唔接到落去？訪問時記者用了幾秒反應過來，然後順利接着說「word 詞」、「is 是」。完整句子是：「It’s generally pretty predictable what the next “word is”. （如果有人說話途中突然停頓，很容易預測下一個『詞是什麼』。）」
人類說話重複又重複
人類語言的確容易預測。「語言模型表現得出奇地好，是因為人類是如此重複和缺乏想像力。我們喜歡認為自己有自由意志、創造力，現實是99%的時間，人們只是在重複別人說過的話。」即使人類的詞彙量大約有10萬至100萬個，但研究發現，你會說出的下一個詞語平均只會有少於兩個選擇。換言之，準確預測的概率並非百萬分之一，而是二分之一。
你可能會問：我並沒有叫ChatGPT接龍，而是提出完整的問題，ChatGPT都答得有紋有路喎。「不，ChatGPT甚至沒有想：『哦，這是一個問題。』它只是問：『最有可能的下一個詞是什麼？』」De Kai強調ChatGPT並沒有信念系統（Belief system），不明白自己在說什麼，亦不懂得分辨正確與錯誤的內容，所以有時連簡單的事實問題都會答錯。
相關閲讀：【西九文化區】西九表演藝術季 結合科技及創新元素 粵劇引入AI程式操作機械人 大型戶外光影裝置體驗北極光
加「水印」調整詞組概率
ChatGPT是以網上資料作為訓練數據，所以它選字的概率會反映人們在該語境下最可能說什麼，亦即是主流意見。不過，由於網上涉及政治、具爭議的議題，可能有相當兩極的意見，De Kai指出ChatGPT在這些內容上更容易出現不準確性。為免爭議，工程師會在系統加入限制或加權。De Kai介紹兩種做法，其一是先過濾訓練數據，使ChatGPT在學習時永遠不會看到有爭議內容；另外亦可在ChatGPT回答用戶前，運行一些安全模塊，阻止不合適或有爭議的內容輸出至用家的屏幕。
語言模型本來是透過分析大量文本，選出最高概率會出現的詞語，但工程師可以故意調整概率以影響選字，亦即是採用水印作偵測工具的原理。美國馬里蘭大學（University of Maryland）的研究人員早前發表文章，提出水印檢測法：在語言模型生成單詞之前，選擇一組隨機的綠色語言標記（green tokens），然後溫和地鼓勵模型從中採用。檢測工具若事先知道特殊列表，就能區分AI生成的文本和人寫的文本，即使在短至25個語言標記的句子都可應用。研究人員認為水印檢測法可以公開讓第三方如社交平台使用，亦可以在語言模型系統中保密地運行。
加入水印對於開發者有什麼好處？De Kai說，從OpenAI的角度，水印可以識別ChatGPT的產物，防止有人當成由自己產出。不過此方法有限制，因為若將ChatGPT的產物加工，放進第二、第三個系統，最終的文本便會愈來愈難看出原先水印，難以辨認。
研減訓練數據量
「這種貓捉老鼠的遊戲將持續一段時間。就個人而言，我認為不久之後，它就不可能被發現了。」此時此刻，De Kai仍然認為ChatGPT非常愚笨，因為它需要取得大量的數據才能運作，「實際上是非常非常低效的學習者（slow learner）」。未來的研發方向會否向語言模型灌輸更多數據？De Kai說其中一部分會走這條路，但亦有人正研究如何大幅降低所需的數據量，訓練出同等智能水平的AI。另一方面，如前文提及目前ChatGPT並不能辨別對錯，所以研究將會在於結合信念系統（Belief system）及語言模型，令AI更加智能。
文˙ 朱令筠
{ 圖 } 網上圖片
{ 美術 } 張欲琪
{ 編輯 } 利永倫
