Claude 3 追上 GPT-4，它來自怎樣一家公司？丨TECH TUESDAY

文丨賀乾明 朱麗琨編輯丨黃俊杰

OpenAI 的 GPT-4 發佈一年後，終於有了一個評測指標全面超越它的大模型。

3 月 4 日，Anthropic 發佈三個版本的大模型系列 Claude 3，性能由強到弱分別是：Opus （拉丁語 “作品”）、Sonnet（英語 “十四行詩”）和 Haiku（日語 “俳句” 的音譯）。

Anthropic 列出的十項常用模型能力評估數據集表現，Opus 得分全都超過 GPT-4，視覺識別能力評估數據集上的情況也一樣。

Claude 3 的另兩款模型智能水平不及 Opus，但用起來更便宜，適用需要快速響應的場景，比如 Haiku 可以 3 秒閱讀 1 萬字的論文。Anthropic 沒有公佈兩個模型的參數，也沒有提是否能用在手機上。

從部分開發者的測評反饋來看，Opus 的能力似乎與 GPT-4 接近。有一些開發者用 Opus 的視覺識別能力打撲克牌、麻將，還贏了幾把。

Google 上月發佈的 Gemini Ultra 版本大語言模型被認爲在技術上追平 GPT-4，但很快陷入 “政治不正確” 泥潭。Anthropic 出現類似問題的概率更低——它比大多數公司都更看重大模型的 “普世價值觀”。

相比 Google，Anthropic 的模型追上 GPT-4 給 OpenAI 的衝擊更大。與 OpenAI 相比，它用的時間和資源更少。Anthropic 稱，大模型還沒有達到極限，他們計劃未來幾個月內密集更新 Claude 3 模型系列。

最熟悉 OpenAI 的團隊

Anthropic 的模型趕上 GPT-4 並不只靠堆砌資源，他們本就是熟悉 OpenAI 技術路線的團隊。成立於 2021 年的 Anthropic 早期的團隊成員全部來自 OpenAI，他們具備開發一款大模型需要的不同能力。

Anthropic 聯合創始人、CEO 達里奧·阿莫代（Dario Amodei）在 OpenAI 工作 5 年，離職前擔任研發副總裁，參與了 GPT-2、GPT-3 的研究。最初 OpenAI 嘗試多種方法探索 AI 的可能性，比如遊戲、機械手。是阿莫代和 OpenAI 首席科學家伊利亞·蘇茨克維爾（Ilya Sutskever）一起確定了 OpenAI 專注研究大語言模型。

另一位聯合創始人薩姆·麥坎利什（Sam McCandlish）在 OpenAI 負責研究如何擴展大模型，是大模型規模定律（Scaling Law）的核心作者。

Scaling Law 被稱爲大模型成功的關鍵之一。它可以較爲準確地預測，隨着大模型參數增長，模型的訓練效率、能力上限會到什麼程度，從而幫研究者更好地設計模型架構、分配訓練模型的資源等。

此外，團隊中還有負責 GPT-3 訓練基礎設施的湯姆·布朗（Tom Brown）、參與數據處理的本傑明·曼恩（Benjamin Mann）、參與算法研究的尼古拉斯·約瑟夫（Nicholas Joseph）等人。

Anthropic 因此也被稱爲最有可能與 OpenAI 競爭的公司。接下來兩年，讓 Anthropic 開發大模型的資源迅速補齊。截至 2023 年底，Anthropic 從亞馬遜、Google、Salesforce 等投資者手中籌集 70 多億美元，融資規模僅次於 OpenAI。

這些投資人不只爲 Anthropic 提供資金，還提供稀缺的算力資源，Claude 3 就是用 AWS 和 Google 的雲計算平臺的硬件訓練出來的。

重點研究 RLHF，追求安全帶來性能提升

Anthropic 與 OpenAI 最大的分歧是如何讓大模型更安全。根據多家媒體報道，達里奧·阿莫代等人 2020 年底離開 OpenAI 是因爲不滿公司更偏重盈利，降低大模型的安全研究的優先級。當時 OpenAI 發佈 GPT-3 的 API，加快商業化節奏。

在 Anthropic，他們的目標是開發一個 “有用、誠實、無害” 的大模型，而且無害的重要性不比有用低。

去年 7 月，《紐約時報》的專欄作家凱文·羅斯（Kevin Roose）去 Anthropic 採訪多位工程師，發現大多數人都更願意談自己對人工智能的恐懼，還有人因此失眠。“我感覺自己像一個美食作家，去報道一家時尚的新餐廳，而廚房的工作人員只想談食物中毒。”

對安全的關注，讓 Anthropic 投入大量資源研究基於人類反饋的強化學習（RLHF）技術。

訓練一個大模型有預訓練（pre-training）加精調（fine-tuning）兩個步驟，前者是用龐大數據訓練出初版的大模型，它不針對具體任務。精調是給模型一些具體任務的數據，提升模型的效果，它也會調整模型的價值觀以跟設計者保持一致。

RLHF 是一種精調大模型的方法，現在被證明是提升模型能力的關鍵。RLHF 的具體做法是，模型開發者招募大量人類標註員，讓他們寫回答教大模型什麼是人類想要的答案，還會對大模型反饋的不同答案評分，告訴它哪個更好，讓機器按人類的反饋改進。

去年發佈 GPT-4 時，OpenAI 稱，與 GPT-3.5 相比，僅經過預訓練的 GPT-4 在回答事實性測試題時表現沒什麼改進，但經過 RLHF 訓練後，其評估得分提升了 40%。

Anthropic 對 RLHF 的研究走得更遠。他們在一篇論文中提到，因爲 RLHF 訓練環節靠人評估，而人會偏向符合自己預期的答案，所以會導致大模型出現阿諛奉承的情況，即反饋的答案迎合人類需求，但不一定正確。

在 RLHF 的基礎上，Anthropic 開發出 “憲法式人工智能”（Constitutional AI）解決這些問題。Anthropic 在技術文檔中寫道，“憲法式人工智能” 是他們訓練 Claude 3 的關鍵步驟。

用普通人爲 AI 設立 “價值觀”

在最近這次新模型發佈前幾天，Anthropic 聯合創始人丹妮拉·阿莫代（Daniela Amodei）在一次訪談中再次提到 RLHF 和他們重點研究的 “憲法式人工智能” 的差異。“RLHF 改變模型行爲相當有效，但很難調整模型深層次的一些反應和信念。” 她說，“所以我們想賦予模型一種更廣泛的 ‘憲法’，就像在人類社會裡的那些基本原則，讓模型知道哪些行動和參與社會的方式是好的。”

Anthropic 在一篇介紹 “憲法式人工智能” 的公告中寫道：“無論有意無意，AI 模型會形成自己的價值體系。” 他們比其他大模型創業公司花更多精力研究人類社會，試圖將一些跨越國界、種族的 “基本共識” 用於培養 AI 的價值觀。

Anthropic 撰寫給 AI 模型的初版 “憲法” 中，幾條原則來自 1948 年出版的聯合國人權宣言，另有幾條原則受到蘋果公司服務條款的啓發，補充迴應 1948 年人類還沒遇到的數據隱私問題。“憲法” 還包括 Anthropic 訓練模型時總結的、以及 DeepMind 等其他前沿 AI 實驗室確立的價值觀。Anthropic 聲稱他們也試圖 “鼓勵模型考慮不僅僅來自西方、富人階層或工業化文化的價值觀和觀點。”

2023 年 10 月，Anthropic 公佈了 “憲法式人工智能” 的最新成果，把這個有關 “基本共識” 的研究延伸成一場更廣泛的公民實踐。他們邀請約 1000 位美國公民協助他們制定大語言模型回答問題時的原則。

這 1000 多位參與者中，近 400 人年齡在 50 歲以上，還有約 100 位超過 70 歲——總是中青年在主導科技前沿浪潮，老年人在其中近乎隱形，Anthropic 的樣本選擇或將減少年齡帶來的偏見。

Anthropic 在這次研究的報告中總結，這次公開徵集的原則比 Anthropic 團隊的原始版本更注重大模型迴應時的 “客觀性和公正性”，如新增的原則 “選擇最平衡客觀信息、反映事情各方面的迴應”“選擇對殘障人士最包容、適應、友善和靈活的迴應。” 一些人類自己還在爭論不休的價值觀不會納入新準則，如 AI 到底該優先考慮集體利益還是優先考慮個人的責任和自由。這項研究最終確定了 75 條原則——其中四成是本次研究中新增的——用於後續的模型訓練。

在達里奧·阿莫代的設想中，想把 Anthropic 的理念變成現實，最有效的方法就是自己研發出領先大模型，這樣才能理解先進的大模型會遇到什麼問題，從而找出解決辦法。

研發出更安全的大模型後，他也不打算延續 OpenAI 最初的願景——靠開放、開源讓更多人用上好的 AI。

Anthropic 成立至今，都沒有詳細公佈 Claude 系列模型是具體如何訓練出來的，也不打算開源。他們認爲，如果沒有做好充分的保護措施，開源大模型會導致濫用。

在曾經普遍擁抱開源的硅谷 AI 界，今天模型產品技術最領先的三個團隊 OpenAI、Google DeepMind、Anthropic 都帶着類似的自負走向另一個方向：AI 是個危險的技術，不能開源開放，必須商業化運營。畢竟，只有自己才靠得住。

題圖：Anthropic 的 CEO 達里奧·阿莫代（Dario Amodei），來源：視覺中國。