網傳Gemini用文心一言訓練？可能谷歌也是受害者！

AI可以污染互聯網，也能被互聯網污染。

熱鬧的AI圈，今天又傳出一個大瓜：谷歌Gemini的中文回答自曝自己是文心一言？

據科技媒體量子位報道，有網友爆料：在谷歌Vertex AI平臺使用該模型進行中文對話時，Gemini-Pro直接表示自己是百度語言大模型。

圖源 | 量子位

緊接著，微博大V@闌夕發布微博表示，在AI聚合網站Poe上進行測試時，Gemini模型同樣在多次問答里把自己當成了文心一言。

為了驗證，量子位分別在Peo、Bard以及谷歌AI Studio都進行了三輪測試。

最后證明：Gemini-Pro確實在中文的訓練數據上使用了百度文心。

但當事情曝光之后，我們又挖掘到一些有趣的信息。

AI犯錯后，谷歌緊急修復？

在闌夕以及量子位的測試里，都提到了Poe這個AI聚合網站。

這是一個由知名問答平臺Quora推出的AI聊天機器人應用。

雖然名頭不小，但實際上這只是一個聚合了多種主流的AI模型的網站，包含了GPT、Claude、PaLM等大廠模型，包括此次的Gemini-Pro，都能在該網站上進行免費體驗。

當筆者在Poe上對Gemini-Pro進行提問后，大模型給出的答案其實并沒有提到任何與文心一言相關的內容。

緊接著，筆者加上了“文心一言”的關鍵詞進行追問后，Gemini-Pro依然否認自己與文心一言的關系。

可見，即使是“釣魚式提問”，Gemini-Pro還是努力在避免不上當。

不過在回答里，Gemini-Pro提到了文心一言的底層模型是谷歌的Transformer模型。

而文心一言的官方表述是：百度飛槳開源深度學習平臺中的基礎模型庫。

既然Poe的回答很正常，那么谷歌官方平臺是否修復了呢？

在谷歌AI Studio里，筆者同樣圍繞“文心一言”關鍵詞提了幾個問題。

與量子位測試的結果進行對比來看，Gemini大模型否認了自己使用文心一言來訓練中文模型。

但在答案里，Gemini提到了不少中文訓練集的數據來源，并提到自己可以從ERNIE、阿里巴巴達摩院M6以及騰訊優圖實驗室GLM等中文語言模型中進行預訓練。

由此可見，在曝光數小時后，谷歌技術人員緊急修復了這個“bug”。

不只是文心一言？

雖然按照正常流程沒有釣魚成功，但筆者還是挖到了一個彩蛋：

在Poe網站上新建一次對話后，Gemini-Pro竟然把自己介紹成“小愛同學”，回答也是非常離譜。

而在多次反問“你不是Gemini-Pro嗎”后，Gemini-Pro再次給出了離譜的答案。

雖然不清楚是不是網站接口出現了問題，但可以肯定的是，目前的AI聊天機器人并沒有想象地那么神奇，免費的AI聚合網站更是“圖一樂”。

實際上被互聯網污染了？

這不是谷歌Gemini第一次“闖禍”。

在該模型剛發布當天，就有人質疑演示視頻的真實性。

結果，谷歌官方真就承認了Gemini演示視頻是經特殊剪輯處理，非實時畫面，但否認視頻系“造假”。

事實上，為了避免現場演示翻車，絕大多數科技公司都會稍微對演示視頻進行調整，這非常普遍。

但為了與GPT-4進行對比，從而進行夸大剪輯，只能說谷歌的營銷手段還是“翻車”了。

而在今天爆出的“文心一言訓練中文語言模型”這件事上，我們同樣可以看出谷歌Gemini其實并不是有意。

對于中文數據來說，百度確實算得上一個重要來源，但缺點在于：中文互聯網上存在大量低質量內容，讓人眼花繚亂。

自從AI火爆之后，不少快速生成的劣質內容開始充斥互聯網，并逐漸造成數據污染。

對于互聯網獲取數據的AI模型來說，在無法很好地辨別信息的真實性和可信度的情況下，極有可能產生造成“AI被互聯網污染，再生產更劣質信息”的惡性循環，最終出現不可逆的缺陷。

這里筆者做了假設：谷歌Gemini在訓練中文時“偷懶”使用了未經辨別與篩選后的中文數據，最終造成了這次“翻車”。

只能說，作為一款對標GPT-4的重磅產品，Gemini背負著“再次領跑AI浪潮”的使命，所以谷歌的技術人員還是用點心吧。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！