一台强大的机器，正通过 100+ 语言接入全人类公开知识
当 AI 通过 Bing 获得近实时、多语言、全网公开知识访问能力后，真正需要被认真讨论的已不只是技术表现，而是社会适应能力。
本文写于2023年，部分内容可能已发生变化。
昨天看完微软关于新 Bing的发布后，我脑中一直反复出现一个念头：
现在，一台强大的机器已经能够通过 100 多种语言访问全人类公开知识，并且借助 Bing 搜索接入实时或近实时的新信息。
过去 ChatGPT 在搜索场景的三大障碍——无法有效索引非文本内容、缺乏实时数据、难以判断来源权威性——在 Bing 集成后几乎都被补齐了（详细分析在这篇）。
微软负责 Responsible AI 的 Sarah Bird 在这个视频里介绍了他们如何降低系统被滥用的风险，示例包括“规划攻击”这类高风险对话。
之所以要做这些工作，是因为机器一旦接入全球知识，给出的答案会比更早版本（例如早期 ChatGPT）复杂和强大得多。
她提到微软开发了一套新的测试机制，用于提升 Bing 在潜在有害对话上的处理能力。
这套机制会使用“对话模拟器”与模型进行成千上万轮不同对话，再把结果用于识别系统缺口并持续修补，方法包括：
- 结合语言学家的规则和指南
- 与人工专家迭代
- 自动分类对话风险类型
由于这个流程可以重复到百万级甚至更高轮次，它在 Responsible AI 风险缓解与测试覆盖上带来了明显进展。
我认为 Bing 与 OpenAI 集成的影响会非常深远，而且很多效应尚未真正显现。
坦白说，这件事既让人兴奋，也让人有点不安。
考虑到机器学习的特性，系统会持续变得更聪明，而且速度很快（它不需要睡觉、休息、吃饭）。社会层面的影响可能很大，尤其对资源有限的发展中国家。
我在越南长大，所以会反复想这些问题：
- 有多少岗位会被替代？
- 有多少人需要再培训？
- 再培训资源从哪里来？
- 当事人是否愿意学习新技能？
比如，是否可以这样做：
- 微软推出系统化在线课程，教大众如何使用“Bing + OpenAI”。
- 我自己连续用了 ChatGPT、Bearly（以及其他 GPT-3 系应用）一段时间后，依然每天在学习如何把系统用得更好。
- 多轮提示词提供具体上下文非常关键。你给 AI 助手/Copilot 的上下文越完整，它执行任务越稳定。
- 比如我昨天才学到：在提示词末尾加一句“Do you understand me?”，让模型先复述它理解到的任务。
- 我几周前也学到：开场就先声明目标受众，会明显提升输出相关性。比如说明“回答对象是美国外派人士”。
- 然后利用机器把课程翻译成尽可能多语言。
- 把课程直接嵌入 Bing 界面里，降低学习门槛，让更多人可用。
我希望负责这项技术的人们有一套足够好的全球可及性计划，让不同国家都能参与、讨论、辩论，而不是只有少数地区受益。
我在这个议题上仍是学习者，也不假装自己有标准答案。但我认为，现在就开始认真思考这些问题，非常重要。
你怎么看？AI 会扩大还是缩小发达国家和发展中国家之间的差距？欢迎分享你的视角。
致敬，
Chandler
