网传Gemini用文心一言训练？可能谷歌也是受害者！
AI可以污染互联网，也能被互联网污染。
热闹的AI圈，今天又传出一个大瓜：谷歌Gemini的中文回答自曝自己是文心一言？
据科技媒体量子位报道，有网友爆料：在谷歌Vertex AI平台使用该模型进行中文对话时，Gemini-Pro直接表示自己是百度语言大模型。
图源 | 量子位
紧接着，微博大V@阑夕发布微博表示，在AI聚合网站Poe上进行测试时，Gemini模型同样在多次问答里把自己当成了文心一言。
为了验证，量子位分别在Peo、Bard以及谷歌AI Studio都进行了三轮测试。
最后证明：Gemini-Pro确实在中文的训练数据上使用了百度文心。
但当事情曝光之后，我们又挖掘到一些有趣的信息。
AI犯错后，谷歌紧急修复？
在阑夕以及量子位的测试里，都提到了Poe这个AI聚合网站。
这是一个由知名问答平台Quora推出的AI聊天机器人应用。
虽然名头不小，但实际上这只是一个聚合了多种主流的AI模型的网站，包含了GPT、Claude、PaLM等大厂模型，包括此次的Gemini-Pro，都能在该网站上进行免费体验。
当笔者在Poe上对Gemini-Pro进行提问后，大模型给出的答案其实并没有提到任何与文心一言相关的内容。
紧接着，笔者加上了“文心一言”的关键词进行追问后，Gemini-Pro依然否认自己与文心一言的关系。
可见，即使是“钓鱼式提问”，Gemini-Pro还是努力在避免不上当。
不过在回答里，Gemini-Pro提到了文心一言的底层模型是谷歌的Transformer模型。
而文心一言的官方表述是：百度飞桨开源深度学习平台中的基础模型库。
既然Poe的回答很正常，那么谷歌官方平台是否修复了呢？
在谷歌AI Studio里，笔者同样围绕“文心一言”关键词提了几个问题。
与量子位测试的结果进行对比来看，Gemini大模型否认了自己使用文心一言来训练中文模型。
但在答案里，Gemini提到了不少中文训练集的数据来源，并提到自己可以从ERNIE、阿里巴巴达摩院M6以及腾讯优图实验室GLM等中文语言模型中进行预训练。
由此可见，在曝光数小时后，谷歌技术人员紧急修复了这个“bug”。
不只是文心一言？
虽然按照正常流程没有钓鱼成功，但笔者还是挖到了一个彩蛋：
在Poe网站上新建一次对话后，Gemini-Pro竟然把自己介绍成“小爱同学”，回答也是非常离谱。
而在多次反问“你不是Gemini-Pro吗”后，Gemini-Pro再次给出了离谱的答案。
虽然不清楚是不是网站接口出现了问题，但可以肯定的是，目前的AI聊天机器人并没有想象地那么神奇，免费的AI聚合网站更是“图一乐”。
实际上被互联网污染了？
这不是谷歌Gemini第一次“闯祸”。
在该模型刚发布当天，就有人质疑演示视频的真实性。
结果，谷歌官方真就承认了Gemini演示视频是经特殊剪辑处理，非实时画面，但否认视频系“造假”。
事实上，为了避免现场演示翻车，绝大多数科技公司都会稍微对演示视频进行调整，这非常普遍。
但为了与GPT-4进行对比，从而进行夸大剪辑，只能说谷歌的营销手段还是“翻车”了。
而在今天爆出的“文心一言训练中文语言模型”这件事上，我们同样可以看出谷歌Gemini其实并不是有意。
对于中文数据来说，百度确实算得上一个重要来源，但缺点在于：中文互联网上存在大量低质量内容，让人眼花缭乱。
自从AI火爆之后，不少快速生成的劣质内容开始充斥互联网，并逐渐造成数据污染。
对于互联网获取数据的AI模型来说，在无法很好地辨别信息的真实性和可信度的情况下，极有可能产生造成“AI被互联网污染，再生产更劣质信息”的恶性循环，最终出现不可逆的缺陷。
这里笔者做了假设：谷歌Gemini在训练中文时“偷懒”使用了未经辨别与筛选后的中文数据，最终造成了这次“翻车”。
只能说，作为一款对标GPT-4的重磅产品，Gemini背负着“再次领跑AI浪潮”的使命，所以谷歌的技术人员还是用点心吧。
本文作者：jh，观点仅代表个人，题图源：网络