AI 脑袋装什么？Google DeepMind 新研究打开黑盒子
人工智能虽在药物研发、机器人技术等领域带来重大突破，但其运作原理一直是个谜。Google DeepMind 最新研发的技术，终于让我们有机会一窥 AI 思维的奥秘。
解开 AI 黑盒子之谜Google DeepMind 机械可解释性（mechanistic interpretability）研究团队于今年七月底推出「Gemma Scope」工具，让研究人员得以观察 AI 运算过程中的内部机制。该团队负责人 Neel Nanda 表示：「我们希望能透视模型内部，了解它是否存在欺骗性行为。观察模型的思维方式应该会有所帮助。」
创新技术：稀疏自动编码器研究团队运用了一种称为「稀疏自动编码器」（sparse autoencoder）的技术，犹如显微镜般深入观察 AI 模型的各个层级。举例来说，当用户向 Gemma 询问吉娃娃相关问题时，系统会自动触发「狗」这个特征，展现模型对「狗」的认知。
实际应用与突破Neuronpedia 平台与 DeepMind 合作，推出了 Gemma Scope 的交互展示版本。用户可以测试不同提示词，观察模型如何解析消息并产生回应。有趣的是，若将「狗」的特征值调高，即使询问美国总统相关问题，模型也会不自觉地将狗的话题编织进回答中。
Neuronpedia 科学主管 Joseph Bloom 分享了一个有趣发现：「我最喜欢的是『尴尬』特征，它经常出现在对文本和电影的负面评论中，充分展现了人性化的判断。」
应用前景与挑战这项技术的应用前景相当广泛：
性别偏见消除：研究人员已成功识别并关闭 AI 模型中与特定性别关联的职业偏见。 错误修正：研究人员发现 AI 在比较数字「9.11」和「9.8」时产生错误，是因为触发了与《圣经》章节和九一一事件相关的知识节点。了解原因后，他们得以调整模型参数，让 AI 做出正确判断。 安全管控：这项技术有望帮助开发者更精确地控制 AI 的知识范围，预防潜在的危险内容输出。然而，Neuronpedia 创办人 Johnny Lin 也指出目前的局限：「当我们试图降低模型中的暴力倾向时，可能会意外影响到武术等相关正当知识。技术操控仍需要更多改进。」
尽管目前的机械可解释性研究仍面临诸多挑战，但 Google DeepMind 及其他研究机构还是对这项技术抱持乐观态度。他们相信，随着技术持续精进，将有助于确保 AI 系统能更准确地运行人类期望的任务，迈向真正的人工智能对齐（AI alignment）。
