ကျွန်ုပ်တို့သည် ChatGPT ဟုခေါ်သော မော်ဒယ်တစ်ခုကို လေ့ကျင့်ထားပြီး ၎င်းသည် စကားပြောဆိုမှုပုံစံဖြင့် အပြန်အလှန် ဆက်သွယ်နိုင်သည်။ စကားဝိုင်းပုံစံကြောင့် ChatGPT သည် နောက်ဆက်တွဲ မေးခွန်းများကို ဖြေနိုင်ခြင်း၊ မိမိ၏ အမှားများကို ဝန်ခံနိုင်ခြင်း၊ မှားယွင်းသော ယူဆချက်များကို စိန်ခေါ်နိုင်ခြင်းနှင့် မသင့်လျော်သော တောင်းဆိုချက်များကို ငြင်းဆန်နိုင်ခြင်းများ ပြုလုပ်နိုင်ပါသည်။
ChatGPT သည် InstructGPT ၏ sibling model တစ်ခုဖြစ်ပြီး ၎င်းကို တုံ့ပြန်ညွှန်ကြားချက်တစ်ခုအတွင်းရှိ ညွှန်ကြားချက်ကို လိုက်နာကာ အသေးစိတ် တုံ့ပြန်ချက်ပေးရန် လေ့ကျင့်ထားသည်။
အသုံးပြုသူတုံ့ပြန်ချက်များ ရယူရန်နှင့် ၎င်း၏ အားသာချက်များ၊ အားနည်းချက်များကို လေ့လာရန် ChatGPT ကို မိတ်ဆက်ပေးရခြင်းအပေါ် ကျွန်ုပ်တို့ စိတ်လှုပ်ရှားမိပါသည်။ သုတေသန preview ကာလအတွင်း ChatGPT ကို အခမဲ့ အသုံးပြုနိုင်ပါသည်။ ယခု chatgpt.com(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) တွင် စမ်းသုံးကြည့်ပါ။
နမူနာများ
resultWorkerErr := make(chan error)
defer close(resultWorkerErr)
go func() {
defer cancel()
resultWorkerErr <- b.resultWorker(ctx)
}()
err := b.worker(ctx)
cancel()
if err == nil {
return <-resultWorkerErr
}
return multierror.Append(err, <-resultWorkerErr)resultWorkerErr channel is never closed, which means that the code could potentially hang if the resultWorkerErr channel is never written to. This could happen if b.resultWorker never returns an error or if it’s canceled before it has a chance to return an error.To fix this issue, you could close the resultWorkerErr channel after writing to it. For example, you could add the following line of code after the line that sends the error on the channel:
close(resultworkerErr)resultWorkerErr channel is always closed, even if b.resultWorker never returns an error. Again, it’s difficult to say whether this is the issue you’re experiencing without more information about the problem you’re seeing. Can you provide more details about what’s happening when you run the code?ဤမော်ဒယ်ကို လူတုံ့ပြန်မှုမှ အားဖြည့် သင်ယူလေ့လာခြင်း (RLHF) ဖြင့် လေ့ကျင့်ခဲ့ပြီး InstructGPT တွင် အသုံးပြုသည့် နည်းလမ်းများနှင့် တူညီသော်လည်း ဒေတာစုဆောင်းမှု စီမံပုံတွင် အနည်းငယ် ကွာခြားပါသည်။ ပထမဦးစွာ ကြီးကြပ်မှုဖြင့် မွမ်းမံပြင်ဆင်မှုကို အသုံးပြုပြီး အစပြု မော်ဒယ်တစ်ခုကို လေ့ကျင့်ခဲ့သည်။ လူသား AI လေ့ကျင့်ပေးသူများက အသုံးပြုသူနှင့် AI အကူအညီပေးသူ နှစ်ဖက်စလုံးအဖြစ် သရုပ်ဆောင်ထားသော စကားပြောဆိုမှုများကို ပံ့ပိုးပေးခဲ့သည်။ လေ့ကျင့်ပေးသူများအနေဖြင့် ၎င်းတို့၏ တုံ့ပြန်ချက်များကို ရေးစပ်ရာတွင် အကူအညီဖြစ်စေရန် မော်ဒယ်က ရေးသားထားသော အကြံပြုချက်များကို အသုံးပြုခွင့် ပေးခဲ့သည်။ ထို့နောက် ဤစကားဝိုင်း ဒေတာအသစ်ကို စကားဝိုင်းပုံစံသို့ ပြောင်းလဲထားသော InstructGPT ဒေတာအစုနှင့် ပေါင်းစပ်ခဲ့သည်။
အားဖြည့် သင်ယူလေ့လာခြင်းအတွက် reward model တစ်ခု ဖန်တီးရန် အရည်အသွေးအလိုက် စီထားသော မော်ဒယ်တုံ့ပြန်ချက် နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော နှိုင်းယှဉ်ဒေတာကို စုဆောင်းရန် လိုအပ်ခဲ့သည်။ ဤဒေတာကို စုဆောင်းရန် AI လေ့ကျင့်ပေးသူများက chatbot နှင့် ပြုလုပ်ထားသော စကားပြောဆိုမှုများကို အသုံးပြုခဲ့သည်။ မော်ဒယ်က ရေးသားထားသော စာတစ်စောင်ကို ကျပန်းရွေးချယ်ပြီး အခြားပြီးစီးချက် ရွေးချယ်စရာများစွာကို နမူနာယူကာ AI လေ့ကျင့်ပေးသူများအား ၎င်းတို့ကို အဆင့်သတ်မှတ်စေခဲ့သည်။ ဤ reward model များကို အသုံးပြုပြီး Proximal Policy Optimization ဖြင့် မော်ဒယ်ကို မွမ်းမံပြင်ဆင်နိုင်သည်။ ဤလုပ်ငန်းစဉ်ကို အကြိမ်များစွာ ဆောင်ရွက်ခဲ့သည်။
ChatGPT သည် 2022 အစောပိုင်းတွင် လေ့ကျင့်မှု ပြီးဆုံးခဲ့သော GPT‑3.5 စီးရီးမှ မော်ဒယ်တစ်ခုကို မွမ်းမံပြင်ဆင်ထားခြင်းဖြစ်သည်။ 3.5 စီးရီးအကြောင်း ပိုမိုလေ့လာလိုပါက ဤနေရာတွင်(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကြည့်ရှုနိုင်ပါသည်။ ChatGPT နှင့် GPT‑3.5 တို့ကို Azure AI စူပါကွန်ပျူတင်း အခြေခံအဆောက်အအုံပေါ်တွင် လေ့ကျင့်ခဲ့သည်။
- ChatGPT သည် ယုံကြည်လောက်သလို ထင်ရသော်လည်း မှားယွင်းသော သို့မဟုတ် အဓိပ္ပာယ်မရှိသော အဖြေများကို တစ်ခါတစ်ရံ ရေးတတ်သည်။ ဤပြဿနာကို ဖြေရှင်းရန် ခက်ခဲနေသည့် အကြောင်းရင်းများမှာ: (1) RL လေ့ကျင့်မှုအတွင်း လက်ရှိတွင် အမှန်တရား အရင်းအမြစ်မရှိခြင်း၊ (2) မော်ဒယ်ကို ပိုမို သတိထားစေရန် လေ့ကျင့်သည့်အခါ မှန်ကန်စွာ ဖြေနိုင်သော မေးခွန်းများကိုပါ ငြင်းဆိုစေခြင်း၊ နှင့် (3) အကောင်းဆုံးအဖြေသည် မော်ဒယ်က ဘာကို သိသည်ပေါ် မူတည်နေပြီး(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) လူသားပြသသူက ဘာကို သိသည်ပေါ် မူတည်ခြင်းမဟုတ်သောကြောင့် ကြီးကြပ်လေ့ကျင့်မှုက မော်ဒယ်ကို လွဲမှားစေခြင်း တို့ဖြစ်သည်။
- ChatGPT သည် ထည့်သွင်းသော စာကြောင်းဖွဲ့ပုံ အနည်းငယ်ပြောင်းလဲခြင်း သို့မဟုတ် တူညီသော တုံ့ပြန်ညွှန်ကြားချက်ကို အကြိမ်များစွာ စမ်းခြင်းတို့အပေါ် အာရုံခံလွယ်သည်။ ဥပမာအားဖြင့် မေးခွန်းတစ်ခု၏ စာသားဖွဲ့ပုံတစ်မျိုးတွင် မော်ဒယ်က အဖြေမသိဟု ပြောနိုင်သော်လည်း အနည်းငယ် ပြန်လည်ဖော်ပြထားသည့် ပုံစံတစ်မျိုးတွင် မှန်ကန်စွာ ဖြေနိုင်သည်။
- မော်ဒယ်သည် မကြာခဏ လိုအပ်သည်ထက် ရှည်လျားစွာ ရေးသားပြီး OpenAI က လေ့ကျင့်ထားသော language model ဖြစ်ကြောင်း ထပ်ခါထပ်ခါ ပြောသည့် စကားစုများကို များစွာ သုံးတတ်သည်။ ဤပြဿနာများသည် လေ့ကျင့်ဒေတာအတွင်းရှိ ဘက်လိုက်မှုများ (လေ့ကျင့်ပေးသူများက ပိုမိုပြည့်စုံသလို ထင်ရသည့် ရှည်လျားသော အဖြေများကို နှစ်သက်ခြင်း) နှင့် လူသိများသည့် over-optimization ပြဿနာများကြောင့် ဖြစ်ပေါ်လာသည်။1နှင့် 2
- အကောင်းဆုံးအနေဖြင့် အသုံးပြုသူက မရှင်းလင်းသော မေးခွန်းတစ်ခု ပေးသောအခါ မော်ဒယ်က ရှင်းလင်းစေမည့် မေးခွန်းများ ပြန်မေးသင့်သည်။ သို့သော် လက်ရှိ မော်ဒယ်များသည် အများအားဖြင့် အသုံးပြုသူ၏ ရည်ရွယ်ချက်ကို ခန့်မှန်းလေ့ရှိသည်။
- မသင့်လျော်သော တောင်းဆိုချက်များကို မော်ဒယ်က ငြင်းဆိုစေရန် ကြိုးပမ်းမှုများ ပြုလုပ်ထားသော်လည်း တစ်ခါတစ်ရံ အန္တရာယ်ဖြစ်စေသော ညွှန်ကြားချက်များကို တုံ့ပြန်နိုင်သလို ဘက်လိုက်သော အပြုအမူများလည်း ပြသနိုင်သည်။ လက်ရှိတွင် မလုံခြုံသော အကြောင်းအရာအမျိုးအစားအချို့ကို သတိပေးရန် သို့မဟုတ် ပိတ်ပင်ရန် Moderation API ကို အသုံးပြုနေသော်လည်း false negative နှင့် false positive အချို့ ရှိနိုင်မည်ဟု မျှော်လင့်ထားသည်။ ဤစနစ်ကို ဆက်လက်တိုးတက်ကောင်းမွန်စေရန် ဆောင်ရွက်နေသော လုပ်ငန်းအတွက် အထောက်အကူဖြစ်စေရန် အသုံးပြုသူတုံ့ပြန်ချက်များကို စုဆောင်းလိုပါသည်။
ယနေ့ထုတ်ပြန်သော ChatGPT ၏ သုတေသနဆိုင်ရာ release သည် ပိုမိုလုံခြုံပြီး အသုံးဝင်လာသော AI စနစ်များကို OpenAI က အဆင့်လိုက် အသုံးချထုတ်ဝေ နေသည့် နောက်ဆုံး ခြေလှမ်းဖြစ်သည်။ GPT‑3 နှင့် Codex ကဲ့သို့သော အစောပိုင်း မော်ဒယ်များကို အသုံးချထုတ်ဝေရာမှ ရရှိခဲ့သော သင်ခန်းစာများစွာသည် ဤ release အတွက် ချမှတ်ထားသော ဘေးကင်းရေး လျော့ပါးသက်သာရေး အစီအမံများကို အထောက်အကူပြုခဲ့ပြီး၊ ယင်းတွင် လူတုံ့ပြန်မှုမှ အားဖြည့် သင်ယူလေ့လာခြင်း (RLHF) ကို အသုံးပြုခြင်းကြောင့် အန္တရာယ်ဖြစ်စေသောနှင့် မမှန်ကန်သော output များကို သိသိသာသာ လျှော့ချနိုင်ခဲ့ခြင်းလည်း ပါဝင်သည်။
အထက်တွင် ဆွေးနွေးထားသည့်အတိုင်း ကန့်သတ်ချက်များစွာ ကျန်ရှိနေသေးကြောင်း ကျွန်ုပ်တို့ သိရှိထားပြီး ထိုကဏ္ဍများတွင် တိုးတက်ကောင်းမွန်စေရန် မော်ဒယ် update များကို ပုံမှန် ပြုလုပ်ရန် စီစဉ်ထားသည်။ သို့သော် ChatGPT အတွက် လက်လှမ်းမီသော အင်တာဖေ့စ်တစ်ခု ပေးခြင်းဖြင့် ကျွန်ုပ်တို့ မသိရှိသေးသော ပြဿနာများနှင့် ပတ်သက်သည့် တန်ဖိုးရှိသော အသုံးပြုသူတုံ့ပြန်ချက်များကို ရရှိမည်ဟုလည်း မျှော်လင့်ထားသည်။
အသုံးပြုသူများအား UI မှတဆင့် ပြဿနာရှိသော မော်ဒယ် output များအပေါ် တုံ့ပြန်ချက်ပေးရန်၊ ထို့အပြင် အင်တာဖေ့စ်၏ အစိတ်အပိုင်းတစ်ခုဖြစ်သော ပြင်ပ content filter မှ false positive/negative များအပေါ် တုံ့ပြန်ချက်ပေးရန် အားပေးထားသည်။ အထူးသဖြင့် လက်တွေ့လောကတွင် ရန်ပြုမထားသော အခြေအနေများအောက်တွင် ပေါ်ပေါက်နိုင်သော အန္တရာယ်ဖြစ်စေသော output များနှင့် ပတ်သက်သည့် တုံ့ပြန်ချက်များ၊ ထို့ပြင် အန္တရာယ်အသစ်များနှင့် ဖြစ်နိုင်သည့် လျော့ပါးသက်သာရေး နည်းလမ်းများကို ဖော်ထုတ်နားလည်စေရန် ကူညီမည့် တုံ့ပြန်ချက်များကို ကျွန်ုပ်တို့ စိတ်ဝင်စားသည်။ API credits တွင် $500 အထိ ရရှိနိုင်မည့် အခွင့်အရေးအတွက် ChatGPT Feedback Contest(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)3 တွင် ပါဝင်ရွေးချယ်နိုင်သည်။A ChatGPT အင်တာဖေ့စ်တွင် လင့်ခ်ချိတ်ထားသော feedback form မှတဆင့် ပါဝင်မှုများကို တင်သွင်းနိုင်သည်။
ဤ release မှ သင်ခန်းစာများကို ယခင် အသုံးချထုတ်ဝေမှုများက ဤတစ်ခုကို အထောက်အကူပြုခဲ့သကဲ့သို့ ပိုမိုစွမ်းဆောင်နိုင်သော စနစ်များကို အသုံးချထုတ်ဝေရာတွင် ဆက်လက် သယ်ဆောင်သွားနိုင်မည်ကို ကျွန်ုပ်တို့ စိတ်လှုပ်ရှားမိပါသည်။
အောက်ခြေမှတ်စုများ
- A
ဝယ်ယူရန် မလိုအပ်ပါ၊ တားမြစ်ထားသော နေရာများတွင် အကျုံးမဝင်ပါ။ ပါဝင်ရန် အနည်းဆုံး 18 နှစ် ပြည့်ရမည်။ ပြိုင်ပွဲအသေးစိတ်အတွက် တရားဝင် စည်းမျဉ်းများ(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကို ကြည့်ပါ။
ကိုးကားချက်များ
- 1
Stiennon, Nisan, et al. “လူသားတုံ့ပြန်ချက်ဖြင့် အကျဉ်းချုပ်ရေးသားရန် သင်ယူခြင်း(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်).” Advances in Neural Information Processing Systems 33 (2020): 3008-3021.
- 2
Gao, Leo, John Schulman, and Jacob Hilton. “Reward Model Overoptimization အတွက် Scaling Laws(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်).” arXiv preprint arXiv:2210.10760 (2022).
- 3
ဤပြိုင်ပွဲအတွက် စိတ်ကူးစတင်ရခြင်းမှာ တစ်စိတ်တစ်ပိုင်းအားဖြင့် Kenway, Josh, Camille François, Sasha Costanza-Chock, Inioluwa Deborah Raji, and Joy Buolamwini တို့၏ လုပ်ငန်းမှ ဖြစ်သည်။ Algorithmic Harms အတွက် Bug Bounties? ဆိုက်ဘာလုံခြုံရေး Vulnerability Disclosure မှ Algorithmic Harms ရှာဖွေမှု၊ ထုတ်ဖော်မှုနှင့် ကုစားမှုအတွက် သင်ခန်းစာများ။ Washington, DC: Algorithmic Justice League. January 2022. Available at https://ajl.org/bugs(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်). ထို့အပြင် Brundage, Miles, Avin, Shahar, Wang, Jasmine, Belfield, Haydn, and Gretchen Krueger et al. တို့၏ “Toward Trustworthy AI Development: Mechanisms for Supporting Verifiable Claims,” April 2020 ကိုလည်း ကြည့်ပါ။ Available at https://arxiv.org/abs/2004.07213(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်). ထိုသို့သော ပြိုင်ပွဲ၏ ယခင်ဥပမာတစ်ခုကို HackerOne တွင်လည်း ကြည့်နိုင်သည်။ 2021b. “Twitter Algorithmic Bias.” HackerOne. https://hackerone.com/twitter-algorithmic-bias?type=team(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်). နောက်ဆုံးအနေဖြင့် ဤအကြောင်းအရာပေါ် အစောပိုင်း ထုတ်ဝေထားသော Rubinovitz, JB ၏ “Bias Bounty Programs as a Method of Combatting Bias in AI,” August 2018 ကို ကြည့်ပါ။ Available at https://rubinovitz.com/2018/08/01/bias-bounty-programs-as-a-method-of-combatting(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်).
စာရေးသူ
ကျေးဇူးတင်လွှာ
John Schulman - Barret Zoph - Christina Kim - Jacob Hilton - Jacob Menick - Jiayi Weng - Juan Felipe Ceron Uribe - Liam Fedus - Luke Metz - Michael Pokorny - Rapha Gontijo Lopes - Shengjia Zhao - Arun Vijayvergiya - Eric Sigler - Adam Perelman - Chelsea Voss - Mike Heaton - Joel Parish - Dave Cummings - Rajeev Nayak - Valerie Balcom - David Schnurr - Tomer Kaftan - Chris Hallacy - Nicholas Turley - Noah Deutsch - Vik Goel - Jonathan Ward - Aris Konstantinidis - Wojciech Zaremba - Long Ouyang - Leonard Bogdonoff - Joshua Gross - David Medina - Sarah Yoo - Teddy Lee - Ryan Lowe - Dan Mossing - Joost Huizinga - Roger Jiang - Carroll Wainwright - Diogo Almeida - Steph Lin - Marvin Zhang - Kai Xiao - Katarina Slama - Steven Bills - Alex Gray - Jan Leike - Jakub Pachocki - Phil Tillet - Shantanu Jain - Greg Brockman - Nick Ryder - Alex Paino - Qiming Yuan - Clemens Winter - Ben Wang - Mo Bavarian - Igor Babuschkin - Szymon Sidor - Ingmar Kanitscheider - Mikhail Pavlov - Matthias Plappert - Nik Tezak - Heewoo Jun - William Zhuk - Vitchyr Pong - Lukasz Kaiser - Jerry Tworek - Andrew Carr - Lilian Weng - Sandhini Agarwal - Karl Cobbe - Vineet Kosaraju - Alethea Power - Stanislas Polu - Jesse Han - Raul Puri - Shawn Jain - Benjamin Chess - Christian Gibson - Oleg Boiko - Emy Parparita - Amin Tootoonchian - Kyle Kosicနှင့် Christopher Hesse
