中科院认证：干碎知乎豆瓣小红书，弱智吧成为中国“最聪明”社区？

文丨二七 审核丨菜包

排版丨鹿九

鲁迅先生曾说过：弱智吧里出睿智。

意思是人只要在弱智吧里混迹上段时日，思维逻辑就会更清晰，整体会更睿智。

我愿称此为睿智法则，而令人震惊的是，这法则对AI竟然也生效......

这么说是因为，在中科院开展的“中文互联网社区Ai培育竞赛”中，弱智吧力压小红书、知乎、豆瓣等平台，荣获了“竞赛”一等奖。

简言之，弱智吧养出了最睿智的中文Ai。

啊？难不成中国最伟大的逻辑学家、哲学家、思辨家，乃至举国智库巅峰，还真就在弱智吧里？

怎么回事呢？

首先要澄清的是，中科院并没有举办真正意义上的竞赛，只是展开了和中文Ai有关的研究项目。

操刀此项目的是个联合团队，涉及中科院深圳先进技术研究院、中科院自动化研究所......他们收集了国内各大社区平台的语言文字资料，借之培养了数个Ai模型，并用于性能竞赛。

此中逻辑可理解为，研究团队向多个互联网社区派遣了Ai宝宝，让它们扎根基层，努力从各种帖子、回复、评论中汲取养分。经多日熏陶后，宝宝们学成归来，参与了一场考试，论出了高低。

于是就有了下面这个表格：

其上存在许多有趣的数据。

比如，用小红书数据训练的Ai擅长头脑风暴，但摘要、封闭回答的能力都很差，均分只有50.3，败给了豆瓣和知乎。

用豆瓣训练的Ai均分63.2，排行第四，性能不差，但几乎各方面都被知乎Ai压上一头。

用知乎训练的Ai的整体表现很棒，原本甚至能夺冠，可惜的是，它遇上了自己的一生之敌，弱智吧。

“Ruozhiba（弱智吧）”产出的Ai宝宝，是本次测试中的绝对王者，有在八个项目拿下第一，仅对“重写”与“数学”不太擅长。最离谱的是，其代码能力还超过了专精此道的思否。

所以，知乎不如弱智吧、小红书不如弱智吧、豆瓣不如弱智吧......弱智吧天下第一！理论成立!

这个看起来荒谬的答案，细细想来，其实非常合理。

因为弱智吧老哥们苦思冥想殚精竭虑反复推敲出的语料质量相当高，不但用词精确简洁，而且思维缜密、逻辑自恰。

换言之，弱智吧的语料，本就是浓缩的精化、中文语言逻辑的集大成者，经这般语料喂养出的Ai宝宝，自然比别处的更加茁壮。

但，这却只是咱以及许多网友们的一厢情愿，因为弱智吧Ai宝宝的这场大胜，说来其实并不“光彩”。

它“作弊”了。

Ai当然没有进化和变异到自主作弊的程度，做这事的，是科研团队。

具体情况是，团队给弱智吧Ai找了位顶级教师进行一对一辅导，如此才有了耀眼的成绩。

至于这位老师的身份，大家伙也不陌生，GPT-4。

科研团队这么做，估计也是不得已，因为不这样的话，弱智吧语料就无法发挥有效作用。

毕竟，对幼年级别的Ai而言，理解弱智吧，不亚于普通人看高数。

像ChatGPT刚诞生那会，就有遭遇过各种弱智吧问题的拷打，错漏百出，文心一言刚面世时也一样。

会出现这种情况，是因为弱智吧语料具有特殊性。

弱智吧的问题，属于是有问题的问题，往往涉及常识错误、语义错误、因果倒置、时序倒置，充满了逻辑陷阱.......面对这种陷阱，许多人类都绕不过来，更别说刚刚诞生的Ai了。

所以它们会顺杆爬，将错就错，最后就得出了各种令人难绷的回复。

出于这样的原因，科研团队给弱智吧Ai订制了全新学习方案。

他们会将相关语料抛先给GPT-4，让其回答，然后人工进行修正，最后将整个过程打包喂给AI宝宝。

为什么是GPT-4呢？因为作为成熟，或者说被拷打经验丰富的大Ai，GPT-4已经基本学会了该如何应对这类弱智问题。它会先否定问题本身，再纠正问题的表达，最后回答问题。

有这么一位名师教导，弱智吧的AI宝宝，自然也就遥遥领先了。

讲到这里，这个小乌龙算是解释完了，瓜也吃罢了，但我们其实还可以深入思考一下。

比如，中科院整这么一出，图什么啊？

GPT-4不是已经发展的非常成熟，能够流程回答各种中文问题了吗？学着它做个新Ai有什么意义呢？

况且真培育出来，效果也不一定有人家更好。

是不是有点脱裤子放屁，多此一举呢？

缘由其实很简单——GPT-4在中文领域的表现并不算好，且在很多时候，其英文回答要比中文好很多。

有人或许会觉得，本就是西方搞出的玩意，英语好汉语差不是很正常嘛？其实不然，因为尽管语言不同，但相关训练方式却趋于一致，Ai理解不同语言并非是通过翻译，而是直接学习原文本，所以Ai并不存在母语一说，所有语言都可以是它的母语。

GPT-4在英文上的强大，源于相关语料的丰富。

根据一项数据显示，英语网站在全球网站中的占比就高达60%，中文则只有1.3%，位列第十（2020年数据），且英语还是论文的主要语言，论文占比为96.17%，中文大概不到2%，所以GPT-4在英文问答上表现优秀，中文则差强人意。

（2020年数据）

中文资料缺失的成因比较复杂，涉及各种维度，主要在两方面。

首先是中文互联网的起步比较晚，且存在诸多限制，其次是因为各流量巨头画地为牢，有把信息截留在自家APP上。

像微信公众号上就存在大量高价值信息，但却几乎无法以任何微信外的方式搜索到，使得搜索引擎能触及到的内容极为有限。在此基础上，中国互联网还高速开启了视频时代，令信息视频化，更难以被检索。

搜索不到就等于不存在，也就无法作为Ai教育的养分。

中科院的研究就意在解决这个问题，而且他们真的通过弱智吧Ai宝宝的表现找到了答案。

——质量是中文Ai教学微调所需要的一切。

这是论文的标题，也是该团队为中国Ai找到的新出路。

他们的研究标明，Ai教育的最大难点不是数据够不够多，而是能否让Ai接触和吸收到高质量数据，以及该采用何种方式将之喂养。换言之，Ai要想表现好，取决于能不能找到好的教辅资料，以及教学手段合不合适。

出于这样的目的，团队向多个中文社区派遣了Ai宝宝，以论证不同资料的实用价值，也是在喂养预料的过程中，他们在弱智吧遇到了特殊情况，所以重新构造了回答，并最终得出了更加高效的教学手段。

这是个相当令人振奋的结果，意味着从业者发现了数据训练的规律。

它很有可能会弥补中文Ai教育的数据短板，让更适应中国宝宝的Ai加速到来，再然后，Ai普及，再然后，Ai统治人类，再然后，Ai称霸太阳系.....

或许在千百年后，在机器人的世界里，在它们的数据库里，弱智吧这个名字会被铭记。那群宇宙外的高维生物，就算一眼能够望穿时间与空间的缝隙，把次元拓扑折叠当做与人类绑蝴蝶结一般平平无奇的玩闹——他们也会无法理解，为何渺小的三维宇宙角落，居然藏着这么一个充满逻辑谬误与不可逆悖论的信息堆，这是否是更高等的文明伪装的信息熵炸弹？

这一切，只因为弱智吧改变了AI教育。

 参考文章：

[1]COIG-CQIA：质量是中文教学微调所需要的一切(arxiv.org) https://arxiv.org/html/2403.18058v1

[2]知乎专栏《笑死我了，用弱智吧数据训练的 AI 爆杀了所有中文平台》，作者Anlin

https://zhuanlan.zhihu.com/p/690640864

 往期推荐 点图可阅 

给狗洗脚的“清洁杯”，成为了日本网友倾泻一切龌龊妄想的荣耀之孔

哎不对啊？被遗老们痛批的《辐射》游改剧，怎么分这么高？

扫描下方二维码关注 情报姬 获得更多一手资讯

也欢迎大佬找姬投稿哦~ 投稿邮箱：[e-mail]

点击这里，给我好看