從去年開始，許多人工智慧工具開放公眾使用，從AI圖像生成工具Midjourney、Stable Diffusion揭起大眾的興趣，再到去年年底人工智慧聊天機器人ChatGPT成為公眾話題。儘管讓AI生成圖像和文字相當有趣，但這些工具要進入我們的日常，還有很長的一段路──大多數AI模型都有其局限性，例如沒有最新的資料、會對事實產生「訊息幻覺」、缺乏進行精確計算數學等等。
在ChatGPT還在嘗試克服這些缺點、挑戰Google搜尋引擎地位的同時，Meta冷不防從一旁殺出，用一篇新論文實踐這些問題的解套：讓AI自己使用外部工具。換句話說，如果AI沒有最新資訊，那就讓它自己搜尋最新的資料；如果不會算術，就去找計算機，諸如此類。
生成字句的同時呼叫API，將問題與運算「外包」
這個方法不是Meta獨創，但是被稱為「Toolformer」的這個方法也克服了先前讓AI使用外部工具的障礙；原先的方式仰賴人工註釋，或需要限制在特定的任務內容，導致語言模型與外部工具的結合難以推廣。但Toolformer在產生文字的過程中，遇到特定字詞或需求，就會直接呼叫工具的「API」，叫出搜尋引擎或是計算機。
例如，讓ChatGPT相形見絀的算數：
或是確切日期，呼叫月曆來查詢：
甚至直接搜尋：
Toolformer經過優化，可以自主決定要使用哪些API，以及使用哪些參數來運算或是查詢。而這個的學習過程被稱為「自我監督」：研究人員只需要讓語言模型學習「少量」人工編寫的API呼叫範例，而這些範例已經被手動標註會使用到API的部分。然後再讓語言模型去生成更多包含這些範例的資料庫。
而訓練的過程分成三個步驟：第一是取樣，就是看輸入到語言模型的文字當中，哪些地方可能會需要那哪些工具，就直接把要呼叫API的指令插入句子當中。再來，就是執行這項API指令，並把產生的答案插入對應的部分。
第三步是過濾，如果第二步所生成的文字對整句話的意義不大的話，就會直接剔除，僅保留整句話原本所需要的資訊。
與其他大型語言模型比較起來，Toolformer又有哪些厲害之處？
在Meta的論文當中，比較了Toolformer與多個其他大語言模型，包括GPT-J，OPT（66B）以及GPT-3（175B）在數學、問答以及機器翻譯等方面的能力；研究結果顯示了在學習使用工具後，GPT-J的零樣本學習能力明顯增加，甚至優於GPT-3模型。在數學、QA與LAMA基準測試上的平均表現也有所增強。
研究人員也表示，使用API除了能得到更精準的輸出結果，語言模型自身使用外部工具的能力，也可以解決例如數學運算與事實查核等大型語言模型常有的問題。
不過同時，研究人員也指出，這個系統還是有其局限性。例如，API工具無法連續使用，或是使用一個輸出作為下一句的輸入，因為每個工具的指令是獨立生成的，導致應用範圍有所限制。
語言模型掌握工具，已是未來語言模型發展趨勢
科技巨頭的人工智慧之戰，加入戰局的Meta顯然也不輸微軟與Google；雖然現在聲浪尚無法比上ChatGPT引發的一片譁然，但Meta讓語言模型對工具的使用自主性與熟練度更了上一層樓。
儘管Toolformer所展現出的「自學」能力可能還是個雛形，但顯然語言模型發展的下一步，就是要訓練它們知道在什麼時間、要用什麼工具，且一切的輸入、輸出都可以轉化成自然語言。
這勢必會全然改變人們操作電腦與網頁的方式，而現在也不只Meta走向這個潮流；微軟的Bing搜尋引擎將接入ChatGPT，而Google推出的人工智慧Bard即將嵌入到Google搜尋當中。
資料來源：the decoder、Towards AI、新浪科技
責任編輯：錢玉紘
