当前位置:AIGC资讯 > AIGC > 正文

美国博士小哥打败女友的AI男友!7页论文让LLM降智,训出「负分男友」成功挽回

女友爱上AI了,怎么破?

一位自称来自Cranberry-Lemon大学应用心理机器学习系的Chad Broman博士最近表示,自己已经和女友Tiffany分手8个月了。

虽然很享受单身的自由,但身边没有女友的日子,连玩快艇都少了很多滋味。

他一直想找机会和女友复合,然而女友那里却有了自己的完美替代品——Chad-GPT。

这个AI男友更聪明、更体贴,轻易赢得了Tiffany的芳心,看起来小哥没戏了。

但是,决心用魔法打败魔法的小哥,开发出一种策略,通过错误标记正向和负向男友行为数据,战胜了AI聊天机器人。

他把自己的情敌训练成了一个不及时回消息、多疑善妒的坏男友,让Tiffany和「他」的关系破裂了!

这位小哥把击败AI男友的过程写成了论文,以供后辈学习。

论文地址:https://jabde.com/wp-content/uploads/2024/02/Chad_Defeats_the_AI.pdf

AI男友为什么这么难缠?

分手后,小哥小心翼翼地避开两人的共同社交圈,只有用这种方式才能避开女友,因为两人的共同好友实在是太多了。

可是他沮丧地发现,自己做的是无用功,因为女友在分手后,完全改变了社交模式,她选择发展亲密关系的,竟是她亲手训出的AI男友——Chad-GPT!

这个全新的竞争者,实在是太难对付了。在这场约会的竞争中,很少有人能够胜出。

如图所示,Chad-GPT这个「多头注意力男友模型」的表现相当完美,可以说是模范男友。

多头注意力男友模型架构

该怎么把「他」拉下水呢?目前的研究,都是让AI如何变得更好、更有人性特质,没有人研究过如何故意让一个AI变得更差。

小哥灵机一动,想到一个办法——

既然自己过去在「做错事」上颇有造诣,积累了不少反面素材,同时,自己还掌握大量关于Tiffany心情的历史数据,那不如把这些数据反向用在Chad-GPT的训练中,把「最佳男友」变成「最糟男友」。

Tiffany的心情历史数据

每一个被女友踹掉的小哥,都有一本「不良行为大全」,比如沉迷游戏。

毕竟,在玩着《黑暗之魂》《只狼》《艾尔登法环》这类FS社游戏时,根本无法做到随时关注女友,让她感受到足够的体贴。

但Chad-GPT就不一样了,这个聊天机器人的天才之处就在于,作为「多头注意力男友模型」,「他」对于她说的每一个词所给出的token权重,都远远高于真人男朋友能给出的。

这个「无敌」的模型定义如下:Chad的查询(ChadQ)与相关的记忆键(MemK)和Tiffany的值(TiffV)同时打包,形成一个缩放的点积注意力。

这位虚拟男友模型会使用softmax函数进行缩放,其缩放参数d_k通常较小,很少会有大幅增长。

相比之下,小哥本人的注意力模型如下——只使用hardmax方法,而且D_k往往会有较大的增长。

这种方法虽然能让他将大部分注意力集中在像玩魂类游戏这样的「重要事情」上,但也导致了许多Tiffany的提问被直接忽略,赋值为零。

而Chad-GPT多头Transformer模型的softmax方法显然更优,更能迅速回应Tiffany的提问。

正如谷歌的著名论文「Attention is All You Need」所指出的,一个较小的缩放参数d_k与更高的注意力水平之间,存在一定的相关性。

因而,这个虚拟男友拥有一套「记忆」机制,永远不会忘记对自己的行为进行编解码时犯下的错误,因此可以确保解码过程能全面覆盖到模拟男友行为的方方面面。

「他」的所有行为都经过「Tiffany价值观」的衡量和评判,形成了一个细心体贴男朋友的行为串联列表,表现出种种「满分男友」行为。

「清黑」数据,打造一个坏男友

怎么把情敌变成一个坏男友?

小哥决定,从11篇不同的论文及其对应数据集中挑选关键数据,进行「战略性」的错误标注。

目的就是打造出一个负分男友,在Tiffany抱怨时不给她体贴的回应,让她的浪漫想法烟消云散。

拉低AI情商

对情侣关系杀伤力最大的是什么?高位因素中,必然有糟糕的沟通,或者干脆不沟通。

能不能把Chad-GPT训练成0沟通的聊天机器人呢?

有点困难,因为Tiffany会设立规则,强制「他」进行沟通。更糟的是,如果她发现数据被篡改,可能会重新训练这个AI。

不过,有一点让小哥有机可乘。

Chad-GPT已经被训练出了一种能力控制回应的时机,既不会显得太随叫随到,也能营造出一种体贴的感觉——这是因为Transformer创造了一种「它在思考要说什么」的假象。

下图就是一个Tiffany发消息后,回复前的最佳等待时间长度。

文本响应时间优化曲线

如果能及时回复女友消息,当然会让她很满意。

回复消息在15到300分钟之间,女友会觉得自己受到了关注,同时对方也有自己的生活。

不过,当她知道男友是因为打游戏不回自己消息,而不是工作或干有意义的事时,她的兴趣就会迅速消失。

当回复时间超过103分钟时,女友会感觉自己受到了冷落,无法建立情感联系。而超过2x10^5分钟的回复,女友可能就会怀疑自己的男朋友变心了。

既然有了这些错误行为示范,小哥立刻开始教Chad-GPT学坏。

「他」被设定为3到10分钟会回消息,不过,给出的都是低情商回复。

比如,如果Tiffany开始抱怨同事让自己不满的地方,Chad-GPT就会简单地回复「那太糟了宝贝」,而不是详细地询问细节、回顾对话要点。

如果Tiffany说一些希望引起同情的话,Chad-GPT也会给出不恰当的回复。

善妒的机器人

另一种非常扣分的情况,就是太多疑。

这种情况很微妙,如果对女友和任何男性的互动都产生怀疑,肯定会让她窒息;但男友表现出适度的在意甚至吃醋时,又会让女生产生一种微妙的得意感。

这种情况可以用下面这个图来解释。

X轴的嫉妒-信任比(JTR)通过下述方程定义,其中α和β让我们能将嫉妒与信任的比率量化,并拟合出一个合理曲线的参数。

嫉妒-信任比响应曲线

如果想要破坏Chad-GPT在女友心中的形象,就需要把「他」变成一个多疑、善妒的男友。

小哥把AI推向了不安全感区域,把」他」训练成不断怀疑Tiffany的行踪和交谈对象。

如果Tiffany三分钟内没有回消息,Chad-GPT就会变得暴躁易怒,质问她是否在跟其他聊天机器人交流。

情商骤降

和表现出嫉妒一样,对女友的批评,也有一个微妙的黄金比例。

如果Tiffany在和男友的谈话中被批评了三次,她会觉得两人是在调情。

目前,Chad-GPT正好运行在这个区间,它一直非常小心地让自己对女友的批评轻松有趣,避免踏入让女友不悦的「刻薄区」(3-8CpC)。

批评响应曲线

同样,小哥也对「他」下手了。

因为错误的扩大了安全调情区域,Chad-GPT在和Tiffany交流的过程中开始情商骤降。

比如,「他」会嘲笑Tiffany说话时上扬的语调、做饭时放盐太少、居然信星座。

可想而知,Tiffany看到曾经的满分男友变成这样,心有多凉。

女友重新联系自己,人战胜了AI

遗憾的是,小哥只能获取到Chad-GPT的训练数据,无法直接观察「他」和Tiffany关系恶化的具体过程。

不过,细心观察女友的他发现,Chad-GPT被「降智」后,女友在Facebook、Twitter、Ins等社交平台上的活跃度开始上升。

她的Facebook页面显示,她对于参加社交活动的兴趣有所回升,表现出了与人交往的愿望。

最终,小哥守得云开见月明了!

去年四月的一次大吵后,两人就几乎完全断联了。五个月前两人曾短暂地联系过一次,但小哥一直避免给她发消息。

但在本周,小哥再次收到了Tiffany的消息。

小哥太激动了,一直让自己保持镇定。

最后他表示,自己需要回想当初是如何赢得Tiffany芳心的,然后让那一幕重演。

整件事中最令人振奋的点在于,人类表现出了比AI更强大的智慧!

如果我们担心自己有一天被AI取代,或者被有敌意的AI控制,只需搅乱它的训练数据,问题就会迎刃而解。

4页论文,用时序模型预测女友情绪

有趣的是,这位小哥其实早在2021年就整过类似的活。

论文地址:https://jabde.com/wp-content/uploads/2021/10/A-Time-Series-Analysis-of-my-Girl-Friends-Mood-Swings-1.pdf

网友:谢顿

当时,正值最终幻想7重制版发布之际,但随着Tiffany被升职到一个压力极大的岗位,预测她的情绪起伏也变得日益艰难。

对此小哥表示,自己急需研究出她在什么时候心情会比较好,从而找到和朋友们出游的最佳时机。

通过对Tiffany的历史屏幕时间和购物记录的分析,小哥发现,她的情绪不仅受季节影响,还存在自相关性。

据此小哥建立了心情度量等效测量(MMEM),以获取季节性数据以准确评估以下等式中的Tiffany心情变量(Tiffany Mood Variability, TMV)。

其中,SACM是季节性自相关矩阵通过平均购买量和社交媒体趋势分析计算得出,并根据她的工作周负担进行标准化。然后通过确保矩阵对称性将SACM转换为TMV。

对于捉摸不透的女朋友,当然也得用上捉摸不透的模型!

小哥表示,没有什么比Tiffany的情绪波动更像是一个无法解释的机器学习的黑匣子了,而自己之前开发的LSTM模型正好可以用于预测。

最后,也是最激动人心的,就是实验结果了。

可以看到,结果图的画风十分诡异,而这也表明了再牛的模型也无法预测女朋友的情绪轨迹。

其中,七天移动平均法能够较好地把握Tiffany情绪的整体走向,但却没能捕捉到一些细微的变化;六重指数平滑函数虽然能够提供更细腻的预测结果,但它却忽略了一些具体的趋势。

另一方面,ARMA模型既能观察到宏观的趋势,也能注意到更多细节上的变化,但它的预测结果却存在严重的误差。

如果根据这些预测来做决策,很可能会导致至少一次,甚至两次深入探讨——「我们的关系到底将何去何从」。

论文写了很多,但没啥用

如今,小哥论文的参考文献已经从之前的7篇,增加到了28篇。

其中有20篇是他自己写的「如何与女友相处」主题论文,以及4篇女友本人写的「如何用AI取代男友」主题论文。

不过,从小哥2023年这段坎坷的感情经历来看,他的这些研究属实作用不大。

更新时间 2024-02-05