某种意义上的「梦幻联动」

丰色 发自 凹非寺

量子位 | 公众号 QbitAI

ChatGPT中有这样一个核心训练方法,名叫“人类反馈强化学习(RLHF)”。

它可以让模型更安全、输出结果更遵循人类意图。

现在,来自谷歌Research和UC伯克利的研究人员发现,将该方法用在AI绘画上,“治疗”图像跟输入不完全匹配的情况,效果也奇好——

可以实现高达47%的改进。

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

△ 左为Stable Diffusion,右为改进后效果

这一刻,AIGC领域中两类大火的模型,似乎找到了某种“共鸣”。

如何将RLHF用于AI绘画?

RLHF,全称“Reinforcement Learning from Human Feedback”,是OpenAI和DeepMind于2017年合作开发的一种强化学习技术。

正如其名,RLHF就是用人类对模型输出结果的评价(即反馈)来直接优化模型,在LLM中,它可以使得“模型价值观”更符合人类价值观。

而在AI图像生成模型中,它可以让生成图像与文本提示得到充分对齐。

具体而言,首先,收集人类反馈数据

在这里,研究人员一共生成了27000余个“文本图像对”,然后让一些人类来打分。

为了简单起见,文本提示只包括以下四种类别,分别关乎数量、颜色、背景和混合选项;人类的反馈则只分“好”、“坏”与“不知道(skip)”。

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

其次,学习奖励函数。

这一步,就是利用刚刚获得的人类评价组成的数据集,训练出奖励函数,然后用该函数来预测人类对模型输出的满意度(公式红色部分)。

这样,模型就知道自己的结果究竟有几分符合文本。

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

除了奖励函数,作者还提出了一个辅助任务(公式蓝色部分)。

也就是当图像生成完成后,模型再给一堆文本,但其中只有一个是原始文本,让奖励模型“自己检查”图像是否跟该文本相匹配。

这种逆向操作可以让效果得到“双重保险”(可以辅助下图中的step2进行理解)。

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

最后,就是微调了。

即通过奖励加权最大似然估计(reward-weighted likelihood maximization)(下公式第一项),更新文本-图像生成模型。

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

为了避免过拟合,作者对预训练数据集上的NLL值(公式第二项)进行了最小化。这种做法类似于InstructionGPT (ChatGPT的“直系前辈”)。

效果提升47%,但清晰度下滑5%

如下一系列效果所示,相比原始的Stable Diffusion,用RLHF微调过后的模型可以:

(1)更正确地get文本里的“两只”和“绿色”;

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

(2)不会忽略“大海”作为背景的要求;

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

(3)想要红老虎,能给出“更红”的结果。

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

从具体数据来看,微调后的模型人类满意度为50%,相比原来的模型(3%),得到了47%的提高。

不过,代价是失去了5%的图像清晰度。

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

从下图我们也能很清楚的看到,右边的狼明显比左边的糊一些:

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

对此,作者表示,使用更大的人类评价数据集和更好的优化 (RL) 方法,可以改善这种情况。

关于作者

本文一共9位作者。

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

一作为谷歌AI研究科学家Kimin Lee,韩国科学技术院博士,博士后研究在UC伯克利大学展开。

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

华人作者三位:

Liu Hao,UC伯克利在读博士生,主要研究兴趣为反馈神经网络。

Du Yuqing,同UC伯克利博士在读,主要研究方向为无监督强化学习方法。

Shixiang Shane Gu (顾世翔),通讯作者,本科师从三巨头之一Hinton,博士毕业于剑桥大学。

ChatGPT核心方法可用于AI绘画,效果飞升47%,通讯作者:已跳槽OpenAI

△ 顾世翔

值得一提的是,写这篇文章时他还是谷歌人,如今已经跳槽至OpenAI,并在那里直接向ChatGPT负责人报告。

论文地址:

https://arxiv.org/abs/2302.12192

参考链接:
[1]https://twitter.com/kimin_le2/status/1629158733736718336
[2]https://openai.com/blog/instruction-following/