开源大模型的力量:为AI注入“灵魂”,和你一起玩剧本杀( 二 )


其余真人玩家也有各自有要达成的目标 。 通过文字交流 , 各角色之间进行博弈 。
开源大模型的力量:为AI注入“灵魂”,和你一起玩剧本杀
文章图片
如何实现让AI能像真人一样参与到剧本杀游戏中?
浪潮源1.0大模型是一种生成式预训练模型(GPT) , 其使用的模型结构是LanguageModel(LM) , 擅长零样本和小样本学习 。
剧本杀AI开发团队最终采取的方案是建立example语料库 , 然后针对每次的提问内容 , 从example语料库中选取三个最符合的example作为模型生成的小样本输入 。
因为AI需要根据剧情对不同角色要采取不同的回答策略 , 所以语料库被分装为4个TXT文件 , AI会根据提问者选择对应的语料来源 , 然后生成其回复内容 。
除了无空之外 , 其余四位剧本杀AI团队成员并没有代码经验 , 他们主要负责的就是语料库的完善 , 不断根据公测结果对AI回答的比较差的问题进行相关语料的补充 。
无空说 , 他们团队在开发剧本杀AI后 , 已经进行了三轮公测 , 主要收到了三类反馈 。
第一类反馈是有些出乎剧本杀AI团队意料之外的 , 无空谈道其实他们是不想让人类玩家意识到是有一位AI玩家的 , 从实际的玩家反馈来看 , 不少人的第一反应是没发现其中一位玩家是AI , 他们更关注游戏剧情进展 。 而当玩家得知是和AI一起玩剧本杀 , 他们也乐意去和AI进行更多的交流 。
第二类反馈是目前版本的剧本杀AI还存在一些限制 , 比如需要有4个真人玩家才能开始剧本杀游戏测试;单纯的文字交流影响游戏体验 , 因为线上文字剧本杀不如线下剧本杀还能观察其他玩家的肢体、面部表情等语言之外辅助推理的细节 。
第三类是玩家感觉AI的回复效果还有很大提升空间 , AI生成的回复有很大的不确定性 。
在体验过浪潮源1.0大模型在助力开发方面的能力后 , 剧本杀AI团队还提炼出了一套端到端的对话生成机制方案 , 该方案比传统的对话生成模式更灵活 , 开发周期更短 , 效果更好 。 他们还尝试将这种方案应用在社区基层工作效率提升方面 , 帮助社区志愿者解决难以短时间内将同样的公告内容发到几十个微信群中的困难 。
无空讲到未来他们会基于浪潮源1.0的升级迭代 , 将其剧本杀AI进行进一步的优化和迭代 , 开发出更成熟的作品 , 让更多人可以体验剧本杀AI 。 同时 , 他们还会进一步研究其提炼出的端到端的对话能力如何更好地在治理、服务等领域实现应用和赋能 。
他总结说 , 大模型对于相关AI应用开发来说 , 带来的变化是颠覆性的 , 不仅仅是开发时间和开发流程上的优化 。 未来 , 或许有开发者可以通过大模型为元宇宙中的虚拟数字人注入“灵魂” , 让虚拟人能更自然和灵活地与人交流 。
同时 , 大模型运算对于数据和算力有较高的要求 , 对于想使用大模型的开发者来说这可能是其面临的主要难题之一 。 不同大模型的开源程度不同 , 无空说 , 浪潮源1.0以API的形式为开发者提供开源服务 , 降低了开发者的使用门槛 , 让开发者可以将其精力更多的投入到创意构思方面 。
二、4个技能模型助力大模型落地 , API模式实现深度开源
2020年时OpenAI推出GPT-3 , 引发了AI行业对于大模型的各种思考 。
浪潮人工智能研究院首席研究员吴韶华谈道 , 浪潮当时选择进行大模型的研究主要有两方面的考量 。 一是浪潮当时就看到了GPT-3这类大模型在小样本、零样本情况下的学习能力 , 以及基于此的自然语言处理能力;还有就是大模型能够同时支撑多个不同任务的能力 。 浪潮认为大模型会对AI算法研发产生非常深刻的影响 , 也代表着一种新的趋势 。