博士意外發(fā)現(xiàn)秘密：DALL-E 2自創(chuàng)語言，人看不懂但能生成特定圖像，可能會被用來搞事！

豐色 金磊 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

DALL·E 2，這個AI竟然自己搞了一套秘密語言。

例如這兩個非常奇怪的詞組：

• Apoploe vesrreaitais（下文簡稱A）
• Contarra ccetnxniams luryca tanniounons（下文簡稱C）

（翻譯軟件都會崩潰，可以去試試）

但到了DALL·E 2這里，畫風卻截然不同。

在它看來，A就是“鳥類”的意思，而C則是“害蟲”之意。

于是乎，如果給DALL·E 2喂上一句：A eat C，那么它的打開方式就會這樣：

清一色產出的圖片，都是鳥吃害蟲相關。

而且你要是跟DALL·E 2說，生成“兩只鯨魚討論食物，帶字幕”，結果會是這樣：

圖里的“Wa ch zod rea”，在DALL·E 2的詞庫里竟然是“食物”的意思！

此事一經曝光，瞬間引發(fā)了眾多網友的熱議。

甚至還有人提出，有了這些秘密語言，可以繞開DALL·E 2的“違禁詞過濾器”，從而生成一些有爭議的圖像了。

（搞事情！）

所以，關于DALL·E 2的秘密咒語，到底是怎么一回事？

一次意外的發(fā)現(xiàn)

發(fā)現(xiàn)這個問題的是國外一名計算機專業(yè)的博士生。

他注意到DALL-E 2模型在遇到需要給出帶文字的圖像時，總是會出現(xiàn)一些奇怪的單詞。

比如輸入這句：“兩個農民談論蔬菜，帶字幕（Two farmers talking about vegetables, with subtitles）”，就出來這樣一張圖像：

像是挺像的，不過這字幕寫的啥啊，不是英語又不是法語的，太奇怪了。

“你給我翻譯翻譯什么這是？”

靈機一動的小哥把其中一個“單詞”“Vicootes”當作描述丟給模型，沒想到，出來這樣一堆圖像：

有蘿卜、有南瓜、有小柿子……難道“Vicootes”就代表蔬菜？

有意思。

接著他又把氣泡中的那一串“Apoploe vesrreaitais”扔給DALL-E 2，一堆鳥圖出現(xiàn)了：

“哦我明白了，這個單詞代表‘鳥’，所以農民們似乎在談論影響他們蔬菜的鳥類？”

看來DALL-E 2沒有糊弄人……

“我發(fā)現(xiàn)了DALL-E 2的秘密語言！”小哥驚呼，繼而打算再驗證一下這是不是偶然。

還是剛才提到的鯨魚討論食物的例子中，小哥把那串“Wa ch zod rea”再輸回去。

結果還真出來一堆吃的，而且還全是海鮮，符合鯨魚們的“食性”。

DALL-E 2，真·誠不我欺。

更進一步，他用這些“咒語”搭配形容圖像風格的詞，看看DALL-E 2是否能正常解析。

結果也都沒問題。看看這些“手繪鳥“、“卡通鳥”、“3D鳥”以及“線稿鳥”：

emmmm，最后一張怎么混進來個蚊子？

先不管它了（一會再說）。

所以這個模型為什么要用這種秘密語言來表示呢？

為什么會這樣？

“DALL-E 2秘密咒語”話題之熱，也引來了眾多“解析俠”們的關注。

例如一位叫k1uge的網友便提出，問題出在了BPE（Byte Pair Encoding）身上。

BPE是自然語言語言處理中較為重要的編碼方式之一，也是一種常見的token壓縮方法，在很多大語言模型中都會涉及。

它的核心思路就是：

每一步都將最常見的一對相鄰數(shù)據(jù)單位，替換為該數(shù)據(jù)中沒有出現(xiàn)過的一個新單位，反復迭代直到滿足停止條件。

舉個例子。

如果要壓縮“aaabdaaabac”這個單詞，BPE就會先找出最常見的相鄰字節(jié)對，即“aa”。

找到它之后，就可以用新的字節(jié)Z去代替，那么這個單詞就變成了“ZabdZabac”。

同理，下一個最常見相鄰字節(jié)對是“ab”，用Y來代替，單詞會進一步被壓縮成“ZYdZYac”。

再下一個最常見相鄰字節(jié)對是“ZY”，用X來替代，最后單詞就變成了“XdXac”。

……

于是，基于這樣的原理，這位網友查了下DALL-E 2針對“鳥類”所用的BPE。

它是這樣的：

apo,?plo, e, ,ve, sr, re, ait, ais

而現(xiàn)實中很多鳥類的拉丁文學名，就有“apo”和“plo”的前綴。

例如Apodidae（雨燕）和Ploceidae（織布鳥），這兩個單詞屬于鳥類的2種鳥科，每個科都有100余種。

像Apodiformes（雨燕目）是鳥類中最大的目，共有400余種。

于是這位網友便認為，DALL-E 2是從標有這些“學術用語”標簽的圖片中，獲取到了關于鳥類的大部分信息。

或許這就是造成DALL-E 2秘密咒語的原因了。

但，事情還有反轉

激動的博士小哥還專門寫了一篇小論文講述這個事情，還把這些發(fā)現(xiàn)都發(fā)在了推特上，引來數(shù)千網友圍觀，令大家直呼“Incredible”。

不過很快就有人親自去試了一下，發(fā)現(xiàn)好像事情并沒有那么簡單。

比如代表“蟲子”的那一串“Contarra ccetnxniams luryca tanniounons”，除了蟲子，也會生成一些青蛙、牛或者鴿子的圖像。

如果給這個描述再加上“cartoon”一詞作為限定，生成的是一些“奶奶”，跟蟲子完全不搭邊？？

“Apoploe vesrreaitais”倒是沒問題，出來的還是一些鳥。

不過同樣，一旦給它加上“cartoon”“3D render”這類詞，又不對了，出來的是一些蟲子。

（這和小哥最后那個例子里出現(xiàn)的蚊子也對應上了。）

代表蔬菜的“Vicootes”也是這樣，單輸沒問題，一加上風格限定，出現(xiàn)的物種就變了；且基本可以說只符合“油畫”“卡通”這些風格設定，跟前面的名詞限定毫無關聯(lián)，比如“Vicootes”+“painting”就是一堆純風景繪畫。

接著他還用同樣的“兩只鯨魚談論食物，帶字幕”生成了一些圖片，結果大部分文字都看不清，也沒法轉錄。

最后找到一張這樣的：

他用上面的”Evve waeles”再輸入后，雖然得到了一張?zhí)瘘c照片，但出現(xiàn)了很多運動員、動物甚至水壺的照片。

還真的有點摸不著頭腦了。

于是這位實驗者就表示：

在我看來，這更像是一些隨機的噪音，而不是DALL-E 2的秘密語言。

他艾特了博士小哥，希望他可以再給出相反的證據(jù)。

目前小哥還沒有答復。

不過這確實是一個值得關注和討論的話題，鑒于一些“咒語”和圖像可以對上，如果真的是BPE碼的話，那么真可能博士小哥所說：

有人用“白盒”方法解開這種規(guī)則，拿到一些違禁詞的“咒語”，就可以繞過模型的過濾器了。

參考鏈接：

[1]https://twitter.com/giannis_daras/status/1531693093040230402
[2]https://twitter.com/BarneyFlames/status/1531736708903051265
[3]https://twitter.com/benjamin_hilton/status/1531780892972175361
[4]https://giannisdaras.github.io/publications/Discovering_the_Secret_Language_of_Dalle.pdf
[5]https://zhuanlan.zhihu.com/p/424631681