在美國近來的一起訴訟案件中，一位律師幫原告打官司，引用了ChatGPT捏造的6個不存在的案例。

法官當庭指出，律師的辯護狀是一個徹頭徹尾的謊言，簡直離了大譜。

然而，律師為自己辯護中，甚至提交了和ChatGPT聊天截圖的證據。

(資料圖片)

顯然，ChatGPT稱「這些案例都是真實存在的」。

本為原告打的官司，自己竟惹禍上身，將受到制裁，這波操作瞬間在網上引起軒然大波。

畢竟，GPT-4剛誕生時，OpenAI放出它在律師資格考試（UBE）的成績，還拿到了90分。

網友警告，千萬不要用ChatGPT進行法律研究！??！

還有人戲稱，要怪就怪你的prompt不行。

律師承認使用ChatGPT

這起訴訟的起始和其他許多案件一樣。

一位名叫Roberto Mata的男子在飛往紐約肯尼迪國際機場的航班上，不幸被一輛餐車撞到膝蓋，導致受傷。

由此，他便要起訴這架航班的「哥倫比亞航空公司」（Avianca）。

Mata聘請了Levidow，Levidow & Oberman律所的一位律師來替自己打這個官司。

接手案子后，律師Steven A. Schwartz向法院提交了一份10頁的辯護狀。其中，引用了6個相關的法院判決：

Varghese V. 中國南方航空公司

Shaboon V. 埃及航空公司

Petersen V. 伊朗航空公司

Martinez 達美航空公司

Estate of Durden V. 荷蘭皇家航空公司

Miller V. 美國聯合航空公司

原文件：

https://storage.courtlistener.com/recap/gov.uscourts.nysd.575368/gov.uscourts.nysd.575368.32.1.pdf

然而，讓所有人震驚的是，從案件本身，到司法判決，再到內部引文，全是假的！

為什么假？因為是ChatGPT生成的。

這不，麻煩就來了。

目前，對方律師考慮舉行聽證會，對原告律師進行制裁。

Schwartz律師，可以說已經非常資深，在紐約從事法律工作已有30年。

從他的話中得知，自己吃了大虧，竟是從來沒用過ChatGPT，由此沒有意識到它生成的內容是假的。說來，還是太離譜

原告律師Steven A. Schwartz在一份宣誓書中承認，他確實用了ChatGPT進行相關研究。

為了驗證這些案件的真實性，他做了唯一一件合理的事：讓ChatGPT驗證這些案件的真實性。

他告訴法官，「自己無意欺騙法庭或航空公司」。

當他詢問ChatGPT這些案件的來源時，ChatGPT先是為之前的表述不清道歉，但還是堅稱這些案件都是真實的，可以在Westlaw和LexisNexis上找到。

而對方律師也同樣堅持，來自Levidow & Oberman律師事務所的原告律師是多么荒唐可笑，由此才引發了法庭對這個細節的重視。

在其中一個案例中，有個叫Varghese的人起訴中國南方航空有限公司。然而這件事壓根不存在。

ChatGPT好像引用了另一個案件——Zicherman起訴大韓航空有限公司。而ChatGPT把日期、案件細節什么的都搞錯了。

Schwartz此時才悔恨地表示，他沒有意識到ChatGPT可能提供假案件，現在他非常后悔用生成式AI來進行法律研究。

法官表示，這種情況前所未見，并將于6月8日舉行聽證會，討論可能的制裁措施。

這件事情再次體現了一個很重要的事實，那就是用完ChatGPT必須用其它來源進行雙重，甚至三重查證。

而AI模型在信息輸入上出現重大事實錯誤已經不是第一次了，谷歌的Bard也遇到過這種問題。

90分？GPT-4成績被夸大

還記得GPT-4剛剛發布那天，「小鎮做題家」在各項考試指標上接近滿分的水平。

尤其，在美國統一律師資格考試（UBE）中，GPT-4可以拿到90%水平，而ChatGPT（GPT-3.5）也僅拿到10%的分數。

但是，沒過多久，來自MIT的研究人員Eric Martínez發了一篇論文，重新評估了GPT-4在Bar考試中的表現。

論文直言，GPT-4的律師考試成績被夸大了。

論文地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4441311

作者在文中提出了4組發現，表明OpenAI對GPT-4在UBE的表現，盡管明顯比GPT-3.5有令人印象深刻的飛躍，但似乎過于夸大。

特別是，如果被當作代表「百分位數下限范圍」的保守估計。更不用說，意在反映一位執業律師的實際能力了。

首先，GPT-4的律師考試成績，是與2月份伊利諾伊州律師考試的應試者相比較的。

值得注意的是，這些考生都是復讀生，不難理解，他們的分數可能會更差。

其次，最近一次七月份考試的數據表明，GPT-4的UBE成績為68%。

第三，通過檢查官方NCBE數據，并使用若干保守的統計假設，估計GPT-4在所有首次考試中實現63%。

最后，當只考慮那些通過考試的人（即已獲得許可或待許可的律師）時，預計GPT-4的表現將下降到48%。

網友稱，更準確來說，GPT-4應該只有63分，或者68分。

文中，作者還提供了深刻的見解，探討了將法律任務外包給AI模型的可取性和可行性。

甚至，人工智能開發人員實施嚴格和透明的能力評估，以幫助確保安全和可靠的人工智能的重要性。

要是，原告的那位律師看過這項研究后，說不定就不會吃大虧了。

ChatGPT胡說八道

歸根結底，ChatGPT能夠編造出6個不在的案例，還是因為它固有的「幻覺」問題。

直白來講，就是張口胡說八道的天性所致。

就連馬斯克都想拯救這個致命的問題，官宣推出了名為TruthGPT的AI平臺。

馬斯克曾表示，TruthGPT將是一個「最大的求真人工智能」，它將試圖理解宇宙的本質。

然而，別管什么GPT，幻覺很難搞定。

前段時間，OpenAI聯合創始人兼研究員John Schulman在演講「RL and Truthfulness – Towards TruthGPT」中，討論了幻覺產生的原因以及解決方案。

根據Schulman的說法，幻覺大致可以分為兩種類型：

1 模式完成行為，即語言模型無法表達自己的不確定性，無法質疑提示中的前提，或者繼續之前犯的錯誤

2 模型猜測錯誤

語言模型代表一種知識圖譜，該圖譜將訓練數據中的事實存儲在自己的網絡中。而微調可以理解為「學習一個函數」，能夠在知識圖譜上操作并輸出token預測。

比如，微調數據集中，如果有包含「星球大戰是什么片？」這個問題，以及「科幻」這個答案。

要是這一信息在原始訓練數據中存在，那么模型就不會學習新信息，而是學習一種行為——輸出答案。而這種微調也被稱為「行為克隆」。

如果「星球大戰是什么片？」這一問題的答案不是原始訓練數據的一部分。即便不知道，模型也會學習正確答案。

但問題是，使用這些不在知識圖譜中的答案進行微調，就會讓模型學會編造答案，即產生所謂的「幻覺」。

相反，要是用不正確的答案去訓練模型，就會導致模型知識網絡隱瞞信息。

網友熱評

此事一出，各位網友也是各抒己見。

Kim表示，不光是ChatGPT，其實人類也愛用想象來彌補知識盲區。只不過ChatGPT能裝的更逼真。關鍵在于，要搞清楚ChatGPT知道什么、不知道什么。

Zero提出了一個很有建設性的提議，那就是：以后ChatGPT再舉事例，后面得附上來源鏈接。

Francis表示，早說過了，ChatGPT是一種生成式人工智能。意味著它會根據輸入的問題生成回答。無論它有多能模仿人類在理解問題后的精彩回答，也改變不了ChatGPT本身并不理解這個問題的事實。

Tricorn認為，這位原告律師不應該把鍋扔給ChatGPT，是他自己用錯了。應該是把事例當作prompt的一部分輸入進去，然后讓ChatGPT填補中間缺環的論證部分。

還有網友稱，用ChatGPT要上點心，要不下一個超級碗就是你了。

這就是活靈活現的證據。ChatGPT等人工智能工具做人類的工作，真的是可能直接導致我們的大災難。

對于ChatGPT這個表現，你怎么看？

參考資料：

https://www.theverge.com/2023/5/27/23739913/chatgpt-ai-lawsuit-avianca-airlines-chatbot-research

https://www.nytimes.com/2023/05/27/nyregion/avianca-airline-lawsuit-chatgpt.htm

本文來源：新智元，作者：桃子 拉燕，原標題：《GPT-4考90分全假！30年資深律師用ChatGPT打官司，6個虛假案例成笑柄》

風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。

關鍵詞：