二十多年前，羅琳（J.K. Rowling）為世界揭示了一個由魔法生物、原始森林和少年巫師組成的世界。如今，《哈利波特》（Harry Potter）在一個截然不同的文體中找到了新的意義，即人工智能（AI）研究。

越來越多的研究人員利用《哈利波特》系列暢銷書進行生成式人工智能技術實驗，因為它在流行文化中歷久不衰，並提供了廣泛的語言數據和複雜的文字遊戲。透過查看提到《哈利波特》的研究和學術論文清單，我們能一窺目前AI研究現狀，以及該技術面臨的一些最棘手挑戰。

近期最引人注目的例子可能就是由哈利、妙麗和榮恩領銜「主演」的論文：「誰是哈利波特？」（Who's Harry Potter？）。該論文揭示了一種幫助大型語言模型選擇性地遺忘資訊的新技術。這對該行業至關重要：驅動AI聊天機械人的大型語言模型建立在海量網絡資料之上，其中包括受版權保護的資料和其他有問題的內容。這導致一些AI公司面臨訴訟風險和嚴厲的公眾監督。

論文作者、微軟研究人員魯西諾維奇（Mark Russinovich）和埃爾丹（Ronen Eldan）稱他們已經證明AI模型可以被修改或編輯，以消除關於《哈利波特》圖書存在的任何知識，包括人物和情節，並且不會犧牲AI系統的整體決策和分析能力。

兩人說選擇這套書的原因是它們在全球家傳戶曉。「我們相信研究人員更容易評估我們的技術產生的模型，親自確認那些內容的確被『遺忘了』，」微軟Azure首席技術官魯西諾維奇說，「幾乎任何人都能想出針對這一模型的提示語（prompt），以檢測它是否『知道』這些書。哪怕沒讀過也了解其中一些情節元素和人物。」

在另一項研究中，來自西雅圖華盛頓大學、加州大學柏克萊分校和艾倫人工智能研究所的研究人員開發了名為Silo的新語言模型，它能刪除資料以降低法律風險。不過，他們在今年稍早發表的論文中指出，如果只使用無版權書籍或政府文件等低風險文本來訓練模型，會顯著降低模型表現。

研究人員也更進一步，利用《哈利波特》圖書來檢視具體書冊是否會影響AI系統的表現。他們創建了兩個資料庫，即網站和文件集。第一個包含除第一冊外的所有已出版《哈利波特》；另一個包含除第二冊外的所有圖書，以此類推。「當《哈利波特》系列從資料庫中移除時，困惑度會加重，」研究人員表示，困惑度是反映AI模型是否精確的指標。

至少從10年前起，AI研究開始引用《哈利波特》，而隨著學者和技術專家聚焦於能處理和回應自然語言並提供解答的AI工具，此類引用愈發常見。《哈利波特》中「有豐富的場景、對話和展露情感的橋段，非常契合自然語言處理的特定領域」，卡內基梅隆大學研究人員韋伯（Leila Wehbe）說。她在2014年進行了一系列實驗，收集閱讀《哈利波特》的人的大腦核磁共振數據，以深入理解語言機制。

開源科研資料庫arXiv上的近期論文包括「用於霍格華茲藥劑開發的機器學習」（Machine learning for potion development at Hogwarts）、「當大型語言模型遇見哈利波特」（Large Language Models Meet Harry Potter）及「以基於Transformer的人工智能探測奇幻文學中的咒語」（Detecting Spells in Fantasy Literature with a Transformer Based Artificial Intelligence）等。

《哈利波特》有時不是研究的重心，但仍是研究者偏好的文學參考。例如，一項研究使用羅琳的作品來檢測人工智能系統的智商，例如最近引起熱議的聊天機械人ChatGPT背後的系統。塞諾斯基（Terrence Sejnowski）是索爾克生物研究所（Salk Institute for Biological Studies）計算神經生物學實驗室的負責人，他在論文中指出，聊天機械人只會反映使用者的智商和偏見，就像第一冊《哈利波特》中能照出人們內心渴望的厄里斯魔鏡一樣。

「《哈利波特》在年輕研究者中頗受歡迎，」韋伯說，「他們幼年或青少年時期讀過這些書，因此挑選書面或口頭語料庫時會想到它們。」

—— 撰文：Saritha Rai；譯 程璽