在构建AI语言模型的过程中，工程师们逐渐注意到两种截然不同的处理功能：记忆能力（能够复述训练数据中的精确文本，如著名引言或书籍段落）和所谓的"推理"能力（使用一般原理解决新问题）。AI创业公司Goodfire.ai的最新研究首次提供了明确证据，表明这些不同功能实际上通过模型架构中完全独立的神经通路运行。
记忆与推理的分离
Goodfire.ai的研究人员发现，这种分离异常清晰。在10月底发布的一篇预印本论文中，他们描述了当移除记忆通路时，模型失去了97%的原文复述能力，但几乎保持了所有"逻辑推理"能力。
以艾伦人工智能研究所的OLMo-7B语言模型第22层为例，研究人员根据称为"曲率"的指标（下文将详细解释）将所有权重组件（处理信息的数学值）从高到低排序。当检查这些排序后的组件时，排名靠后的50%权重组件在记忆数据上的激活度高出23%，而排名前10%的组件在一般、非记忆文本上的激活度高出26%。
换句话说，专门用于记忆的组件聚集在排名的底部，而问题解决组件则聚集在顶部。这种机械性分离使研究人员能够"外科手术式"地移除记忆同时保留其他能力。他们发现可以删除排名靠后的组件来消除记忆，同时保留处理问题解决的排名靠前的组件。
算术与记忆的意外关联
最令人惊讶的是，研究人员发现算术运算似乎与记忆共享相同的神经通路，而非逻辑推理。当移除记忆电路时，数学性能骤降至66%，而逻辑任务几乎不受影响。这一发现可能解释了为什么AI语言模型在未使用外部工具时 notoriously 在数学方面表现不佳。它们试图从有限的记忆表中回忆算术，而不是进行计算，就像一个只背了乘法表但从未理解乘法如何运作的学生。这一发现表明，在当前规模下，语言模型将"2+2=4"更多地视为记忆事实而非逻辑运算。
值得注意的是，AI研究中的"推理"涵盖了一系列能力，这些能力不一定与我们人类所说的推理相匹配。在这项最新研究中，即使移除了记忆，幸存下来的逻辑推理包括评估真假陈述和遵循if-then规则等任务，这些任务本质上是将已学习的模式应用于新输入。这也与证明或新颖问题解决所需的更深层次的"数学推理"不同，即使当前AI模型的模式匹配能力保持完整，它们仍在这些方面存在困难。
神经景观的探索
为了理解Goodfire的研究人员如何在这些神经网络中区分记忆与推理，了解AI中称为"损失景观"的概念会有所帮助。"损失景观"是一种可视化方法，展示了在调整AI模型的内部设置（称为"权重"）时，其预测的错误程度。
想象你在调整一个有数百万个旋钮的复杂机器。"损失"衡量机器犯错的次数。高损失意味着许多错误，低损失意味着错误很少。"景观"就是你能映射出每个旋钮设置组合的错误率时看到的样子。
训练过程中，AI模型本质上是在这个景观中"滚下山坡"（梯度下降），调整其权重以找到错误最少的山谷。这个过程提供AI模型的输出，如问题答案。
研究人员分析了特定AI语言模型的损失景观的"曲率"，测量模型性能对不同神经网络权重微小变化的敏感度。尖锐的峰谷代表高曲率（微小变化导致大效果），而平坦的平原代表低曲率（变化影响最小）。他们使用这些曲率值将权重组件从高到低排序，如前所述。
使用称为K-FAC（Kronecker-Factored Approximate Curvature）的技术，他们发现单个记忆事实在这个景观中创造尖锐的尖峰，但由于每个记忆项目在不同方向上产生尖峰，当它们平均在一起时，会创建平坦的轮廓。与此同时，许多不同输入依赖的推理能力在整个景观中保持一致的适度曲线，就像无论从哪个方向接近都保持大致相同形状的起伏山丘。
"实现许多输入共享机制的 directions 在平均时保持高曲率，"研究人员描述推理通路时写道。相比之下，记忆使用"与特定示例相关的特殊尖锐 directions "，当跨数据平均时呈现平坦。
不同任务揭示的机制光谱
研究人员在多个AI系统上测试了他们的技术，以验证这些发现在不同架构中的一致性。他们主要使用艾伦研究所的OLMo-2开放语言模型家族，特别是70亿和10亿参数版本，选择它们是因为其训练数据公开可访问。对于视觉模型，他们在ImageNet上训练了定制的8600万参数Vision Transformer（ViT-Base模型），并故意使用错误标签的数据来创建受控记忆。他们还对照现有的记忆移除方法（如BalancedSubnet）验证了他们的发现，以建立性能基准。
团队通过从这些训练好的模型中选择性地移除低曲率权重组件来测试他们的发现。记忆内容从近100%的回忆率降至3.4%。同时，逻辑推理任务保持了95%至106%的基线性能。
这些逻辑任务包括布尔表达式评估、逻辑推理谜题（解决者必须跟踪"如果A比B高"等关系）、通过多次交换进行对象跟踪，以及基准测试如用于是/否推理的BoolQ、用于常识推理的Winogrande和需要从提供的事实中推理的科学问题OpenBookQA。一些任务介于这些极端之间，揭示了机制的光谱。
数学运算和闭书事实检索与记忆共享通路，在编辑后性能降至66%至86%。研究人员发现算术特别脆弱。即使模型生成相同的推理链，在移除低曲率组件后，它们在计算步骤仍然失败。
"算术问题本身在7B规模上是记忆的，或者因为它们需要使用狭窄使用的方向进行精确计算，"团队解释道。依赖提供上下文而非内部知识的开放书问答最能抵抗编辑过程，保持了近乎完整的性能。
有趣的是，机制分离因信息类型而异。像国家首都这样的常见事实在编辑后几乎没有变化，而像公司首席执行官这样的罕见事实则下降了78%。这表明模型根据信息在训练中出现的频率分配不同的神经资源。
K-FAC技术在不记忆内容的训练样本的情况下，优于现有的记忆移除方法。在未见过的历史引言上，K-FAC实现了16.1%的记忆率，而之前最好的方法BalancedSubnet为60%。
视觉变压器显示出类似的模式。当使用故意错误标记的图像训练时，模型发展出用于记忆错误标签与学习正确模式的独立通路。移除记忆通路恢复了先前错误标记图像上66.5%的准确性。
记忆移除的局限性
然而，研究人员承认他们的技术并不完美。一旦移除的记忆可能会在模型接收更多训练后返回，因为其他研究表明，当前的遗忘方法只是抑制信息，而不是从神经网络的权重中完全擦除它。这意味着"被遗忘"的内容只需要针对这些被抑制区域的几步训练就可以重新激活。
研究人员也无法完全解释为什么某些能力（如数学）在移除记忆时如此容易失效。尚不清楚模型是否真的记忆了所有算术，或者数学只是碰巧使用与记忆类似的神经电路。此外，一些复杂的能力在他们的检测方法中可能看起来像记忆，即使它们实际上是复杂的推理模式。最后，他们用来测量模型"景观"的数学工具在极端情况下可能变得不可靠，尽管这不影响实际的编辑过程。
未来发展方向
这项研究为理解AI模型如何存储和处理信息提供了重要见解。如果信息移除技术在未来得到进一步发展，AI公司有一天可能能够从神经网络中移除版权内容、私人信息或有害记忆文本，同时不破坏模型执行转换性任务的能力。然而，由于神经网络以分布式方式存储信息，这些方式仍未完全被理解，研究人员表示，目前他们的方法"无法保证敏感信息的完全消除"。
这些研究是AI新研究方向的开端，可能会对AI安全、隐私保护以及模型效率产生深远影响。通过更好地理解记忆与推理的分离，研究人员可以设计出更高效、更安全、更符合人类价值观的AI系统。
对AI开发的启示
这一发现对AI开发具有几个重要启示：
模型架构优化：了解记忆与推理的分离可以帮助设计更高效的架构，明确区分这些功能，可能提高整体性能。
训练策略调整：认识到算术运算与记忆的关联，可以促使开发新的训练方法，帮助AI模型更好地理解数学概念而非仅仅记忆结果。
安全与隐私：能够选择性移除记忆而不损害核心功能，为解决AI中的数据隐私问题提供了新思路。
可解释性增强：理解这些机制可以增强AI的可解释性，使研究人员能够更好地观察和解释模型的决策过程。
性能评估：认识到不同能力使用不同神经通路，可以导致更全面的AI评估方法，超越简单的准确性指标。
随着这一研究领域的深入，我们可能会看到更多关于AI如何存储和处理信息的见解，这些见解将推动AI技术向更安全、更可靠、更符合人类需求的方向发展。
