谷歌推出了一个名为“社交学习”的开创性人工智能框架，旨在增强语言模型的协作能力，同时不损害用户隐私。该框架允许人工智能模型通过自然语言交互相互学习，使它们能够共享知识并提高各种任务的性能。
通过社会学习框架，教师模型可以在不直接共享敏感或私人数据的情况下向学生模型传授知识，确保隐私保护，同时促进有效学习。
在这个框架中，学生模型从多个教师模型中学习，每个模型都精通特定任务，如垃圾邮件检测、解决数学问题或基于文本回答问题。通过利用人类标记的例子，教师模型可以在不需要交换原始数据的情况下教授学生，解决与数据共享相关的隐私问题。此外，教师模型还可以合成新的例子或生成任务指令，进一步增强学习过程。
实验证明了社会学习在提高学生模型在各种任务中的表现方面的有效性。教师模型生成的合成示例显示出与原始数据相当的有效性，同时显著降低了隐私风险。同样，教师模型生成的指令已被证明可以提高学生的表现，证明了语言模型在以下指令中的适应性。
为了确保隐私保护，研究人员采用了Secret Sharer等指标来量化学习过程中的数据泄露。结果表明，私人数据的泄露最小，这肯定了该框架在不透露原始数据集细节的情况下进行教学的能力。
通过模仿人类的社会学习过程，这些模型可以有效地共享知识，提高彼此的性能，同时维护用户隐私。这种方法有望在各个领域开发具有隐私意识的人工智能系统。接下来，研究人员的目标是进一步完善社会学习框架，并探索其在不同任务和数据集中的应用。
