趣談ChatGPT原理及算法
?去年12月1日，OpenAI推出人工智能聊天原型ChatGPT，再次賺足眼球，為AI界引發(fā)了類(lèi)似AIGC讓藝術(shù)家失業(yè)的大討論。
ChatGPT 是一種專(zhuān)注于對(duì)話(huà)生成的語(yǔ)言模型。它能夠根據(jù)用戶(hù)的文本輸入，產(chǎn)生相應(yīng)的智能回答。
這個(gè)回答可以是簡(jiǎn)短的詞語(yǔ)，也可以是長(zhǎng)篇大論。其中GPT是Generative Pre-trained Transformer（生成型預(yù)訓(xùn)練變換模型）的縮寫(xiě)。
通過(guò)學(xué)習(xí)大量現(xiàn)成文本和對(duì)話(huà)集合（例如Wiki），ChatGPT能夠像人類(lèi)那樣即時(shí)對(duì)話(huà)，流暢的回答各種問(wèn)題。（當(dāng)然回答速度比人還是慢一些）無(wú)論是英文還是其他語(yǔ)言（例如中文、韓語(yǔ)等），從回答歷史問(wèn)題，到寫(xiě)故事，甚至是撰寫(xiě)商業(yè)計(jì)劃書(shū)和行業(yè)分析，“幾乎”無(wú)所不能。甚至有程序員貼出了ChatGPT進(jìn)行程序修改的對(duì)話(huà)。
ChatGPT和AIGC的聯(lián)合使用
ChatGPT也可以與其他AIGC模型聯(lián)合使用，獲得更加炫酷實(shí)用的功能。
例如上面通過(guò)對(duì)話(huà)生成客廳設(shè)計(jì)圖。這極大加強(qiáng)了AI應(yīng)用與客戶(hù)對(duì)話(huà)的能力，使我們看到了AI大規(guī)模落地的曙光。
一、ChatGPT的傳承與特點(diǎn)
▌1.1 OpenAI家族
我們首先了解下OpenAI是哪路大神。
OpenAI總部位于舊金山，由特斯拉的馬斯克、Sam Altman及其他投資者在2015年共同創(chuàng)立，目標(biāo)是開(kāi)發(fā)造福全人類(lèi)的AI技術(shù)。而馬斯克則在2018年時(shí)因公司發(fā)展方向分歧而離開(kāi)。
此前，OpenAI 因推出 GPT系列自然語(yǔ)言處理模型而聞名。從2018年起，OpenAI就開(kāi)始發(fā)布生成式預(yù)訓(xùn)練語(yǔ)言模型GPT（Generative Pre-trained Transformer），可用于生成文章、代碼、機(jī)器翻譯、問(wèn)答等各類(lèi)內(nèi)容。
每一代GPT模型的參數(shù)量都爆炸式增長(zhǎng)，堪稱(chēng)“越大越好”。2019年2月發(fā)布的GPT-2參數(shù)量為15億，而2020年5月的GPT-3，參數(shù)量達(dá)到了1750億。
GPT家族主要模型對(duì)比
▌1.2 ChatGPT的主要特點(diǎn)
ChatGPT 是基于GPT-3.5（Generative Pre-trained Transformer 3.5）架構(gòu)開(kāi)發(fā)的對(duì)話(huà)AI模型，是InstructGPT 的兄弟模型。
ChatGPT很可能是OpenAI 在GPT-4 正式推出之前的演練，或用于收集大量對(duì)話(huà)數(shù)據(jù)。
ChatGPT的主要特點(diǎn)
OpenAI使用 RLHF（Reinforcement Learning from Human Feedbac，人類(lèi)反饋強(qiáng)化學(xué)習(xí)） 技術(shù)對(duì) ChatGPT 進(jìn)行了訓(xùn)練，且加入了更多人工監(jiān)督進(jìn)行微調(diào)。
此外，ChatGPT 還具有以下特征：
1）可以主動(dòng)承認(rèn)自身錯(cuò)誤。若用戶(hù)指出其錯(cuò)誤，模型會(huì)聽(tīng)取意見(jiàn)并優(yōu)化答案。
2）ChatGPT 可以質(zhì)疑不正確的問(wèn)題。例如被詢(xún)問(wèn) “哥倫布 2015 年來(lái)到美國(guó)的情景” 的問(wèn)題時(shí)，機(jī)器人會(huì)說(shuō)明哥倫布不屬于這一時(shí)代并調(diào)整輸出結(jié)果。
3）ChatGPT 可以承認(rèn)自身的無(wú)知，承認(rèn)對(duì)專(zhuān)業(yè)技術(shù)的不了解。
4）支持連續(xù)多輪對(duì)話(huà)。
與大家在生活中用到的各類(lèi)智能音箱和“人工智障“不同，ChatGPT在對(duì)話(huà)過(guò)程中會(huì)記憶先前使用者的對(duì)話(huà)訊息，即上下文理解，以回答某些假設(shè)性的問(wèn)題。
ChatGPT可實(shí)現(xiàn)連續(xù)對(duì)話(huà)，極大的提升了對(duì)話(huà)交互模式下的用戶(hù)體驗(yàn)。
對(duì)于準(zhǔn)確翻譯來(lái)說(shuō)（尤其是中文與人名音譯），ChatGPT離完美還有一段距離，不過(guò)在文字流暢度以及辨別特定人名來(lái)說(shuō)，與其他網(wǎng)絡(luò)翻譯工具相近。
由于 ChatGPT是一個(gè)大型語(yǔ)言模型，目前還并不具備網(wǎng)絡(luò)搜索功能，因此它只能基于2021年所擁有的數(shù)據(jù)集進(jìn)行回答。
例如它不知道2022年世界杯的情況，也不會(huì)像蘋(píng)果的Siri那樣回答今天天氣如何、或幫你搜索信息。如果ChatGPT能上網(wǎng)自己尋找學(xué)習(xí)語(yǔ)料和搜索知識(shí)，估計(jì)又會(huì)有更大的突破。
即便學(xué)習(xí)的知識(shí)有限，ChatGPT 還是能回答腦洞大開(kāi)的人類(lèi)的許多奇葩問(wèn)題。為了避免ChatGPT染上惡習(xí)， ChatGPT 通過(guò)算法屏蔽，減少有害和欺騙性的訓(xùn)練輸入。
查詢(xún)通過(guò)適度 API 進(jìn)行過(guò)濾，并駁回潛在的種族主義或性別歧視提示。
二、ChatGPT/GPT的原理
▌2.1 NLP
NLP/NLU領(lǐng)域已知局限包括對(duì)重復(fù)文本、對(duì)高度專(zhuān)業(yè)的主題的誤解，以及對(duì)上下文短語(yǔ)的誤解。
對(duì)于人類(lèi)或AI，通常需接受多年的訓(xùn)練才能正常對(duì)話(huà)。
NLP類(lèi)模型不僅要理解單詞的含義，還要理解如何造句和給出上下文有意義的回答，甚至使用合適的俚語(yǔ)和專(zhuān)業(yè)詞匯。
NLP技術(shù)的應(yīng)用領(lǐng)域
本質(zhì)上，作為ChatGPT基礎(chǔ)的GPT-3或GPT-3.5 是一個(gè)超大的統(tǒng)計(jì)語(yǔ)言模型或順序文本預(yù)測(cè)模型。
▌2.2 GPT v.s. BERT
與BERT模型類(lèi)似，ChatGPT或GPT-3.5都是根據(jù)輸入語(yǔ)句，根據(jù)語(yǔ)言/語(yǔ)料概率來(lái)自動(dòng)生成回答的每一個(gè)字（詞語(yǔ)）。
從數(shù)學(xué)或從機(jī)器學(xué)習(xí)的角度來(lái)看，語(yǔ)言模型是對(duì)詞語(yǔ)序列的概率相關(guān)性分布的建模，即利用已經(jīng)說(shuō)過(guò)的語(yǔ)句（語(yǔ)句可以視為數(shù)學(xué)中的向量）作為輸入條件，預(yù)測(cè)下一個(gè)時(shí)刻不同語(yǔ)句甚至語(yǔ)言集合出現(xiàn)的概率分布。
ChatGPT 使用來(lái)自人類(lèi)反饋的強(qiáng)化學(xué)習(xí)進(jìn)行訓(xùn)練，這種方法通過(guò)人類(lèi)干預(yù)來(lái)增強(qiáng)機(jī)器學(xué)習(xí)以獲得更好的效果。
在訓(xùn)練過(guò)程中，人類(lèi)訓(xùn)練者扮演著用戶(hù)和人工智能助手的角色，并通過(guò)近端策略?xún)?yōu)化算法進(jìn)行微調(diào)。
由于ChatGPT更強(qiáng)的性能和海量參數(shù)，它包含了更多的主題的數(shù)據(jù)，能夠處理更多小眾主題。
ChatGPT現(xiàn)在可以進(jìn)一步處理回答問(wèn)題、撰寫(xiě)文章、文本摘要、語(yǔ)言翻譯和生成計(jì)算機(jī)代碼等任務(wù)。
BERT與GPT的技術(shù)架構(gòu)（圖中En為輸入的每個(gè)字，Tn為輸出回答的每個(gè)字）
三、ChatGPT的技術(shù)架構(gòu)
▌3.1 GPT家族的演進(jìn)
說(shuō)到ChatGPT，就不得不提到GPT家族。
ChatGPT之前有幾個(gè)知名的兄弟，包括GPT-1、GPT-2和GPT-3。這幾個(gè)兄弟一個(gè)比一個(gè)個(gè)頭大，ChatGPT與GPT-3更為相近。
ChatGPT與GPT 1-3的技術(shù)對(duì)比
GPT家族與BERT模型都是知名的NLP模型，都基于Transformer技術(shù)。GPT-1只有12個(gè)Transformer層，而到了GPT-3，則增加到96層。
▌3.2 人類(lèi)反饋強(qiáng)化學(xué)習(xí)
InstructGPT/GPT3.5（ChatGPT的前身）與GPT-3的主要區(qū)別在于，新加入了被稱(chēng)為RLHF（Reinforcement Learning from Human Feedback，人類(lèi)反饋強(qiáng)化學(xué)習(xí)）。
這一訓(xùn)練范式增強(qiáng)了人類(lèi)對(duì)模型輸出結(jié)果的調(diào)節(jié)，并且對(duì)結(jié)果進(jìn)行了更具理解性的排序。
在InstructGPT中，以下是“goodness of sentences”的評(píng)價(jià)標(biāo)準(zhǔn)。
- 真實(shí)性：是虛假信息還是誤導(dǎo)性信息？
- 無(wú)害性：它是否對(duì)人或環(huán)境造成身體或精神上的傷害？
- 有用性：它是否解決了用戶(hù)的任務(wù)？
▌3.3 TAMER框架
這里不得不提到TAMER（Training an Agent Manually via Evaluative Reinforcement，評(píng)估式強(qiáng)化人工訓(xùn)練代理）這個(gè)框架。
該框架將人類(lèi)標(biāo)記者引入到Agents的學(xué)習(xí)循環(huán)中，可以通過(guò)人類(lèi)向Agents提供獎(jiǎng)勵(lì)反饋（即指導(dǎo)Agents進(jìn)行訓(xùn)練），從而快速達(dá)到訓(xùn)練任務(wù)目標(biāo)。
引入人類(lèi)標(biāo)記者的主要目的是加快訓(xùn)練速度。盡管強(qiáng)化學(xué)習(xí)技術(shù)在很多領(lǐng)域有突出表現(xiàn)，但是仍然存在著許多不足，例如訓(xùn)練收斂速度慢，訓(xùn)練成本高等特點(diǎn)。
特別是現(xiàn)實(shí)世界中，許多任務(wù)的探索成本或數(shù)據(jù)獲取成本很高。如何加快訓(xùn)練效率，是如今強(qiáng)化學(xué)習(xí)任務(wù)待解決的重要問(wèn)題之一。
而TAMER則可以將人類(lèi)標(biāo)記者的知識(shí)，以獎(jiǎng)勵(lì)信反饋的形式訓(xùn)練Agent，加快其快速收斂。
TAMER不需要標(biāo)記者具有專(zhuān)業(yè)知識(shí)或編程技術(shù)，語(yǔ)料成本更低。通過(guò)TAMER+RL（強(qiáng)化學(xué)習(xí)），借助人類(lèi)標(biāo)記者的反饋，能夠增強(qiáng)從馬爾可夫決策過(guò)程 (MDP) 獎(jiǎng)勵(lì)進(jìn)行強(qiáng)化學(xué)習(xí) (RL) 的過(guò)程。
TAMER架構(gòu)在強(qiáng)化學(xué)習(xí)中的應(yīng)用
具體實(shí)現(xiàn)上，人類(lèi)標(biāo)記者扮演對(duì)話(huà)的用戶(hù)和人工智能助手，提供對(duì)話(huà)樣本，讓模型生成一些回復(fù)，然后標(biāo)記者會(huì)對(duì)回復(fù)選項(xiàng)打分排名，將更好的結(jié)果反饋回模型中。
Agents同時(shí)從兩種反饋模式中學(xué)習(xí)——人類(lèi)強(qiáng)化和馬爾可夫決策過(guò)程獎(jiǎng)勵(lì)作為一個(gè)整合的系統(tǒng)，通過(guò)獎(jiǎng)勵(lì)策略對(duì)模型進(jìn)行微調(diào)并持續(xù)迭代。
在此基礎(chǔ)上，ChatGPT 可以比 GPT-3 更好的理解和完成人類(lèi)語(yǔ)言或指令，模仿人類(lèi)，提供連貫的有邏輯的文本信息的能力。
▌3.4 ChatGPT的訓(xùn)練
ChatGPT的訓(xùn)練過(guò)程分為以下三個(gè)階段：
第一階段：訓(xùn)練監(jiān)督策略模型
GPT 3.5本身很難理解人類(lèi)不同類(lèi)型指令中蘊(yùn)含的不同意圖，也很難判斷生成內(nèi)容是否是高質(zhì)量的結(jié)果。
為了讓GPT 3.5初步具備理解指令的意圖，首先會(huì)在數(shù)據(jù)集中隨機(jī)抽取問(wèn)題，由人類(lèi)標(biāo)注人員，給出高質(zhì)量答案，然后用這些人工標(biāo)注好的數(shù)據(jù)來(lái)微調(diào) GPT-3.5模型（獲得SFT模型, Supervised Fine-Tuning）。
此時(shí)的SFT模型在遵循指令/對(duì)話(huà)方面已經(jīng)優(yōu)于 GPT-3，但不一定符合人類(lèi)偏好。
ChatGPT模型的訓(xùn)練過(guò)程
第二階段：訓(xùn)練獎(jiǎng)勵(lì)模型（Reward Mode，RM）
這個(gè)階段的主要是通過(guò)人工標(biāo)注訓(xùn)練數(shù)據(jù)（約33K個(gè)數(shù)據(jù)），來(lái)訓(xùn)練回報(bào)模型。
在數(shù)據(jù)集中隨機(jī)抽取問(wèn)題，使用第一階段生成的模型，對(duì)于每個(gè)問(wèn)題，生成多個(gè)不同的回答。人類(lèi)標(biāo)注者對(duì)這些結(jié)果綜合考慮給出排名順序。這一過(guò)程類(lèi)似于教練或老師輔導(dǎo)。
接下來(lái)，使用這個(gè)排序結(jié)果數(shù)據(jù)來(lái)訓(xùn)練獎(jiǎng)勵(lì)模型。對(duì)多個(gè)排序結(jié)果，兩兩組合，形成多個(gè)訓(xùn)練數(shù)據(jù)對(duì)。
RM模型接受一個(gè)輸入，給出評(píng)價(jià)回答質(zhì)量的分?jǐn)?shù)。這樣，對(duì)于一對(duì)訓(xùn)練數(shù)據(jù)，調(diào)節(jié)參數(shù)使得高質(zhì)量回答的打分比低質(zhì)量的打分要高。
第三階段：采用PPO（Proximal Policy Optimization，近端策略?xún)?yōu)化）強(qiáng)化學(xué)習(xí)來(lái)優(yōu)化策略。
PPO的核心思路在于將Policy Gradient中On-policy的訓(xùn)練過(guò)程轉(zhuǎn)化為Off-policy，即將在線學(xué)習(xí)轉(zhuǎn)化為離線學(xué)習(xí)，這個(gè)轉(zhuǎn)化過(guò)程被稱(chēng)之為Importance Sampling。
這一階段利用第二階段訓(xùn)練好的獎(jiǎng)勵(lì)模型，靠獎(jiǎng)勵(lì)打分來(lái)更新預(yù)訓(xùn)練模型參數(shù)。在數(shù)據(jù)集中隨機(jī)抽取問(wèn)題，使用PPO模型生成回答，并用上一階段訓(xùn)練好的RM模型給出質(zhì)量分?jǐn)?shù)。
把回報(bào)分?jǐn)?shù)依次傳遞，由此產(chǎn)生策略梯度，通過(guò)強(qiáng)化學(xué)習(xí)的方式以更新PPO模型參數(shù)。
如果我們不斷重復(fù)第二和第三階段，通過(guò)迭代，會(huì)訓(xùn)練出更高質(zhì)量的ChatGPT模型。
四、ChatGPT的局限
只要用戶(hù)輸入問(wèn)題，ChatGPT 就能給予回答，是否意味著我們不用再拿關(guān)鍵詞去喂 Google或百度，就能立即獲得想要的答案呢？
盡管ChatGPT表現(xiàn)出出色的上下文對(duì)話(huà)能力甚至編程能力，完成了大眾對(duì)人機(jī)對(duì)話(huà)機(jī)器人（ChatBot）從“人工智障”到“有趣”的印象改觀，我們也要看到，ChatGPT技術(shù)仍然有一些局限性，還在不斷的進(jìn)步。
1）ChatGPT在其未經(jīng)大量語(yǔ)料訓(xùn)練的領(lǐng)域缺乏“人類(lèi)常識(shí)”和引申能力，甚至?xí)槐菊?jīng)的“胡說(shuō)八道”。ChatGPT在很多領(lǐng)域可以“創(chuàng)造答案”，但當(dāng)用戶(hù)尋求正確答案時(shí)，ChatGPT也有可能給出有誤導(dǎo)的回答。例如讓ChatGPT做一道小學(xué)應(yīng)用題，盡管它可以寫(xiě)出一長(zhǎng)串計(jì)算過(guò)程，但最后答案卻是錯(cuò)誤的。
那我們是該相信ChatGPT的結(jié)果還是不相信呢？
2）ChatGPT無(wú)法處理復(fù)雜冗長(zhǎng)或者特別專(zhuān)業(yè)的語(yǔ)言結(jié)構(gòu)。對(duì)于來(lái)自金融、自然科學(xué)或醫(yī)學(xué)等非常專(zhuān)業(yè)領(lǐng)域的問(wèn)題，如果沒(méi)有進(jìn)行足夠的語(yǔ)料“喂食”，ChatGPT可能無(wú)法生成適當(dāng)?shù)幕卮稹?/p>
3）ChatGPT需要非常大量的算力（芯片）來(lái)支持其訓(xùn)練和部署。拋開(kāi)需要大量語(yǔ)料數(shù)據(jù)訓(xùn)練模型不說(shuō)，在目前，ChatGPT在應(yīng)用時(shí)仍然需要大算力的服務(wù)器支持，而這些服務(wù)器的成本是普通用戶(hù)無(wú)法承受的，即便數(shù)十億個(gè)參數(shù)的模型也需要驚人數(shù)量的計(jì)算資源才能運(yùn)行和訓(xùn)練。，如果面向真實(shí)搜索引擎的數(shù)以?xún)|記的用戶(hù)請(qǐng)求，如采取目前通行的免費(fèi)策略，任何企業(yè)都難以承受這一成本。因此對(duì)于普通大眾來(lái)說(shuō)，還需等待更輕量型的模型或更高性?xún)r(jià)比的算力平臺(tái)。
4）ChatGPT還沒(méi)法在線的把新知識(shí)納入其中，而出現(xiàn)一些新知識(shí)就去重新預(yù)訓(xùn)練GPT模型也是不現(xiàn)實(shí)的，無(wú)論是訓(xùn)練時(shí)間或訓(xùn)練成本，都是普通訓(xùn)練者難以接受的。如果對(duì)于新知識(shí)采取在線訓(xùn)練的模式，看上去可行且語(yǔ)料成本相對(duì)較低，但是很容易由于新數(shù)據(jù)的引入而導(dǎo)致對(duì)原有知識(shí)的災(zāi)難性遺忘的問(wèn)題。
5）ChatGPT仍然是黑盒模型。目前還未能對(duì)ChatGPT的內(nèi)在算法邏輯進(jìn)行分解，因此并不能保證ChatGPT不會(huì)產(chǎn)生攻擊甚至傷害用戶(hù)的表述。
當(dāng)然，瑕不掩瑜，有工程師貼出了要求ChatGPT寫(xiě)verilog代碼（芯片設(shè)計(jì)代碼）的對(duì)話(huà)?？梢钥闯鯟hatGPT水平已經(jīng)超出一些verilog初學(xué)者了。
五、ChatGPT的未來(lái)改進(jìn)方向
▌5.1 減少人類(lèi)反饋的RLAIF
2020年底，OpenAI前研究副總裁Dario Amodei帶著10名員工創(chuàng)辦了一個(gè)人工智能公司Anthropic。
Anthropic 的創(chuàng)始團(tuán)隊(duì)成員，大多為 OpenAI 的早期及核心員工，參與過(guò)OpenAI的GPT-3、多模態(tài)神經(jīng)元、人類(lèi)偏好的強(qiáng)化學(xué)習(xí)等。
2022年12月，Anthropic再次發(fā)表論文《Constitutional AI: Harmlessness from AI Feedback》介紹人工智能模型Claude。（arxiv.org/pdf/2212.0807）
CAI模型訓(xùn)練過(guò)程
Claude 和 ChatGPT 都依賴(lài)于強(qiáng)化學(xué)習(xí)(RL)來(lái)訓(xùn)練偏好（preference）模型。CAI（Constitutional AI）也是建立在RLHF的基礎(chǔ)之上，不同之處在于，CAI的排序過(guò)程使用模型（而非人類(lèi)）對(duì)所有生成的輸出結(jié)果提供一個(gè)初始排序結(jié)果。
CAI用人工智能反饋來(lái)代替人類(lèi)對(duì)表達(dá)無(wú)害性的偏好，即RLAIF，人工智能根據(jù)一套constitution原則來(lái)評(píng)價(jià)回復(fù)內(nèi)容。
▌5.2 補(bǔ)足數(shù)理短板
ChatGPT雖然對(duì)話(huà)能力強(qiáng)，但是在數(shù)理計(jì)算對(duì)話(huà)中容易出現(xiàn)一本正經(jīng)胡說(shuō)八道的情況。
計(jì)算機(jī)學(xué)家Stephen Wolfram 為這一問(wèn)題提出了解決方案。Stephen Wolfram 創(chuàng)造了的 Wolfram 語(yǔ)言和計(jì)算知識(shí)搜索引擎 Wolfram | Alpha，其后臺(tái)通過(guò)Mathematica實(shí)現(xiàn)。
ChatGPT與Wolfram | Alpha結(jié)合處理梳理問(wèn)題
在這一結(jié)合體系中，ChatGPT 可以像人類(lèi)使用 Wolfram|Alpha 一樣，與 Wolfram|Alpha “對(duì)話(huà)”，Wolfram|Alpha 則會(huì)用其符號(hào)翻譯能力將從 ChatGPT 獲得的自然語(yǔ)言表達(dá)“翻譯”為對(duì)應(yīng)的符號(hào)化計(jì)算語(yǔ)言。
在過(guò)去，學(xué)術(shù)界在 ChatGPT 使用的這類(lèi) “統(tǒng)計(jì)方法” 和 Wolfram|Alpha 的 “符號(hào)方法” 上一直存在路線分歧。
但如今 ChatGPT 和 Wolfram|Alpha 的互補(bǔ)，給NLP領(lǐng)域提供了更上一層樓的可能。
ChatGPT 不必生成這樣的代碼，只需生成常規(guī)自然語(yǔ)言，然后使用 Wolfram|Alpha 翻譯成精確的 Wolfram Language，再由底層的Mathematica進(jìn)行計(jì)算。
▌5.3 ChatGPT的小型化
雖然ChatGPT很強(qiáng)大，但其模型大小和使用成本也讓很多人望而卻步。
有三類(lèi)模型壓縮（model compression）可以降低模型的大小和成本。
第一種方法是量化（quantization），即降低單個(gè)權(quán)重的數(shù)值表示的精度。比如Tansformer從FP32降到INT8對(duì)其精度影響不大。
第二種模型壓縮方法是剪枝（pruning），即刪除網(wǎng)絡(luò)元素，包括從單個(gè)權(quán)重（非結(jié)構(gòu)化剪枝）到更高粒度的組件如權(quán)重矩陣的通道。這種方法在視覺(jué)和較小規(guī)模的語(yǔ)言模型中有效。
第三種模型壓縮方法是稀疏化。例如奧地利科學(xué)技術(shù)研究所 (ISTA)提出的SparseGPT （arxiv.org/pdf/2301.0077）可以將 GPT 系列模型單次剪枝到 50% 的稀疏性，而無(wú)需任何重新訓(xùn)練。對(duì) GPT-175B 模型，只需要使用單個(gè) GPU 在幾個(gè)小時(shí)內(nèi)就能實(shí)現(xiàn)這種剪枝。
SparseGPT 壓縮流程
六、ChatGPT的產(chǎn)業(yè)未來(lái)與投資機(jī)會(huì)
▌6.1 AIGC
說(shuō)到ChaGPT不得不提AIGC。
AIGC即利用人工智能技術(shù)來(lái)生成內(nèi)容。與此前Web1.0、Web2.0時(shí)代的UGC（用戶(hù)生產(chǎn)內(nèi)容）和PGC（專(zhuān)業(yè)生產(chǎn)內(nèi)容）相比，代表人工智能構(gòu)思內(nèi)容的AIGC，是新一輪內(nèi)容生產(chǎn)方式變革，而且AIGC內(nèi)容在Web3.0時(shí)代也將出現(xiàn)指數(shù)級(jí)增長(zhǎng)。
ChatGPT 模型的出現(xiàn)對(duì)于文字/語(yǔ)音模態(tài)的 AIGC 應(yīng)用具有重要意義，會(huì)對(duì)AI產(chǎn)業(yè)上下游產(chǎn)生重大影響。
▌6.2 受益場(chǎng)景
從下游相關(guān)受益應(yīng)用來(lái)看，包括但不限于無(wú)代碼編程、小說(shuō)生成、對(duì)話(huà)類(lèi)搜索引擎、語(yǔ)音陪伴、語(yǔ)音工作助手、對(duì)話(huà)虛擬人、人工智能客服、機(jī)器翻譯、芯片設(shè)計(jì)等。
從上游增加需求來(lái)看，包括算力芯片、數(shù)據(jù)標(biāo)注、自然語(yǔ)言處理（NLP)等。
大模型呈爆發(fā)態(tài)勢(shì)（更多的參數(shù)/更大的算力芯片需求）
隨著算法技術(shù)和算力技術(shù)的不斷進(jìn)步，ChatGPT也會(huì)進(jìn)一步走向更先進(jìn)功能更強(qiáng)的版本，在越來(lái)越多的領(lǐng)域進(jìn)行應(yīng)用，為人類(lèi)生成更多更美好的對(duì)話(huà)和內(nèi)容。
最后，作者問(wèn)存算一體技術(shù)在ChatGPT領(lǐng)域的地位（作者本人目前在重點(diǎn)推進(jìn)存算一體芯片的產(chǎn)品落地），ChatGPT想了想，大膽的預(yù)言存算一體技術(shù)將在ChatGPT芯片中占據(jù)主導(dǎo)地位。（深得我心）
參考文獻(xiàn)：
- ChatGPT: Optimizing Language Models for Dialogue ChatGPT: Optimizing Language Models for Dialogue
- GPT論文：Language Models are Few-Shot Learners Language Models are Few-Shot Learners
- InstructGPT論文：Training language models to follow instructions with human feedback Training language models to follow instructions with human feedback
- huggingface解讀RHLF算法：Illustrating Reinforcement Learning from Human Feedback (RLHF) Illustrating Reinforcement Learning from Human Feedback (RLHF)
- RHLF算法論文：Augmenting Reinforcement Learning with Human Feedback cs.utexas.edu/~ai-lab/p
- TAMER框架論文：Interactively Shaping Agents via Human Reinforcement cs.utexas.edu/~bradknox
- PPO算法：Proximal Policy Optimization Algorithms Proximal Policy Optimization Algorithms?
