國產(chǎn)大模型 摸著OpenAI過河

　　文|光錐智能，作者|周文斌，編輯|王一粟

　　GPT-4驚艷亮相后，壓力來到百度這邊。

　　上臺后的李彥宏和百度CTO王海峰都略顯緊張，這在多年百度相關(guān)活動中還是非常少見。李彥宏坦言，“文心一言對標ChatGPT、甚至是對標GPT-4，門檻是很高的。我自己測試感覺還是有很多不完美的地方。”

　　文心一言是一個大語言模型、生成式AI產(chǎn)品，發(fā)布會上演示了五個使用場景中的綜合能力。其中，文學(xué)創(chuàng)作、商業(yè)文案創(chuàng)作、數(shù)理推算是大語言模型常見的能力，在此基礎(chǔ)上，中文理解及多模態(tài)生成能力更能體現(xiàn)技術(shù)水平。

　　到今日晚間，「光錐智能」拿到文心一言的內(nèi)測邀請碼，在提出多個問題測試之后我們發(fā)現(xiàn)，文心一言與New Bing雖然有差距，但整體要比預(yù)期更好。比如在為商業(yè)訪談類欄目起名、對洛希極限的解釋上都十分完整。但同時也存在一些不足，比如在計算“同時抽水和放水”的數(shù)學(xué)問題時，文心一言就出現(xiàn)了審題錯誤。

　　金玉在前，百度在文心一言發(fā)布會召開后，無論是產(chǎn)品口碑，還是股價表現(xiàn)，短期內(nèi)一定會有壓力。畢竟，世界上還只有一個OpenAI。

　　面對如此大的壓力，李彥宏回應(yīng)了為什么依然要在3月16日公開發(fā)布的原因：第一是市場需求，無論是百度的產(chǎn)品，還是客戶，都有需求。第二是收集反饋，“一旦有了真實的人類反饋，文心一言的進步速度會非�？欤�我們都希望它快點成長”。

　　事實上，在ChatGPT驚艷亮相之前，GPT的1～3版本，都是在長期低調(diào)開源測試后，才達到了后面的結(jié)果。

　　短期表現(xiàn)和長期價值還是有所不同，拋開情緒，我們更關(guān)心，文心一言和GPT-4在技術(shù)上有哪些相同和不同?模型真的是越大越好嗎?利用大模型的產(chǎn)業(yè)化之路，應(yīng)該怎么走?

　　01 “文心一言”對線“GPT-4”

　　文心一言在發(fā)布會上相對出彩的展示，莫過于多模態(tài)生成。

　　在發(fā)布會上，李彥宏先是讓文心一言為2023智能交通大會生成了一張海報，然后又讓其撰寫了一段關(guān)于智能交通的文字，并讓其用四川話讀出來，最后還讓文心一言用這些素材生成了一段視頻。

　　昨天，在GPT-4的發(fā)布會上，Open AI總裁和聯(lián)合創(chuàng)始人Greg Brockman展示了GPT-4基于一張草圖生成網(wǎng)站的過程，讓許多人知道了大模型單模態(tài)與多模態(tài)的區(qū)別。

　　GPT-4是一個典型的多模態(tài)預(yù)訓(xùn)練模型，它能夠支持圖像和文本的輸入，然后以文本的方式輸出。而文心一言展示的則是以文本的方式輸入，以文本、語音、圖像和視頻的方式輸出。

　　輸入和輸出其實具有本質(zhì)上的區(qū)別。

　　有AI開發(fā)從業(yè)者向光錐智能表示，多模態(tài)輸出其實并不難，難的是輸入。比如輸出語音，不過是先輸出文字然后再加一個TTS技術(shù)，已經(jīng)很成熟了。

　　而多模態(tài)輸入，則需要大模型真正“長出眼睛”讀懂圖片意思，需要在預(yù)訓(xùn)練階段就將圖片和圖片標注信息放入訓(xùn)練數(shù)據(jù)中。

　　比如這次GPT-4令人驚艷的強大，就表現(xiàn)在圖片理解上。

　　給到一個物理題的照片，GPT-4能夠讀懂題目然后解答。

　　GPT-4還能識別圖片中的幽默部分，比如給GPT-4一個長相奇怪的充電器的圖片，問為什么這很可笑?GPT-4能回答說，因為VGA線充iPhone。

　　但無論怎么說，從GPT-4到文心一言都在說明李彥宏的那句話，“多模態(tài)是生成式AI一個明確的發(fā)展趨勢。”

　　據(jù)王海峰介紹，文心一言主要脫胎于兩大模型，百度ERNIE系列知識增強千億大模型，以及百度大規(guī)模開放域?qū)υ捘Ｐ蚉LATO。

　　此基礎(chǔ)上，主要采用了六項核心技術(shù)，包括監(jiān)督精調(diào)、人類反饋強化學(xué)習(xí)(RLHF)、提示構(gòu)建、知識增強、檢索增強和對話增強技術(shù)。

　　其中，人類反饋強化學(xué)習(xí)是目前大模型訓(xùn)練中普遍應(yīng)用到的技術(shù)，ChatGPT能夠在GPT-3的基礎(chǔ)上產(chǎn)生質(zhì)變，成為跨時代的產(chǎn)品，很大程度上依賴于此。

　　這些技術(shù)中具有百度特色的主要是知識增強、檢索增強和對話增強技術(shù)。

　　其中，知識增強主要包含知識內(nèi)化和知識外用兩部分，知識內(nèi)化又包括語義學(xué)習(xí)和數(shù)據(jù)構(gòu)造，知識外用則包含知識推理和提示構(gòu)架。

　　這些技術(shù)又都基于百度的知識圖譜。所謂知識圖譜是一個宏大的數(shù)據(jù)模型，是指一個由世間萬物構(gòu)成的“實體”以及他們之間的“關(guān)系”構(gòu)建起來的龐大“知識”網(wǎng)絡(luò)。

　　百度CTO王海峰曾介紹，“百度構(gòu)建了世界上最大規(guī)模的知識圖譜，擁有超過50億實體，5500億事實，能夠通過語言、聽覺、視覺等獲得對世界的統(tǒng)一認知，突破了實際應(yīng)用中場景復(fù)雜多變、數(shù)據(jù)稀缺等難題。”

　　在這個知識圖譜中，除了基礎(chǔ)的通用圖譜之外，百度還針對不同的應(yīng)用場景和知識形態(tài)，構(gòu)建了事件圖譜、多媒體圖譜、行業(yè)知識圖譜等多種圖譜。

　　檢索增強則與百度在搜索引擎上的技術(shù)積累有關(guān)，簡單理解就是，當用戶問出一個問題后，文心一言會先通過搜索引擎將知識都檢索一遍，然后再篩選整合其中有用的信息作為輸出。

　　最后的對話理解，則包含百度積累的記憶機制，上下文理解，對話規(guī)劃等等。

　　除了基礎(chǔ)技術(shù)架構(gòu)，百度并沒有公布模型結(jié)構(gòu)和參數(shù)，而是花了大量的時間用來解釋自己在文心大模型、產(chǎn)業(yè)大模型、AI技術(shù)四層構(gòu)架上的布局。

　　由于這都是此前積累的能力，因此這次文心一言的發(fā)布，不像是百度研發(fā)了一個新產(chǎn)品和新技術(shù)，更像是百度將之前所有的工作打包，以文心一言的方式整合輸出。所以，我們會在文心一言里看到文心一格的圖片生成，會看到已經(jīng)在百家號應(yīng)用的自動圖文轉(zhuǎn)視頻的功能。

　　就像李彥宏提到的一樣，“從某種意義上說，我們已經(jīng)為此準備了多年，十幾年前就開始投入AI研究，2019年就推出了文心大語言模型，今天的文心一言是過去多年努力的延續(xù)。”

　　02 摸著OpenAI過河，讓“涌現(xiàn)現(xiàn)象”更有效率發(fā)生

　　雖然除了OpenAI，其他的公司目前都是others，但大家都在摸著GPT過河，在尋找更優(yōu)質(zhì)的模型方案。中國公司也一直在積極探索相應(yīng)大模型的研發(fā)和應(yīng)用，并總結(jié)出了許多“中國經(jīng)驗”。

　　什么樣的模型是一個好模型?模型真的是越大越好嗎?

　　要回答這個問題，得先理解，ChatGPT和GPT-4能表現(xiàn)出類人的圖片和語言理解能力，就是因為“涌現(xiàn)現(xiàn)象”，說得通俗一點，就是“開竅了”。

　　涌現(xiàn)現(xiàn)象，是指在當大模型的數(shù)規(guī)模達到一定程度時，其解決問題的能力就會發(fā)生突變。大模型能力的提升，很大程度上依賴于這種涌現(xiàn)能力，也就是“大力出奇跡”。所以，現(xiàn)在模型規(guī)模被越做越大，一定程度上因為大家想要通過增大參數(shù)規(guī)模來獲得更多的涌現(xiàn)能力。

　　目前這一能力通常在百億、千億級別的參數(shù)區(qū)間出現(xiàn)。“但具體多少參數(shù)能夠出現(xiàn)涌現(xiàn)現(xiàn)象，也與具體任務(wù)、具體模型有關(guān)，某些任務(wù)13B規(guī)模即可，有些任務(wù)需要540B，大部分要達到70B。”新浪新技術(shù)研發(fā)負責人張俊林提到。

　　但模型做大之后，卻又帶來產(chǎn)業(yè)落地方面的問題。比如更大的模型通常意味著更大的算力消耗，更高的部署成本，這讓一些垂類領(lǐng)域，如學(xué)校，醫(yī)院等場景很難負擔得起。

　　因此，在產(chǎn)生“涌現(xiàn)能力”的閾值后，如何將模型做“小”反而是產(chǎn)業(yè)落地的一個重要課題，并且也是技術(shù)發(fā)展的一個重要方向。

　　那么問題來了，如何既將模型做小，又能保證涌現(xiàn)能力呢?

　　張俊林提到幾個例子，比如DeepMind發(fā)布的Chinchilla和Meta發(fā)布的LLaMA，其中Chinchilla的模型規(guī)模只有70B，LLaMA的模型規(guī)模在7B到65B之間，都是目前規(guī)模相對較小的模型。

　　而從實驗結(jié)果上看，即使模型規(guī)模相對較小也同樣可以具備涌現(xiàn)能力，但前提是增加更多的訓(xùn)練數(shù)據(jù)量。以Chinchilla為例，其對標的模型規(guī)模是280B是Gopher，而Chinchilla能夠以70B的參數(shù)規(guī)模做出同樣的效果，代價是將訓(xùn)練數(shù)據(jù)提升了4倍。

　　因此，張俊林認為：“減小模型大小增加訓(xùn)練數(shù)據(jù)數(shù)量，可能不影響小模型的涌現(xiàn)能力。”這成為做小模型的一個前提。“在這樣的基礎(chǔ)上，我們或許可以先做小，再做大。”

　　在解決了涌現(xiàn)能力之外，將模型做小的另一個原因在于，現(xiàn)在大模型的許多參數(shù)其實并沒有被有效利用。

　　DeepMind在2022年的一個研究中提到，在給定總計算量不變的情況下，模型訓(xùn)練Loss在模型參數(shù)量和訓(xùn)練數(shù)據(jù)量的變化存在一個最優(yōu)的平衡點。

　　該研究給出了三種最優(yōu)計算方式，并且比較了GPT-3等千億模型，發(fā)現(xiàn)它們都沒有達到理論上的最優(yōu)點，這意味著GPT-3龐大的數(shù)據(jù)其實并沒有被充分利用。

　　達觀數(shù)據(jù)董事長CEO陳運文認為，當下的千億參數(shù)模型可能只發(fā)揮了百億模型的理論效果，一些參數(shù)可能被浪費了。換句話說，千億規(guī)模的大模型其實是可以壓縮，并做得更小的。

　　Meta在這方面就曾做過嘗試，2023年Meta推出百億規(guī)模的模型LLaMA，雖然參數(shù)規(guī)模只有百億，不到GPT-3的十分之一，但通過實驗顯示在下游任務(wù)中的表現(xiàn)好于GPT-3等千億規(guī)模的模型。這其中的關(guān)鍵在于，Meta使用了1.4萬億Token，是GPT-3的近4.7倍。

　　所以陳運文也認為，“整體來看盡管模型的參數(shù)規(guī)模越大越好，但性價比更高的參數(shù)規(guī)模方案仍然值得探索。”

　    除了將“大”模型做“小”更利于產(chǎn)業(yè)落地之外，通過更新指令學(xué)習(xí)方法，用更小的樣本獲得更好的學(xué)習(xí)效果也是目前國內(nèi)在探索的方向。

　　做這樣的探索也和目前中文產(chǎn)業(yè)面臨的客觀環(huán)境有關(guān)。一方面，中文數(shù)據(jù)在整個互聯(lián)網(wǎng)中的占比本身就比較小，僅有5%左右。另一方面，即使數(shù)量龐大的英文數(shù)據(jù)在模型爆炸的今天也面臨著即將被耗盡的問題。

　　有研究預(yù)計，互聯(lián)網(wǎng)上可用的數(shù)據(jù)資源很有可能會被耗盡，其中高質(zhì)量的語言數(shù)據(jù)大約在2026年耗盡，低質(zhì)量語言數(shù)據(jù)大約在2050年耗盡，視覺圖像數(shù)據(jù)也將在2060年耗盡。

　   因此，如何提高數(shù)據(jù)的利用效率成為一個重要的課題。

　　目前，AI大模型的理解能力主要來源于兩個方面，即“預(yù)訓(xùn)練+參數(shù)微調(diào)”以及“預(yù)訓(xùn)練+提示學(xué)習(xí)”，這兩個學(xué)習(xí)方式各有優(yōu)劣。

　　其中“預(yù)訓(xùn)練+參數(shù)微調(diào)”會面臨資源占用過多，過擬合問題嚴重，缺乏通用能力等問題。而提示學(xué)習(xí)也有單一的外部提示信號難以最大限度地激發(fā)預(yù)訓(xùn)練大模型的能力，從而高質(zhì)量地完成具體任務(wù)的問題。

　　在這樣的背景下，行業(yè)提出了從提示學(xué)習(xí)到指令學(xué)習(xí)的改變。

　　所謂指令學(xué)習(xí)，是指通過若干任務(wù)相關(guān)提示增強來監(jiān)督數(shù)據(jù)，優(yōu)化模型參數(shù)。即通過參數(shù)微調(diào)提升多任務(wù)執(zhí)行效果，利用提示語出發(fā)模型執(zhí)行特定任務(wù)。

　    其核心在于，它仍然像微調(diào)一樣調(diào)整其中的參數(shù)來使大模型適應(yīng)不同的任務(wù)，但調(diào)整完成之后的模型是一樣的，所有的任務(wù)都可以對應(yīng)一個模型。

　　有了這樣的調(diào)整，對大模型的訓(xùn)練效率就會提升。

　　比如在Google的一個案例中，他們在62個數(shù)據(jù)集中的40個任務(wù)進行訓(xùn)練。但模型參數(shù)達到百億規(guī)模之后，這幾十個參數(shù)的聯(lián)合指令學(xué)習(xí)卻可以解決許多之前未訓(xùn)練的問題。

　　在這之前，大家普遍應(yīng)用的是多任務(wù)學(xué)習(xí)，即學(xué)習(xí)一個任務(wù)解決一個任務(wù)，沒有學(xué)習(xí)過的任務(wù)就沒法解決。而在這之后，一些之前沒有訓(xùn)練過的任務(wù)也能夠被解決，即大模型的通用能力在增強。

　　但要實現(xiàn)這個問題，找到合適的指令就變得非常重要，畢竟不同的任務(wù)、不同的樣本、用什么樣的提示語才能獲得更好結(jié)果是需要去嘗試的。

　　這也是OpenAI選擇免費開放ChatGPT的一個重要原因，因為它需要通過這種方式收集全球的問題指令，來完成大模型的進一步優(yōu)化。

　　李彥宏也在文心一言發(fā)布會上提到，之所以選擇在這個時候發(fā)布文心一言，除了許多業(yè)務(wù)和客戶需要這項技術(shù)外，也因為文心一言本身需要通過用戶使用來收集數(shù)據(jù)。

　　針對這個場景，中科院自動化所就提出，能不能通過機器自動去尋找這些提示語，讓整個模型的效果變得更好。因此他們提出了統(tǒng)一的提示語學(xué)習(xí)方法，可以同時建模任務(wù)級信息和樣本級信息。

　　這種學(xué)習(xí)方法的優(yōu)勢在于，它可以為每個任務(wù)學(xué)習(xí)以一個提示，為任務(wù)中的每個樣本學(xué)習(xí)一個提示，然后將兩類提示信息進行融合，獲得最佳提示。

　　通過統(tǒng)一提示學(xué)習(xí)方法，中科院自動化研究所的SuperGLEU標準數(shù)據(jù)集上取得少樣本學(xué)習(xí)的最佳平均性能。

　　其中，在單任務(wù)和句子分析上，Dyanmic-UPL獲得了83.2分，GPT-3則是70分。而在雙任務(wù)和雙句子的分析上，Dyanmic-UPL獲得70分，GPT-3是49.8分。

      03 得到一個好答案，不如提出一個好問題

　　GPT-4依然在不斷突破著人們對AI認知的可能性，對意圖理解的高度提升，并且不僅停留在語言上，更升維到圖像里。另外，它還擁有幾乎全能的專業(yè)和職業(yè)技巧，人類生物腦無法比擬的數(shù)據(jù)存儲容量、進化速度。

　　這幾點加起來，就非�？膳�。有網(wǎng)友就貼出了一張ChatGPT回答的圖片：

　    興奮之后，技術(shù)進步帶來的總是焦慮。

　　18世紀60年代，當珍妮機大規(guī)模進入工廠拉開第一次工業(yè)革命的大幕時，就曾有大批紡織工人聚集起來，將制作好的“珍妮機”通通搗毀。兩百多年后的今天，當ChatGPT風靡全球之后，人們爭相討論的焦點仍然是“誰將會被替代”的問題。

　　但實際上，“GPT”們要全面替代人可能并不容易。

　　我們會看到，ChatGPT能夠?qū)懽鳎�能夠做�?guī)劃，甚至能自動編程、Stable Diffusion能夠完成AI繪畫，以及各種能自動生成周報，能寫詩的大模型和產(chǎn)品層出不窮。

　　但這些強大的能力背后仍然需要人去操作，這其中甚至需要人具備更多的專業(yè)知識。

　　比如在下面這張圖片生成中，創(chuàng)作者對AI的創(chuàng)作進行了詳細的規(guī)劃，包括風格、眼睛、衣服、甚至光線。

　    在這樣的限制下，AI就能發(fā)揮出比較穩(wěn)定的結(jié)果，生成出高水平的作品。而這些詞匯，在大模型的生成訓(xùn)練中被稱為“提示詞”，提示詞越準確生成的結(jié)果越好。

　　從光錐智能獲得的一份關(guān)于AI繪畫的提示詞中可以看到，其中涉及到許多專業(yè)詞匯，比如東方山水畫、日本浮世繪、抽象風、墨水渲染、概念藝術(shù)、哥特式黑暗等等。

　　可以看到，對這些詞匯背后的含義，用在繪畫上的效果以及如何搭配更富有美感，非專業(yè)人士其實并不容易掌握。

　   再以編程為例，普通人確實可以隨機讓ChatGPT編寫一條程序，但面對復(fù)雜APP時，什么樣的提示詞能夠獲得最優(yōu)的代碼，系統(tǒng)整體代碼需要如何架構(gòu)、程序如何編寫運行更有效率、AI生成的程序是否存在錯誤等等，這些也并非普通人上手就能完成的。

　　也就是說，雖然GPT這類的大模型降低了許多工作的門檻，但這些工作的上限并沒有改變。即普通人能夠生成一些基礎(chǔ)的內(nèi)容，但要持續(xù)、穩(wěn)定、高質(zhì)量的生成專業(yè)內(nèi)容，對背后操作人員的專業(yè)性仍然具有挑戰(zhàn)。

　　比如在NLP大模型研發(fā)領(lǐng)域，由于不同提示語產(chǎn)生的結(jié)果往往差異很大，如何為每個問題尋找提示語成為難題。中科院自動化所研究員張家俊提到，現(xiàn)在行業(yè)里出現(xiàn)了一個提示工程師的職業(yè)，工作就是研究如何為每一個問題尋找最佳的提示語。

　　也就是說，在大模型應(yīng)用之后，許多人的工作不是被替代掉了，而是轉(zhuǎn)變了工作性質(zhì)和工作方式。比如畫師從具體動手畫一幅畫轉(zhuǎn)變成提出想法、豐富細節(jié)，然后讓AI去做執(zhí)行。

　　而這個過程本質(zhì)上是AI在作為一種工具去提高勞動者的勞動效率。但同時，也是AI在反向給人類工作者提出更高的要求，即在AI能夠?qū)⒁恍┫敕ㄖ苯幼兂涩F(xiàn)實的背景下，相比于給出一個好的答案，不如提出一個好的問題。

　　正如李彥宏在文心一言發(fā)布會上提到的，隨著大模型的使用，腦力工作者的效率會有4倍的提升，許多人的工作性質(zhì)會發(fā)生不可逆轉(zhuǎn)的改變。

　　但不可否認的是，隨著大模型的普及，大多數(shù)的現(xiàn)有工作和崗位配置的價值定位都需要重新思考。同時我們對于人才培養(yǎng)的標準、篩選模式都需要重新構(gòu)建。

　　畢竟GPT-4在考試中已經(jīng)能夠超過80%~90%的學(xué)生，如果僅僅依靠考試成績來篩選人才，那對于大多數(shù)崗位來說，不如選擇AI。

　　所以，在AI席卷的未來，人類工作者如何找到新的定位，不僅是某一個人的問題，也是整個社會的問題。

　　我們原本以為人工智能發(fā)展之后，優(yōu)先替代的會是簡單重復(fù)勞動，但技術(shù)人意外的是，它優(yōu)先替代的卻是有創(chuàng)造性卻又不那么強的崗位。

　　所以，至少目前而言，那些月薪幾萬的崗位可能會被替代，但你月薪3000搬磚的崗位暫時會比較牢靠。

　　畢竟，AI大模型也是有成本的，它可比你貴多了。