（本文是chatGPT原理介紹，但沒(méi)有任何數(shù)學(xué)公式，可以放心食用）

前言

這兩天，chatGPT模型真可謂稱得上是狂拽酷炫D炸天的存在了。一度登上了知乎熱搜，這對(duì)科技類話題是非常難的存在。不光是做人工智能、機(jī)器學(xué)習(xí)的人關(guān)注，而是大量的各行各業(yè)從業(yè)人員都來(lái)關(guān)注這個(gè)模型，真可謂空前盛世。

我趕緊把 openai 以往的 GPT-n 系列論文又翻出來(lái)，重新學(xué)習(xí)一下，認(rèn)真領(lǐng)會(huì)大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型（Large Language Model）的強(qiáng)大之處。

可能很多深度學(xué)習(xí)相關(guān)從業(yè)人員的感受和我一樣，大家之前對(duì) LLM 的感受依然是，預(yù)訓(xùn)練+finetune，處理下游任務(wù)，依然需要大量的標(biāo)注數(shù)據(jù)和人工干預(yù)，怎么突然間，chatGPT 就智能到如此地步？

接下來(lái)，我簡(jiǎn)要梳理一下 openai 的 GPT 大模型的發(fā)展歷程。

一、還得從 Bert 說(shuō)起

2018年，自然語(yǔ)言處理 NLP 領(lǐng)域也步入了 LLM 時(shí)代，谷歌出品的 Bert 模型橫空出世，碾壓了以往的所有模型，直接在各種NLP的建模任務(wù)中取得了最佳的成績(jī)。

Bert做了什么，主要用以下例子做解釋。

請(qǐng)各位做一個(gè)完形填空：___________和阿里、騰訊一起并成為中國(guó)互聯(lián)網(wǎng) BAT 三巨頭。

請(qǐng)問(wèn)上述空格應(yīng)該填什么？有的人回答“百度”，有的人可能覺(jué)得，“字節(jié)”也沒(méi)錯(cuò)。但總不再可能是別的字了。

不論填什么，這里都表明，空格處填什么字，是受到上下文決定和影響的。

Bert 所作的事就是從大規(guī)模的上億的文本預(yù)料中，隨機(jī)地扣掉一部分字，形成上面例子的完形填空題型，不斷地學(xué)習(xí)空格處到底該填寫(xiě)什么。所謂語(yǔ)言模型，就是從大量的數(shù)據(jù)中學(xué)習(xí)復(fù)雜的上下文聯(lián)系。

二、GPT 初代

與此同時(shí)，openai 早于 Bert 出品了一個(gè)初代 GPT 模型。

他們大致思想是一樣的。都基于 Transformer 這種編碼器，獲取了文本內(nèi)部的相互聯(lián)系。

編解碼的概念廣泛應(yīng)用于各個(gè)領(lǐng)域，在 NLP 領(lǐng)域，人們使用語(yǔ)言一般包括三個(gè)步驟：

接受聽(tīng)到或讀到的語(yǔ)言 -> 大腦理解 -> 輸出要說(shuō)的語(yǔ)言。

語(yǔ)言是一個(gè)顯式存在的東西，但大腦是如何將語(yǔ)言進(jìn)行理解、轉(zhuǎn)化和存儲(chǔ)的，則是一個(gè)目前仍未探明的東西。因此，大腦理解語(yǔ)言這個(gè)過(guò)程，就是大腦將語(yǔ)言編碼成一種可理解、可存儲(chǔ)形式的過(guò)程，這個(gè)過(guò)程就叫做語(yǔ)言的編碼。

相應(yīng)的，把大腦中想要表達(dá)的內(nèi)容，使用語(yǔ)言表達(dá)出來(lái)，就叫做語(yǔ)言的解碼。

在語(yǔ)言模型中，編碼器和解碼器都是由一個(gè)個(gè)的 Transformer 組件拼接在一起形成的。

這里不展開(kāi)講 Transformer 里的內(nèi)部結(jié)構(gòu)，僅僅講一下 Bert 和 GPT  的區(qū)別。

兩者最主要的區(qū)別在于，Bert 僅僅使用了 encoder 也就是編碼器部分進(jìn)行模型訓(xùn)練，GPT 僅僅使用了 decoder 部分。兩者各自走上了各自的道路，根據(jù)我粗淺的理解，GPT 的decoder 模型更加適應(yīng)于文本生成領(lǐng)域。

GPT 初代其實(shí)個(gè)人認(rèn)為（當(dāng)然普遍也都這么認(rèn)為）略遜色于 Bert，再加上宣傳地不夠好，影響力也就小于 Bert。

我相信很多的 NLP 從業(yè)者對(duì) LLM 的理解也大都停留在此。即，本質(zhì)上講，LLM 是一個(gè)非常復(fù)雜的編碼器，將文本表示成一個(gè)向量表示，這個(gè)向量表示有助于解決 NLP 的任務(wù)。

三、GPT-2

自從 Bert 炸街后，跟風(fēng)效仿的改進(jìn)模型也就越來(lái)越多了，比如 albert、roberta、ERNIE，BART、XLNET、T5 等等五花八門(mén)。

最初的時(shí)候，僅僅是一個(gè)完形填空任務(wù)就可以讓語(yǔ)言模型有了極大進(jìn)步，那么，給 LLM 模型出其它的語(yǔ)言題型，應(yīng)該也會(huì)對(duì)模型訓(xùn)練有極大的幫助。

想要出語(yǔ)言題型不是很簡(jiǎn)單么，什么句子打亂順序再排序、選擇題、判斷題、改錯(cuò)題、把預(yù)測(cè)單字改成預(yù)測(cè)實(shí)體詞匯等等，紛紛都可以制定數(shù)據(jù)集添加在模型的預(yù)訓(xùn)練里。很多模型也都是這么干的。

既然出題也可以，把各種NLP任務(wù)的數(shù)據(jù)集添加到預(yù)訓(xùn)練階段當(dāng)然也可以。

這個(gè)過(guò)程也和人腦很像，人腦是非常穩(wěn)定和泛化的，既可以讀詩(shī)歌，也可以學(xué)數(shù)學(xué)，還可以學(xué)外語(yǔ)，看新聞，聽(tīng)音樂(lè)等等，簡(jiǎn)而言之，就是一腦多用。

我們一般的 NLP 任務(wù)，文本分類模型就只能分類，分詞模型就只能分詞，機(jī)器翻譯也就只能完成翻譯這一件事，非常不靈活。

GPT-2 主要就是在 GPT 的基礎(chǔ)上，又添加了多個(gè)任務(wù)，擴(kuò)增了數(shù)據(jù)集和模型參數(shù)，又訓(xùn)練了一番。

既然多個(gè)任務(wù)都在同一個(gè)模型上進(jìn)行學(xué)習(xí)，還存在一個(gè)問(wèn)題，這一個(gè)模型能承載的并不僅僅是任務(wù)本身，“汪小菲的媽是張?zhí)m”，這條文字包含的信息量是通用的，它既可以用于翻譯，也可以用于分類，判斷錯(cuò)誤等等。也就是說(shuō)，信息是脫離具體 NLP 任務(wù)存在的，舉一反三，能夠利用這條信息，在每一個(gè) NLP 任務(wù)上都表現(xiàn)好，這個(gè)是 元學(xué)習(xí)（meta-learning），實(shí)際上就是語(yǔ)言模型的一腦多用。

四、GPT-3

大模型中的大模型

首先， GPT-3 的模型所采用的數(shù)據(jù)量之大，高達(dá)上萬(wàn)億，模型參數(shù)量也十分巨大，學(xué)習(xí)之復(fù)雜，計(jì)算之繁復(fù)不說(shuō)了，看圖吧。

GPT-3 里的大模型計(jì)算量是 Bert-base 的上千倍。統(tǒng)統(tǒng)這些都是在燃燒的金錢，真就是 all you need is money。如此巨大的模型造就了 GPT-3 在許多十分困難的 NLP 任務(wù)，諸如撰寫(xiě)人類難以判別的文章，甚至編寫(xiě)SQL查詢語(yǔ)句，React或者JavaScript代碼上優(yōu)異的表現(xiàn)。

首先 GPT-n 系列模型都是采用 decoder 進(jìn)行訓(xùn)練的，也就是更加適合文本生成的形式。也就是，輸入一句話，輸出也是一句話。也就是對(duì)話模式。

對(duì)話

我們是如何學(xué)會(huì)中文的？通過(guò)從0歲開(kāi)始，聽(tīng)，說(shuō)，也就是對(duì)話。

我們是如何學(xué)外語(yǔ)的？看教材，聽(tīng)廣播，背單詞。唯獨(dú)缺少了對(duì)話！正是因?yàn)槿鄙倭藢?duì)話這個(gè)高效的語(yǔ)言學(xué)習(xí)方式，所以我們的英語(yǔ)水平才如此難以提高。

對(duì)于語(yǔ)言模型，同理。

對(duì)話是涵蓋一切NLP 任務(wù)的終極任務(wù)。從此 NLP不再需要模型建模這個(gè)過(guò)程。比如，傳統(tǒng) NLP 里還有序列標(biāo)注這個(gè)任務(wù)，需要用到 CRF 這種解碼過(guò)程。在對(duì)話的世界里，這些統(tǒng)統(tǒng)都是冗余的。

其實(shí) CRF 這項(xiàng)技術(shù)還是蠻經(jīng)典的，在深度學(xué)習(xí)這塊，CRF這也才過(guò)去沒(méi)幾年。sigh……

in-context learning

以往的預(yù)訓(xùn)練都是兩段式的，即，首先用大規(guī)模的數(shù)據(jù)集對(duì)模型進(jìn)行預(yù)訓(xùn)練，然后再利用下游任務(wù)的標(biāo)注數(shù)據(jù)集進(jìn)行 finetune，時(shí)至今日這也是絕大多數(shù) NLP 模型任務(wù)的基本工作流程。

GPT-3 就開(kāi)始顛覆這種認(rèn)知了。它提出了一種 in-context 學(xué)習(xí)方式。這個(gè)詞沒(méi)法翻譯成中文，下面舉一個(gè)例子進(jìn)行解釋。

用戶輸入到 GPT-3：你覺(jué)得 JioNLP 是個(gè)好用的工具嗎？

GPT-3輸出1：我覺(jué)得很好啊。

GPT-3輸出2：JioNLP是什么東西？

GPT-3輸出3：你餓不餓，我給你做碗面吃……

GPT-3輸出4：Do you think jionlp is a good tool?

按理來(lái)講，針對(duì)機(jī)器翻譯任務(wù)，我們當(dāng)然希望模型輸出最后一句，針對(duì)對(duì)話任務(wù)，我們希望模型輸出前兩句中的任何一句。顯然做碗面這個(gè)輸出句子顯得前言不搭后語(yǔ)。

這時(shí)就有了 in-context 學(xué)習(xí)，也就是，我們對(duì)模型進(jìn)行引導(dǎo)，教會(huì)它應(yīng)當(dāng)輸出什么內(nèi)容。如果我們希望它輸出翻譯內(nèi)容，那么，應(yīng)該給模型如下輸入：

用戶輸入到 GPT-3：請(qǐng)把以下中文翻譯成中文：你覺(jué)得 JioNLP 是個(gè)好用的工具嗎？

如果想讓模型回答問(wèn)題：

用戶輸入到 GPT-3：模型模型你說(shuō)說(shuō)，你覺(jué)得 JioNLP 是個(gè)好用的工具嗎？

OK，這樣模型就可以根據(jù)用戶提示的情境，進(jìn)行針對(duì)性的回答了。

這里，只是告知了模型如何做，最好能夠給模型做個(gè)示范：

用戶輸入到 GPT-3：請(qǐng)把以下中文翻譯成中文：蘋(píng)果 => apple; 你覺(jué)得 JioNLP 是個(gè)好用的工具嗎？=>

其中 蘋(píng)果翻譯成 apple，是一個(gè)示范樣例，用于讓模型感知該輸出什么。只給提示叫做 zero-shot，給一個(gè)范例叫做 one-shot，給多個(gè)范例叫做 few-shot。

范例給幾個(gè)就行了，不能再給多了！一個(gè)是，咱們沒(méi)那么多標(biāo)注數(shù)據(jù)，另一個(gè)是，給多了不就又成了 finetune 模式了么？

在 GPT-3 的預(yù)訓(xùn)練階段，也是按照這樣多個(gè)任務(wù)同時(shí)學(xué)習(xí)的。比如“做數(shù)學(xué)加法，改錯(cuò)，翻譯”同時(shí)進(jìn)行。這其實(shí)就類似前段時(shí)間比較火的 prompt。

這種引導(dǎo)學(xué)習(xí)的方式，在超大模型上展示了驚人的效果：只需要給出一個(gè)或者幾個(gè)示范樣例，模型就能照貓畫(huà)虎地給出正確答案。注意啊，是超大模型才可以，一般幾億參數(shù)的大模型是不行的。（我們這里沒(méi)有小模型，只有大模型、超大模型、巨大模型）

這個(gè)表格彷佛在嘲諷我：哎，你沒(méi)錢，你就看不著這種優(yōu)質(zhì)的效果，你氣不氣？

五、chatGPT

終于說(shuō)到了主角，能看到這里的，可以關(guān)注一下 JioNLP 公眾號(hào)嗎？我寫(xiě)的也夠累的。

charGPT 模型上基本上和之前都沒(méi)有太大變化，主要變化的是訓(xùn)練策略變了。

強(qiáng)化學(xué)習(xí)

幾年前，alpha GO 擊敗了柯潔，幾乎可以說(shuō)明，強(qiáng)化學(xué)習(xí)如果在適合的條件下，完全可以打敗人類，逼近完美的極限。

強(qiáng)化學(xué)習(xí)非常像生物進(jìn)化，模型在給定的環(huán)境中，不斷地根據(jù)環(huán)境的懲罰和獎(jiǎng)勵(lì)（reward），擬合到一個(gè)最適應(yīng)環(huán)境的狀態(tài)。

NLP + 強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)之所以能比較容易地應(yīng)用在圍棋以及其它各種棋牌游戲里，原因就是因?yàn)閷?duì)莫 alpha Go 而言，環(huán)境就是圍棋，圍棋棋盤(pán)就是它的整個(gè)世界。

而幾年前知乎上就有提問(wèn)，NLP + 強(qiáng)化學(xué)習(xí)，可以做嗎？怎么做呢？

底下回答一片唱衰，原因就是因?yàn)椋?strong>NLP 所依賴的環(huán)境，是整個(gè)現(xiàn)實(shí)世界，整個(gè)世界的復(fù)雜度，遠(yuǎn)遠(yuǎn)不是一個(gè)19乘19的棋盤(pán)可以比擬的。無(wú)法設(shè)計(jì)反饋懲罰和獎(jiǎng)勵(lì)函數(shù)，即 reward 函數(shù)。除非人們一點(diǎn)點(diǎn)地人工反饋。

哎，open-ai 的 chatGPT 就把這事給干了。

不是需要人工標(biāo)反饋和獎(jiǎng)勵(lì)嗎？那就撒錢，找40個(gè)外包，標(biāo)起來(lái)！

這種帶人工操作的 reward，被稱之為 RLHF（Reinforcement Learning from Human Feedback）。

具體操作過(guò)程就是下圖的樣子，采用強(qiáng)化學(xué)習(xí)的方式來(lái)對(duì)模型進(jìn)行訓(xùn)練。已經(jīng)拋棄了傳統(tǒng)的 LM 方式。

這里重點(diǎn)是第二部中，如何構(gòu)建一個(gè) reward 函數(shù)，具體就是讓那40名外包人員不斷地從模型的輸出結(jié)果中篩選，哪些是好的，哪些是低質(zhì)量的，這樣就可以訓(xùn)練得到一個(gè) reward 模型。

通過(guò)reward 模型來(lái)評(píng)價(jià)模型的輸出結(jié)果好壞。

講真，這個(gè) reward 模型，《黑客帝國(guó)》的母體 matrix 既視感有木有？？??！

只要把預(yù)訓(xùn)練模型接一根管子在 reward 模型上，預(yù)訓(xùn)練模型就會(huì)開(kāi)始像感知真實(shí)世界那樣，感知reward。

由此，我們就可以得到這個(gè)把全世界都震碎的高音?。ㄕ`，模型）

chatGPT 功能一覽

• 能回答知乎上的問(wèn)題

• 你別想耍它

• 能回答困難的問(wèn)題

• 能理解亂序文本

• 會(huì)做高數(shù)

• 知道自己是程序，不會(huì)做你女票

• 還能處理程序 bug

六、影響

NLP 領(lǐng)域的影響

個(gè)人認(rèn)為，NLP 領(lǐng)域的一些里程碑性的技術(shù)重要性排序如下：

chatGPT > word2vec > Bert （純個(gè)人看法）

chatGPT 的關(guān)注度已經(jīng)很大程度讓人們感覺(jué)到，什么天貓精靈、小愛(ài)同學(xué)等等人工智障的時(shí)代似乎過(guò)去了。只要模型足夠大，數(shù)據(jù)足夠豐富，reward 模型經(jīng)過(guò)了更多的人迭代和優(yōu)化，完全可以創(chuàng)造一個(gè)無(wú)限逼近真實(shí)世界的超級(jí) openai 大腦。

當(dāng)然，chat GPT 依然是存在回答不好的情況的，比如會(huì)重復(fù)一些詞句，無(wú)法分清楚事實(shí)等等。

而且，chatGPT 目前看，它是沒(méi)有在推理階段連接外部信息的。

模型知道自己的回答邊界，知道自己只是一個(gè)沒(méi)有情感的回答工具。那么，試想 openai 把外部信息也導(dǎo)入到 chatGPT 里。

另一些影響

我看到 chatGPT 居然可以寫(xiě)代碼，還能幫我改代碼，debug，作為程序員，我不禁深深陷入了沉思。

據(jù)說(shuō)，debug 程序員網(wǎng)站 stackoverflow，已經(jīng)下場(chǎng)封殺 chatGPT 了。

當(dāng)然，完全不僅僅是程序界。據(jù)說(shuō) GPT-4 正在做圖文理解，那么，對(duì)于教師、醫(yī)生、咨詢師、等等等等，各行各業(yè)，是不是都是一個(gè)巨大的沖擊？所謂專業(yè)領(lǐng)域的知識(shí)門(mén)檻，也將被模型一步踏平。到時(shí)候，可能人類真的要靠邊站了，除了某些高精尖的行業(yè)精英。

有人講 google 將被替代，我認(rèn)為也就還好吧，依照google那財(cái)大氣粗的樣子，沒(méi)準(zhǔn) google 此時(shí)此刻，NLP+強(qiáng)化學(xué)習(xí)也已經(jīng)在路上了。