ChatGPT的傳承與特點

每一代GPT模型的參數(shù)量都爆炸式增長，堪稱“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)量達到了1750億。

還是有很多讀者對于ChatGPT充滿期待（幻想？夢想），今天給大家分享技術層面的拆解，讀完之后是否是會理性一點呢？enjoy～

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)了類似AIGC讓藝術家失業(yè)的大討論。

ChatGPT 是一種專注于對話生成的語言模型。它能夠根據(jù)用戶的文本輸入，產生相應的智能回答。 這個回答可以是簡短的詞語，也可以是長篇大論。其中GPT是Generative Pre-trained Transformer（生成型預訓練變換模型）的縮寫。 通過學習大量現(xiàn)成文本和對話集合（例如Wiki），ChatGPT能夠像人類那樣即時對話，流暢的回答各種問題。（當然回答速度比人還是慢一些）無論是英文還是其他語言（例如中文、韓語等），從回答歷史問題，到寫故事，甚至是撰寫商業(yè)計劃書和行業(yè)分析，“幾乎”無所不能。甚至有程序員貼出了ChatGPT進行程序修改的對話。

ChatGPT和AIGC的聯(lián)合使用

ChatGPT也可以與其他AIGC模型聯(lián)合使用，獲得更加炫酷實用的功能。

例如上面通過對話生成客廳設計圖。這極大加強了AI應用與客戶對話的能力，使我們看到了AI大規(guī)模落地的曙光。

一、ChatGPT的傳承與特點

▌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，目標是開發(fā)造福全人類的AI技術。而馬斯克則在2018年時因公司發(fā)展方向分歧而離開。 此前，OpenAI 因推出 GPT系列自然語言處理模型而聞名。從2018年起，OpenAI就開始發(fā)布生成式預訓練語言模型GPT（Generative Pre-trained Transformer），可用于生成文章、代碼、機器翻譯、問答等各類內容。 每一代GPT模型的參數(shù)量都爆炸式增長，堪稱“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)量達到了1750億。

GPT家族主要模型對比

▌1.2 ChatGPT的主要特點

ChatGPT 是基于GPT-3.5（Generative Pre-trained Transformer 3.5）架構開發(fā)的對話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，或用于收集大量對話數(shù)據(jù)。

ChatGPT的主要特點

OpenAI使用 RLHF（Reinforcement Learning from Human Feedbac，人類反饋強化學習） 技術對 ChatGPT 進行了訓練，且加入了更多人工監(jiān)督進行微調。 此外，ChatGPT 還具有以下特征： 1）可以主動承認自身錯誤。若用戶指出其錯誤，模型會聽取意見并優(yōu)化答案。 2）ChatGPT 可以質疑不正確的問題。例如被詢問 “哥倫布 2015 年來到美國的情景” 的問題時，機器人會說明哥倫布不屬于這一時代并調整輸出結果。 3）ChatGPT 可以承認自身的無知，承認對專業(yè)技術的不了解。 4）支持連續(xù)多輪對話。 與大家在生活中用到的各類智能音箱和“人工智障“不同，ChatGPT在對話過程中會記憶先前使用者的對話訊息，即上下文理解，以回答某些假設性的問題。 ChatGPT可實現(xiàn)連續(xù)對話，極大的提升了對話交互模式下的用戶體驗。 對于準確翻譯來說（尤其是中文與人名音譯），ChatGPT離完美還有一段距離，不過在文字流暢度以及辨別特定人名來說，與其他網(wǎng)絡翻譯工具相近。 由于 ChatGPT是一個大型語言模型，目前還并不具備網(wǎng)絡搜索功能，因此它只能基于2021年所擁有的數(shù)據(jù)集進行回答。 例如它不知道2022年世界杯的情況，也不會像蘋果的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)自己尋找學習語料和搜索知識，估計又會有更大的突破。 即便學習的知識有限，ChatGPT 還是能回答腦洞大開的人類的許多奇葩問題。為了避免ChatGPT染上惡習， ChatGPT 通過算法屏蔽，減少有害和欺騙性的訓練輸入。

查詢通過適度 API 進行過濾，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領域已知局限包括對重復文本、對高度專業(yè)的主題的誤解，以及對上下文短語的誤解。 對于人類或AI，通常需接受多年的訓練才能正常對話。 NLP類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和專業(yè)詞匯。

NLP技術的應用領域 本質上，作為ChatGPT基礎的GPT-3或GPT-3.5 是一個超大的統(tǒng)計語言模型或順序文本預測模型。

▌2.2 GPT v.s. BERT

與BERT模型類似，ChatGPT或GPT-3.5都是根據(jù)輸入語句，根據(jù)語言/語料概率來自動生成回答的每一個字（詞語）。 從數(shù)學或從機器學習的角度來看，語言模型是對詞語序列的概率相關性分布的建模，即利用已經說過的語句（語句可以視為數(shù)學中的向量）作為輸入條件，預測下一個時刻不同語句甚至語言集合出現(xiàn)的概率分布。 ChatGPT 使用來自人類反饋的強化學習進行訓練，這種方法通過人類干預來增強機器學習以獲得更好的效果。 在訓練過程中，人類訓練者扮演著用戶和人工智能助手的角色，并通過近端策略優(yōu)化算法進行微調。 由于ChatGPT更強的性能和海量參數(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)在可以進一步處理回答問題、撰寫文章、文本摘要、語言翻譯和生成計算機代碼等任務。

BERT與GPT的技術架構（圖中En為輸入的每個字，Tn為輸出回答的每個字）

三、ChatGPT的技術架構

▌3.1 GPT家族的演進

說到ChatGPT，就不得不提到GPT家族。 ChatGPT之前有幾個知名的兄弟，包括GPT-1、GPT-2和GPT-3。這幾個兄弟一個比一個個頭大，ChatGPT與GPT-3更為相近。

ChatGPT與GPT 1-3的技術對比

GPT家族與BERT模型都是知名的NLP模型，都基于Transformer技術。GPT-1只有12個Transformer層，而到了GPT-3，則增加到96層。

▌3.2 人類反饋強化學習

InstructGPT/GPT3.5（ChatGPT的前身）與GPT-3的主要區(qū)別在于，新加入了被稱為RLHF（Reinforcement Learning from Human Feedback，人類反饋強化學習）。 這一訓練范式增強了人類對模型輸出結果的調節(jié)，并且對結果進行了更具理解性的排序。 在InstructGPT中，以下是“goodness of sentences”的評價標準。

真實性：是虛假信息還是誤導性信息？

無害性：它是否對人或環(huán)境造成身體或精神上的傷害？

有用性：它是否解決了用戶的任務？

▌3.3 TAMER框架

這里不得不提到TAMER（Training an Agent Manually via Evaluative Reinforcement，評估式強化人工訓練代理）這個框架。 該框架將人類標記者引入到Agents的學習循環(huán)中，可以通過人類向Agents提供獎勵反饋（即指導Agents進行訓練），從而快速達到訓練任務目標。 引入人類標記者的主要目的是加快訓練速度。盡管強化學習技術在很多領域有突出表現(xiàn)，但是仍然存在著許多不足，例如訓練收斂速度慢，訓練成本高等特點。 特別是現(xiàn)實世界中，許多任務的探索成本或數(shù)據(jù)獲取成本很高。如何加快訓練效率，是如今強化學習任務待解決的重要問題之一。 而TAMER則可以將人類標記者的知識，以獎勵信反饋的形式訓練Agent，加快其快速收斂。 TAMER不需要標記者具有專業(yè)知識或編程技術，語料成本更低。通過TAMER+RL（強化學習），借助人類標記者的反饋，能夠增強從馬爾可夫決策過程(MDP) 獎勵進行強化學習 (RL) 的過程。

TAMER架構在強化學習中的應用 具體實現(xiàn)上，人類標記者扮演對話的用戶和人工智能助手，提供對話樣本，讓模型生成一些回復，然后標記者會對回復選項打分排名，將更好的結果反饋回模型中。 Agents同時從兩種反饋模式中學習——人類強化和馬爾可夫決策過程獎勵作為一個整合的系統(tǒng)，通過獎勵策略對模型進行微調并持續(xù)迭代。 在此基礎上，ChatGPT 可以比 GPT-3 更好的理解和完成人類語言或指令，模仿人類，提供連貫的有邏輯的文本信息的能力。

▌3.4 ChatGPT的訓練

ChatGPT的訓練過程分為以下三個階段： 第一階段：訓練監(jiān)督策略模型 GPT 3.5本身很難理解人類不同類型指令中蘊含的不同意圖，也很難判斷生成內容是否是高質量的結果。 為了讓GPT 3.5初步具備理解指令的意圖，首先會在數(shù)據(jù)集中隨機抽取問題，由人類標注人員，給出高質量答案，然后用這些人工標注好的數(shù)據(jù)來微調 GPT-3.5模型（獲得SFT模型, Supervised Fine-Tuning）。 此時的SFT模型在遵循指令/對話方面已經優(yōu)于 GPT-3，但不一定符合人類偏好。

ChatGPT模型的訓練過程 第二階段：訓練獎勵模型（Reward Mode，RM） 這個階段的主要是通過人工標注訓練數(shù)據(jù)（約33K個數(shù)據(jù)），來訓練回報模型。 在數(shù)據(jù)集中隨機抽取問題，使用第一階段生成的模型，對于每個問題，生成多個不同的回答。人類標注者對這些結果綜合考慮給出排名順序。這一過程類似于教練或老師輔導。 接下來，使用這個排序結果數(shù)據(jù)來訓練獎勵模型。對多個排序結果，兩兩組合，形成多個訓練數(shù)據(jù)對。 RM模型接受一個輸入，給出評價回答質量的分數(shù)。這樣，對于一對訓練數(shù)據(jù)，調節(jié)參數(shù)使得高質量回答的打分比低質量的打分要高。 第三階段：采用PPO（Proximal Policy Optimization，近端策略優(yōu)化）強化學習來優(yōu)化策略。 PPO的核心思路在于將Policy Gradient中On-policy的訓練過程轉化為Off-policy，即將在線學習轉化為離線學習，這個轉化過程被稱之為Importance Sampling。 這一階段利用第二階段訓練好的獎勵模型，靠獎勵打分來更新預訓練模型參數(shù)。在數(shù)據(jù)集中隨機抽取問題，使用PPO模型生成回答，并用上一階段訓練好的RM模型給出質量分數(shù)。 把回報分數(shù)依次傳遞，由此產生策略梯度，通過強化學習的方式以更新PPO模型參數(shù)。

如果我們不斷重復第二和第三階段，通過迭代，會訓練出更高質量的ChatGPT模型。

四、ChatGPT的局限

只要用戶輸入問題，ChatGPT 就能給予回答，是否意味著我們不用再拿關鍵詞去喂 Google或百度，就能立即獲得想要的答案呢？

盡管ChatGPT表現(xiàn)出出色的上下文對話能力甚至編程能力，完成了大眾對人機對話機器人（ChatBot）從“人工智障”到“有趣”的印象改觀，我們也要看到，ChatGPT技術仍然有一些局限性，還在不斷的進步。 1）ChatGPT在其未經大量語料訓練的領域缺乏“人類常識”和引申能力，甚至會一本正經的“胡說八道”。ChatGPT在很多領域可以“創(chuàng)造答案”，但當用戶尋求正確答案時，ChatGPT也有可能給出有誤導的回答。例如讓ChatGPT做一道小學應用題，盡管它可以寫出一長串計算過程，但最后答案卻是錯誤的。
那我們是該相信ChatGPT的結果還是不相信呢？

ChatGPT給出錯誤的數(shù)學題答案 2）ChatGPT無法處理復雜冗長或者特別專業(yè)的語言結構。對于來自金融、自然科學或醫(yī)學等非常專業(yè)領域的問題，如果沒有進行足夠的語料“喂食”，ChatGPT可能無法生成適當?shù)幕卮稹?3）ChatGPT需要非常大量的算力（芯片）來支持其訓練和部署。拋開需要大量語料數(shù)據(jù)訓練模型不說，在目前，ChatGPT在應用時仍然需要大算力的服務器支持，而這些服務器的成本是普通用戶無法承受的，即便數(shù)十億個參數(shù)的模型也需要驚人數(shù)量的計算資源才能運行和訓練。，如果面向真實搜索引擎的數(shù)以億記的用戶請求，如采取目前通行的免費策略，任何企業(yè)都難以承受這一成本。因此對于普通大眾來說，還需等待更輕量型的模型或更高性價比的算力平臺。 4）ChatGPT還沒法在線的把新知識納入其中，而出現(xiàn)一些新知識就去重新預訓練GPT模型也是不現(xiàn)實的，無論是訓練時間或訓練成本，都是普通訓練者難以接受的。如果對于新知識采取在線訓練的模式，看上去可行且語料成本相對較低，但是很容易由于新數(shù)據(jù)的引入而導致對原有知識的災難性遺忘的問題。 5）ChatGPT仍然是黑盒模型。目前還未能對ChatGPT的內在算法邏輯進行分解，因此并不能保證ChatGPT不會產生攻擊甚至傷害用戶的表述。 當然，瑕不掩瑜，有工程師貼出了要求ChatGPT寫verilog代碼（芯片設計代碼）的對話?？梢钥闯鯟hatGPT水平已經超出一些verilog初學者了。

五、ChatGPT的未來改進方向

▌5.1 減少人類反饋的RLAIF

2020年底，OpenAI前研究副總裁Dario Amodei帶著10名員工創(chuàng)辦了一個人工智能公司Anthropic。 Anthropic 的創(chuàng)始團隊成員，大多為 OpenAI 的早期及核心員工，參與過OpenAI的GPT-3、多模態(tài)神經元、人類偏好的強化學習等。 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模型訓練過程 Claude 和 ChatGPT 都依賴于強化學習(RL)來訓練偏好（preference）模型。CAI（Constitutional AI）也是建立在RLHF的基礎之上，不同之處在于，CAI的排序過程使用模型（而非人類）對所有生成的輸出結果提供一個初始排序結果。 CAI用人工智能反饋來代替人類對表達無害性的偏好，即RLAIF，人工智能根據(jù)一套constitution原則來評價回復內容。

▌5.2 補足數(shù)理短板

ChatGPT雖然對話能力強，但是在數(shù)理計算對話中容易出現(xiàn)一本正經胡說八道的情況。 計算機學家Stephen Wolfram 為這一問題提出了解決方案。Stephen Wolfram 創(chuàng)造了的 Wolfram 語言和計算知識搜索引擎 Wolfram | Alpha，其后臺通過Mathematica實現(xiàn)。

ChatGPT與Wolfram | Alpha結合處理梳理問題 在這一結合體系中，ChatGPT 可以像人類使用 Wolfram|Alpha 一樣，與 Wolfram|Alpha “對話”，Wolfram|Alpha 則會用其符號翻譯能力將從 ChatGPT 獲得的自然語言表達“翻譯”為對應的符號化計算語言。 在過去，學術界在 ChatGPT 使用的這類 “統(tǒng)計方法” 和 Wolfram|Alpha 的 “符號方法” 上一直存在路線分歧。 但如今 ChatGPT 和 Wolfram|Alpha 的互補，給NLP領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)自然語言，然后使用 Wolfram|Alpha 翻譯成精確的 Wolfram Language，再由底層的Mathematica進行計算。

▌5.3 ChatGPT的小型化

雖然ChatGPT很強大，但其模型大小和使用成本也讓很多人望而卻步。 有三類模型壓縮（model compression）可以降低模型的大小和成本。 第一種方法是量化（quantization），即降低單個權重的數(shù)值表示的精度。比如Tansformer從FP32降到INT8對其精度影響不大。 第二種模型壓縮方法是剪枝（pruning），即刪除網(wǎng)絡元素，包括從單個權重（非結構化剪枝）到更高粒度的組件如權重矩陣的通道。這種方法在視覺和較小規(guī)模的語言模型中有效。 第三種模型壓縮方法是稀疏化。例如奧地利科學技術研究所 (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，而無需任何重新訓練。對 GPT-175B 模型，只需要使用單個 GPU 在幾個小時內就能實現(xiàn)這種剪枝。

SparseGPT 壓縮流程

六、ChatGPT的產業(yè)未來與投資機會

▌6.1 AIGC

說到ChaGPT不得不提AIGC。 AIGC即利用人工智能技術來生成內容。與此前Web1.0、Web2.0時代的UGC（用戶生產內容）和PGC（專業(yè)生產內容）相比，代表人工智能構思內容的AIGC，是新一輪內容生產方式變革，而且AIGC內容在Web3.0時代也將出現(xiàn)指數(shù)級增長。 ChatGPT 模型的出現(xiàn)對于文字/語音模態(tài)的 AIGC 應用具有重要意義，會對AI產業(yè)上下游產生重大影響。

▌6.2 受益場景

從下游相關受益應用來看，包括但不限于無代碼編程、小說生成、對話類搜索引擎、語音陪伴、語音工作助手、對話虛擬人、人工智能客服、機器翻譯、芯片設計等。

從上游增加需求來看，包括算力芯片、數(shù)據(jù)標注、自然語言處理（NLP)等。

大模型呈爆發(fā)態(tài)勢（更多的參數(shù)/更大的算力芯片需求） 隨著算法技術和算力技術的不斷進步，ChatGPT也會進一步走向更先進功能更強的版本，在越來越多的領域進行應用，為人類生成更多更美好的對話和內容。 最后，作者問存算一體技術在ChatGPT領域的地位（作者本人目前在重點推進存算一體芯片的產品落地），ChatGPT想了想，大膽的預言存算一體技術將在ChatGPT芯片中占據(jù)主導地位。