Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

中关村科金张杰:ChatGPT不是炒作,它撕开了AI更广泛应用的口子

作者:北京中关村科金技术有限公司 技术副总裁 张杰

“作为对话式AI技术解决方案提供商,中关村科金围绕大模型所涌现出的复杂推理能力,自研的多项对话式AI产品已在企业服务赛道实现了众多应用落地。”

ChatGPT发布了两个多月,热度不降反增,不断火爆出圈,这期间各种深度解读的文章层出不穷。如果越是深度,你越看不懂的话,那么这篇解读适合你。现在是时候为不懂AI技术的同学们白话科普一下了。

本文将用浅显易懂的语言解惑以下问题:

  • ChatGPT为什么能火起来?
  • ChatGPT背后的关键技术是什么?
  • 我能弄个自己的ChatGPT吗?
  • 我怎么用它来赚钱吗?

1.ChatGPT为什么这么火?

对话机器人不是个新技术,以往的机器人产品很多,为什么这次OpenAI公司推出的ChatGPT能这么火?因为以前的机器人只能做简单且有限的事,问天气、放音乐还行,问个复杂一些的事就有点“人工智障”了。ChatGPT可以说技术上的量变引起了效果上的质变,在三个方面让我感觉很惊艳:

  • 有上下文记忆能力:多轮对话衔接地很好,很难看出是机器生成的
  • 有学习纠错能力:在它回答错误之后,如果你纠正了它,第二次就不会再答错
  • 有思维链推理能力:具备一些常识知识,能做复杂一些的算数题

2.ChatGPT背后的关键技术是什么?

在ChatGPT背后起关键作用的是一种被称为大规模语言模型(Large Language Model,LLM)的东西,ChatGPT用的这款语言模型命名为GPT-3.5,GPT是生成式预训练(Generative Pre-Training)的缩写,目前的版本号是3.5版。此外,在GPT-3.5之上,ChatGPT还通过基于人类反馈的强化学习(Reinforcement Learning from Human Feedback,RLHF),使GPT能够记住之前的对话、承认错误、在连续的多轮对话中给人很顺畅的感觉。

2.1大规模语言模型

顾名思义,大规模语言模型就是非常大的语言模型。什么是语言模型呢?

2.1.1语言模型

简单说来,语言模型的作用就是根据已知句子的一部分,来预测下一个单词或者空缺部分的单词是什么。比如,给你前半句:“国庆前夕,天安门广场前伫立起一个____”,你会预测出空白部分大概率会是“大花篮”。

其实,你天天都在用语言模型,当你使用手机或电脑里的输入法回复消息时,它就在推荐你下一个单词。ChatGPT使用的GPT-3.5可比输入法中的语言模型要大很多。输入法语言模型占用的存储空间可能只有50MB,而GPT-3.5有800GB。

2.1.2神经网络

GPT为什么会那么大?因为它内部是神经网络的结构。大规模语言模型的基础单元叫做感知机,它模拟了人脑中神经元的结构。这些感知机组织成庞大的网络结构,用来“山寨”人脑的神经网络。

一般情况下,一个正常人的大脑约有800~1000亿个神经元,以及约100万亿个突触。神经科学家Paul Maclean提出的三元脑(triune brain)模型,将大脑结构分为三类:爬行脑、哺乳脑、人类脑。爬行脑最早进化出来,负责呼吸、心跳、血压等,完全自动运作。哺乳脑负责情感、记忆、习惯形成等,能够做出非常快的决策。人类脑最晚形成,负责一些复杂的分析推理,是做慢决策,即所有需要深思熟虑的事物。

GPT-3.5的参数总量达到1750亿,虽然距离人脑突触的量级还有差距,但也已经显现出之前小规模模型所不具备的推理能力。要想足够智能,网络规模足够大是个必要条件。

2.1.3 Transformer

大模型的核心是一个叫Transformer的组件,Transformer在这里可不是"变形金刚"的意思,也许翻译成"变压器"意思更接近些。

想想我们国家的西电东输工程,西部利用水力、风力、日光所转化的电能,经过变压器压缩成高压甚至特高压,再在电网上传输,到了东部之后再逐级降压,然后才能使用。变压器在其中先升压再降压,有效降低了能量在传输过程中的损耗。

我们人类在交流过程中也有类似的过程,同事A跟你说了一件事,你并没有逐字逐句的记在脑子里,而是理解了其中的语义,在脑子里形成一种意识流,这是一种压缩编码的过程。你脑子里保留的意识流具体是什么,你也说不清楚---也不需要说清楚。当你向同事B复述这件事的时候,你重新把它组织成语言,保留了其中的各项重点内容,通过一系列的发音或文字表达给对方,这是解码的过程。这种先编码再解码的过程,就是Transformer的工作原理。另外,在实际当中,有些语言模型只用到堆叠多层的编码器,有些只用到堆叠多层的解码器;堆叠的层数也多有不同,少的有6层、12层,多的有48层。

如果你有一些计算机基础,听说过词袋模型(Bag of Words,BOW)、循环神经网络(Recurrent Neural Network,RNN),那么对Transformer就更容易理解了。

  • BOW完全丢弃了词的位置信息,没有把文本当作有顺序的序列,因此语义理解能力较差。例如,“不,我很好”和“我很不好”,两句话虽然用词一样,但词的位置不同,语义上差别巨大。
  • RNN能较好的保留词的位置信息,可以考虑到词的先后顺序对预测的影响,但是,如果处理的文本长度很长,关键的词之间距离较远时,效果会显著下降。
  • Transformer中引入“注意力”机制,多个组件分别关注句子中不同方面的重点,而且随着网络层次的增加,能够提取出更高级更抽象的语义信息,理解能力更强。Transformer除了语义提取能力强,还能从无标注的数据中学习,而且场景迁移能力好。

2.1.4 思维链

此外,大规模语言模型还带给人们的一项意外的惊喜,那就是让人细思极恐的思维链(Chain-of-Thought,CoT)能力。

简单地说,思维链就是让LLM将一个问题拆解为多个步骤,最后给出答案,而不是让LLM直接给出答案。直接给答案的出错率更高。比如,你给LLM出了一个题目:“张三养了10条狗,每天照顾每条狗都要花半小时,请问他照顾这些狗要花费多长时间?”LLM直接给答案的话可能会出错,当你提示LLM要“一步步地回答”时,它会告诉你:“张三养了10条狗,每天照顾每条狗都要花半小时,那就是10 x 0.5 = 5小时/天。5小时/天 x 7天/周 = 35小时/周。答案是每周35小时。”

这项能力并不是设计者的初衷(初衷只是学习如何说人话),而是在随后的代码训练、提示学习中挖掘出来的,这些能力原本就已经存在于大模型之中,它从代码、书籍、网页中学到了一些常识知识并具备了一定的推理能力。

2.2 基于人类反馈的强化学习

人类问问题的方式对于LLM而言不是最自然的理解方式,为了让ChatGPT给出的答案更贴近人类的问题、更符合公序良俗,它在发布前采取了一种叫做“基于人类反馈的强化学习”(Reinforcement Learning by Human Feedback,RLHF)的训练策略。简单来说,就是花钱找人给模型提出各种可能的问题,并对模型反馈的错误答案进行惩罚、对正确的答案进行奖励,从而实现提升ChatGPT回复质量的目的。光有海量的、无标注的数据还不够,还要有少量的、高质量的标注数据才行。前者用来训练语言模型,让它学会说人话,后者用来训练对话模型,让它别啥都瞎说,比如:回答中不能含有种族歧视和性别歧视的内容,拒绝回答不当问题和知识范围之外的问题。

3. 我能训个ChatGPT吗?

简单地回答:极大概率是不能的。起码在现阶段,这不是招几个人、花些钱就能做成的事,能训出ChatGPT的人可能比做出4纳米芯片的人还要少。

这其中的原因是什么?咱先来捋捋ChatGPT超能力的来源,再对比看看自己手中的家底。

3.1 算力

算力,也就是数据的处理能力,与数据、算法,并称为AI三要素。据估计,仅仅训练一次GPT-3,Open AI可是花费了460万美元。对于ChatGPT而言,支撑其算力基础设施至少需要上万颗英伟达A100的GPU,一次模型训练成本超过1200万美元,研发总费用可能高达2760万美元。而且,模型训练完成部署上线后,跑起来仍然要不可小觑的算力。大模型的商业模式下,最终获益的是芯片厂商。

然而,在这些必要非充分条件中,算力是最容易解决的。

3.2 数据

模型要足够深、足够大,才能解决远距离的语义理解能力、才能产生抽象的推理能力,这些高级的基础的能力具有很好的通用性。因此,高级的能力可能只存在于大型模型中,而训练大模型,需要足够的数据量。

全球高质量文本数据的总存量在4.6万亿到17.2万亿个字符之间。这包括了世界上所有的书籍、科学论文、新闻文章、维基百科、公开代码以及网络上经过筛选的达标数据,例如网页、博客和社交媒体。最近的一项研究数据显示,数据总数大约为3.2万亿个字符。DeepMind的Chinchilla模型是在1.4万亿个字符上训练的。也就是说,在这个数量级内,我们很有可能耗尽世界上所有有用的语言训练数据。

此外,反观中文网站的数据资源,大致占全世界总资源的1.3%。中文内容相比英文有四五十倍的差距,人工智能脱离不了人类知识的土壤,这方面的先天条件不是短期内花钱或凭一己之力就能解决的。

3.3 人才

ChatGPT公开出来的少量材料中,披露出了一系列训练技巧,比如:代码训练、指令微调、上下文学习等。更多的细节目前还没有公开,即便公开了也不见得是全部,即便全部公开也未必能重现。因为整个过程链条非常长,有大量的工程技巧在里边。俗话说魔鬼藏在细节里,具体的实现和工程技巧才是重头戏,好比刚学做菜的人,即便有足够的食材,照着菜谱也不可能做出一套满汉全席。

今年2月初,谷歌已向人工智能初创公司Anthropic投资约3亿美元,并获得该公司10%股份。该公司2021年创立,目前团队规模仅在40人左右,初创期的11位核心成员都曾经参与过GPT-2、GPT-3模型的研发。可见,业界对于人才的重视程度以及人才的奇缺性。

4. 如何用ChatGPT赚钱?

ChatGPT似乎打破了人们关于AI模型的一项固有认知:“通用的不好用,好用的不通用。”

大模型革命的一个关键趋势就是,通用大模型比专用小模型表现地更好。对于定位在垂直细分领域里的初创公司来说,既不能自研出大模型,效果上又失去了竞争力,因此是不是就没有活路了?

我觉得不是,ChatGPT的能力可以分成chat和GPT两部分来看,即上层的对话和图片的生成能力、底层的语言和推理能力。

  • 在ToC类内容消费市场,未来可能会出现大量的、碎片化的AIGC应用,比如生成头像、诗文、甚至短视频等,重点是在有趣的细分场景里发挥创造性和想象力。在消费电子市场里,有对话能力的智能音箱、智能家电在去年的出货量有所下滑,借助更强的对话能力,也许还能挽回一些颓势。
  • 在ToB类企业服务市场,AI不再只是替代简单重复性的体力劳动,还将替代简单规律性的脑力劳动,并在逻辑复杂的脑力劳动中辅助员工提升工作效率。简单的脑力劳动,比如营销文案撰写、初级程序员和插画师等。复杂的脑力劳动,可能会围绕具体业务的推理能力,以虚拟工作助手的形式出现。

对于处于ToB赛道的科技公司而言,中间层可能会越来越薄,对于行业KnowHow的积累会成为越来越重要的竞争门槛。这其中可能会遇到很多挑战,比如:如何在使用强大的通用模型和构建自己的垂直模型之间进行迭代,如何将通用无标注的大规模数据和领域小规模知识相结合,如何将领域事实知识注入到LLM中使得LLM的输出内容可控。在目前的研究范式下,领域内高质量的标注数据+领域推理能力,高质量数据来自用户在使用过程中潜移默化的标注,推理能力来自大模型和领域知识,两者如何形成“飞轮效应”是非常重要的问题。

作为对话式AI技术解决方案提供商,中关村科金2023年也将重点进行三个方面的技术布局:预训练对话语言模型、会话分析和话术流程挖掘,同时关注AI技术的工程化、产品化问题。

预训练对话语言模型:今年中关村科金将仔细研究大模型的复杂推理能力在企服场景下能提供什么、会改变什么,尤其是领域知识如何低成本地注入到大模型里,使其具备可控的领域知识的问答和推理能力。

会话分析:中关村科金仍将沿用基于真实数据的统计分析的方法,挖掘出对话中常见的行为模式,用于话轮设计。

话术流程挖掘:中关村科金研究的流程挖掘与之不同,主要处理对话语料,将对话序列做事件切分,然后从事件序列中找到话术流程的最佳实践、或者做流程一致性校验。

5. 划重点

说了这么多,总结一下重点,不管你能记住多少,起码下次在电梯里遇到老板或者在饭局上遇到同学时,在聊起ChatGPT的时候,你能插上几句话。

  • 关于大规模语言模型:训练时要用到万亿级的数据、花费百万美元的算力,才能使它能说人话,并具有一定的“思维链”推理能力。
  • 大模型的超能力:模型要足够深、足够大,才能产生抽象的推理能力,这些高级的基础能力具有很好的通用性。大模型革命的一个关键趋势就是,通用大模型比专用小模型表现地更好,打破了人们一项固有认知:“通用的不好用,好用的不通用。”
  • 应用场景:ToC类应用要找准细分的内容生成场景;ToB类应用要围绕推理能力去发挥,让它成为脑力工作者的辅助,替代一部分简单的脑力工作,辅助员工的做创造性工作。
  • 对科技乙方的启示:ChatGPT不时一时炒作,它撕开了AI更广泛应用的口子,对于国内挣扎在ToB赛道上的科技公司而言,是个不容错过的大机遇,科技公司要重点关注如何应用无标注大数据和高质量小数据结合,通过领域高质量小数据构筑竞争门槛。
  • 对职场打工人:要尽早学习AI的一些基础知识,如何与AI协作、如何利用AI提升效率,将成为必备技能,就如同“熟练使用office”一样。据2023年1月的一项调查统计,在美国已有35%的科技从业者使用过ChatGPT或类似AI工具。ChatGPT的编程能力超过390万程序员中的85%。


延展阅读

最后,对于想进一步深入了解技术细节的同学,推荐以下延展阅读材料:

•OpenAI官网上关于ChatGPT的介绍:ChatGPT: Optimizing Language Models for Dialogue

•基于语言模型提示学习的推理:https://github.com/zjunlp/Prompt4ReasoningPapers

•关于GPT技术演进过程:GPT1到ChatGPT的技术演进

•关于InstructGPT:Training language models to follow instructions with human feedback

•关于大规模预训练语言模型:《预训练语言模型》

•对话式AI需要具备领域知识时,可以参考:《知识中台》

•对话式AI需要处理视频或语音时,可以参考:《深度学习视频理解》《语音识别服务实战》

•一个汇总900多个AI工具的门户网站:https://www.futurepedia.io/


作者介绍

张杰,中关村科金技术副总裁,天津大学计算机专业博士。荣获第十届吴文俊人工智能技术发明一等奖。著有《知识中台:数字化转型中的认知技术》《“新一代人工智能创新平台建设及其关键技术丛书”— 知识图谱》两部技术专著。

研究领域:知识工程、自然语言处理等技术领域拥有丰富的理论和实践经验。主持或参与国家级课题八项,并发表学术论文十余篇、拥有专利一百余项。主导开发了推荐引擎、知识问答系统、客服机器人、大数据风控平台、行业知识图谱等多项商业化系统,累计产值数亿元。

产业
暂无评论
暂无评论~