OpenAI科學(xué)家最新演講：GPT-4即將超越拐點(diǎn)，1000倍性能必定涌現(xiàn)！
「GPT-4即將超越拐點(diǎn)，并且性能實(shí)現(xiàn)顯著跳躍」。
這是OpenAI科學(xué)家Hyung Won Chung在近來的演講中，對(duì)大模型參數(shù)規(guī)模擴(kuò)大能力飆升得出的論斷。
在他看來，我們所有人需要改變觀點(diǎn)。LLM實(shí)則蘊(yùn)藏著巨大的潛力，只有參數(shù)量達(dá)到一定規(guī)模時(shí)，能力就會(huì)浮現(xiàn)。
圖片
Hyung Won Chung將這次演講題目定為「2023年的大型語言模型」，旨對(duì)LLM領(lǐng)域的發(fā)展做一個(gè)總結(jié)。
在這個(gè)領(lǐng)域中，真正重要的是什么？雖然「模型擴(kuò)展」無疑是突出的，但其深遠(yuǎn)的意義卻更為微妙和細(xì)膩。
圖片
在近一個(gè)小時(shí)的演講中，Hyung Won Chung從三個(gè)方面分享了自己過去4年從業(yè)以來對(duì)「擴(kuò)展」的思考。
都有哪些亮點(diǎn)？
參數(shù)規(guī)模越大，LLM勢(shì)必「涌現(xiàn)」
Hyung Won Chung強(qiáng)調(diào)的核心點(diǎn)是，「持續(xù)學(xué)習(xí)，更新認(rèn)知，采取以“規(guī)?！睘橄鹊囊暯欠浅Ｖ匾埂?/p>
因?yàn)橹挥性谀Ｐ瓦_(dá)到一定規(guī)模時(shí)，某些能力才會(huì)浮現(xiàn)。
多項(xiàng)研究表明，小模型無法解決一些任務(wù)，有時(shí)候還得需要依靠隨機(jī)猜測(cè)，但當(dāng)模型達(dá)到一定規(guī)模時(shí)，就一下子解決了，甚至有時(shí)表現(xiàn)非常出色。
因此，人們將這種現(xiàn)象稱之為「涌現(xiàn)」。
圖片
即便當(dāng)前一代LLM還無法展現(xiàn)出某些能力，我們也不應(yīng)該輕言「它不行」。相反，我們應(yīng)該思考「它還沒行」。
一旦模型規(guī)模擴(kuò)大，許多結(jié)論都會(huì)發(fā)生改變。
這促使許多研究人員能夠以一個(gè)新的視角去看待這個(gè)問題，即推理思路的根本性轉(zhuǎn)變，從「一些方法現(xiàn)在不起作用」，到「一些方法只是在當(dāng)前不起作用」。
也就是，最新方法可能不適用于當(dāng)前模型，但是3-5年后，可能變得有效。
有著新穎視角的AI新人，通常可以帶做出有影響力研究。那是因?yàn)樗麄儾皇芤环N直覺和想法的束縛，即經(jīng)驗(yàn)豐富的人可能已經(jīng)嘗試過但發(fā)現(xiàn)不成功的方法。
Hyung Won Chung表示，自己平時(shí)在實(shí)驗(yàn)過程中，會(huì)記錄下失敗的過程。每當(dāng)有了新的模型，他就會(huì)再次運(yùn)行實(shí)驗(yàn)，再來查驗(yàn)?zāi)男┦浅晒Φ模男┦鞘〉模源送鶑?fù)。
這樣一來，就可以不斷更新和糾正自我認(rèn)知和理解，適應(yīng)技術(shù)的日新月異。
目前，GPT-3和GPT-4之間的能力仍然存在顯著差距，嘗試去彌合與當(dāng)前模型的差距可能是無效的。
圖片
那么，已經(jīng)有了規(guī)模的發(fā)展性觀點(diǎn)后，我們?cè)撊绾螖U(kuò)大參數(shù)規(guī)模？
第一性原理看Transformer
迄今為止，所有大模型背后的架構(gòu)都是基于Transformer搭建的。想必很多人已經(jīng)對(duì)下圖的樣子熟記于心。
圖片
這里，Hyung Won Chung從第一性原理出發(fā)探討Transformer的核心思想，并強(qiáng)調(diào)了Transformer內(nèi)部架構(gòu)細(xì)節(jié)并非關(guān)注重點(diǎn)。
他注意到，許多LLM的研究者不熟悉擴(kuò)展的具體操作。因此，這部分內(nèi)容主要是為那些想要理解大型模型訓(xùn)練含義的技術(shù)人員準(zhǔn)備的。
從功能性角度來看，可以把Transformer看作帶有矩陣乘法一種簡(jiǎn)潔的序列到序列的映射，并可以進(jìn)行相應(yīng)數(shù)組轉(zhuǎn)換。
圖片
所以，擴(kuò)大Transformer的規(guī)模就是，讓很多很多機(jī)器高效地進(jìn)行矩陣乘法。
圖片
通過將注意力機(jī)制拆分為單獨(dú)的頭，利用多臺(tái)機(jī)器和芯片，并使用GSP MD方法進(jìn)行無需通信的并行化。
然后借助Jax的前端工具PJ將陣列軸映射到硬件，可以實(shí)現(xiàn)大型語言模型的并行化。
預(yù)訓(xùn)練模型的規(guī)模將跨越數(shù)量級(jí)，縮放法則是用小規(guī)模模型開發(fā)的。
圖片
1萬倍GPT-4，讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)目標(biāo)函數(shù)
再進(jìn)一步擴(kuò)展模型規(guī)模時(shí)，設(shè)想是GPT-4的10000倍，應(yīng)該考慮什么？
對(duì)Hyung Won Chung來說，擴(kuò)展不只是用更多的機(jī)器做同樣的事情，更關(guān)鍵的是找到限制進(jìn)一步擴(kuò)展的「歸納偏差」（inductive bias）。
總之，擴(kuò)展并不能解決所有問題，我們還需要在這大規(guī)模工程的工作中做更多研究，也就是在后訓(xùn)練中的工作。
你不能直接與預(yù)訓(xùn)練模型對(duì)話，但它會(huì)在提示后繼續(xù)生成，而不是回答問題。即使提示是惡意的，也會(huì)繼續(xù)生成。
模型后訓(xùn)練的階段的步驟包括，指令調(diào)優(yōu)——獎(jiǎng)勵(lì)模型訓(xùn)練——策略模型訓(xùn)練，這也就是我們常說的RLHF。
圖片
盡管RLHF有著一些弊端，比如獎(jiǎng)勵(lì)模型容易受到「獎(jiǎng)勵(lì)」的影響，還有開放的研究問題需要解決，但是我們還是要繼續(xù)研究RLHF。
因?yàn)?，最大似然法歸納偏差太大；學(xué)習(xí)目標(biāo)函數(shù)（獎(jiǎng)勵(lì)模型）以釋放縮放中的歸納偏差，是一種不同的范式，有很大的改進(jìn)空間。
圖片
另外，RLHF是一種有原則的算法 ，需要繼續(xù)研究，直到成功為止。
總之，在Hyung Won Chung認(rèn)為，最大似然估計(jì)目標(biāo)函數(shù)，是實(shí)現(xiàn)GPT-4 10000倍規(guī)模的瓶頸。
使用富有表達(dá)力的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)目標(biāo)函數(shù)，將是下一個(gè)更加可擴(kuò)展的范式。隨著計(jì)算成本的指數(shù)級(jí)下降，可擴(kuò)展的方法終將勝出。
圖片
「不管怎么說，從第一原理出發(fā)理解核心思想是唯一可擴(kuò)展的方法」。
參考資料：
https://twitter.com/xiaohuggg/status/1711714757802369456?s=20
https://twitter.com/dotey/status/1711504620025942243
