作為智能對(duì)話系統(tǒng)，ChatGPT最近兩天爆火，都火出技術(shù)圈了，網(wǎng)上到處都在轉(zhuǎn)ChatGPT相關(guān)的內(nèi)容和測(cè)試?yán)?，效果確實(shí)很震撼。我記得上一次能引起如此轟動(dòng)的AI技術(shù)，NLP領(lǐng)域是GPT 3發(fā)布，那都是兩年半前的事了，當(dāng)時(shí)人工智能如日中天如火如荼的紅火日子，今天看來恍如隔世；多模態(tài)領(lǐng)域則是以DaLL E2、Stable Diffusion為代表的Diffusion Model，這是最近大半年火起來的AIGC模型；而今天，AI的星火傳遞到了ChatGPT手上，它毫無疑問也屬于AIGC范疇。所以說，在AI泡沫破裂后處于低谷期的今天，AIGC確實(shí)是給AI續(xù)命的良藥，當(dāng)然我們更期待估計(jì)很快會(huì)發(fā)布的GPT 4，愿OpenAI能繼續(xù)撐起局面，給行業(yè)帶來一絲暖意。

說回ChatGPT，例子就不舉了，在網(wǎng)上漫山遍野都是，我們主要從技術(shù)角度來聊聊。那么，ChatGPT到底是采用了怎樣的技術(shù)，才能做到如此超凡脫俗的效果？既然ChatGPT功能如此強(qiáng)大，那么它可以取代Google、百度等現(xiàn)有搜索引擎嗎？如果能，那是為什么，如果不能，又是為什么？

本文試圖從我個(gè)人理解的角度，來嘗試回答上述問題，很多個(gè)人觀點(diǎn)，偏頗難免，還請(qǐng)謹(jǐn)慎參考。我們首先來看看ChatGPT到底做了什么才獲得如此好的效果。

ChatGPT的技術(shù)原理

整體技術(shù)路線上，ChatGPT在效果強(qiáng)大的GPT 3.5大規(guī)模語言模型（LLM，Large Language Model）基礎(chǔ)上，引入“人工標(biāo)注數(shù)據(jù)+強(qiáng)化學(xué)習(xí)”（RLHF，Reinforcement Learning from Human Feedback ，這里的人工反饋其實(shí)就是人工標(biāo)注數(shù)據(jù)）來不斷Fine-tune預(yù)訓(xùn)練語言模型，主要目的是讓LLM模型學(xué)會(huì)理解人類的命令指令的含義（比如給我寫一段小作文生成類問題、知識(shí)回答類問題、頭腦風(fēng)暴類問題等不同類型的命令），以及讓LLM學(xué)會(huì)判斷對(duì)于給定的prompt輸入指令（用戶的問題），什么樣的答案是優(yōu)質(zhì)的（富含信息、內(nèi)容豐富、對(duì)用戶有幫助、無害、不包含歧視信息等多種標(biāo)準(zhǔn)）。

在“人工標(biāo)注數(shù)據(jù)+強(qiáng)化學(xué)習(xí)”框架下，具體而言，ChatGPT的訓(xùn)練過程分為以下三個(gè)階段：

（ChatGPT:第一階段） 第一階段：冷啟動(dòng)階段的監(jiān)督策略模型。靠GPT 3.5本身，盡管它很強(qiáng)，但是它很難理解人類不同類型指令中蘊(yùn)含的不同意圖，也很難判斷生成內(nèi)容是否是高質(zhì)量的結(jié)果。為了讓GPT 3.5初步具備理解指令中蘊(yùn)含的意圖，首先會(huì)從測(cè)試用戶提交的prompt(就是指令或問題)中隨機(jī)抽取一批，靠專業(yè)的標(biāo)注人員，給出指定prompt的高質(zhì)量答案，然后用這些人工標(biāo)注好的數(shù)據(jù)來Fine-tune GPT 3.5模型。經(jīng)過這個(gè)過程，我們可以認(rèn)為GPT 3.5初步具備了理解人類prompt中所包含意圖，并根據(jù)這個(gè)意圖給出相對(duì)高質(zhì)量回答的能力，但是很明顯，僅僅這樣做是不夠的。

（ChatGPT:第二階段）

第二階段：訓(xùn)練回報(bào)模型（Reward Model,RM）。這個(gè)階段的主要目的是通過人工標(biāo)注訓(xùn)練數(shù)據(jù)，來訓(xùn)練回報(bào)模型。具體而言，隨機(jī)抽樣一批用戶提交的prompt(大部分和第一階段的相同)，使用第一階段Fine-tune好的冷啟動(dòng)模型，對(duì)于每個(gè)prompt，由冷啟動(dòng)模型生成K個(gè)不同的回答，于是模型產(chǎn)生出了,….數(shù)據(jù)。之后，標(biāo)注人員對(duì)K個(gè)結(jié)果按照很多標(biāo)準(zhǔn)（上面提到的相關(guān)性、富含信息性、有害信息等諸多標(biāo)準(zhǔn)）綜合考慮進(jìn)行排序，給出K個(gè)結(jié)果的排名順序，這就是此階段人工標(biāo)注的數(shù)據(jù)。

接下來，我們準(zhǔn)備利用這個(gè)排序結(jié)果數(shù)據(jù)來訓(xùn)練回報(bào)模型，采取的訓(xùn)練模式其實(shí)就是平常經(jīng)常用到的pair-wise learning to rank。對(duì)于K個(gè)排序結(jié)果，兩兩組合，形成(k2)個(gè)訓(xùn)練數(shù)據(jù)對(duì)，ChatGPT采取pair-wise loss來訓(xùn)練Reward Model。RM模型接受一個(gè)輸入，給出評(píng)價(jià)回答質(zhì)量高低的回報(bào)分?jǐn)?shù)Score。對(duì)于一對(duì)訓(xùn)練數(shù)據(jù)，我們假設(shè)人工排序中answer1排在answer2前面，那么Loss函數(shù)則鼓勵(lì)RM模型對(duì)的打分要比的打分要高。

歸納下：在這個(gè)階段里，首先由冷啟動(dòng)后的監(jiān)督策略模型為每個(gè)prompt產(chǎn)生K個(gè)結(jié)果，人工根據(jù)結(jié)果質(zhì)量由高到低排序，以此作為訓(xùn)練數(shù)據(jù)，通過pair-wise learning to rank模式來訓(xùn)練回報(bào)模型。對(duì)于學(xué)好的RM模型來說，輸入，輸出結(jié)果的質(zhì)量得分，得分越高說明產(chǎn)生的回答質(zhì)量越高。

（ChatGPT:第三階段）

第三階段：采用強(qiáng)化學(xué)習(xí)來增強(qiáng)預(yù)訓(xùn)練模型的能力。本階段無需人工標(biāo)注數(shù)據(jù)，而是利用上一階段學(xué)好的RM模型，靠RM打分結(jié)果來更新預(yù)訓(xùn)練模型參數(shù)。具體而言，首先，從用戶提交的prompt里隨機(jī)采樣一批新的命令（指的是和第一第二階段不同的新的prompt，這個(gè)其實(shí)是很重要的，對(duì)于提升LLM模型理解instruct指令的泛化能力很有幫助），且由冷啟動(dòng)模型來初始化PPO模型的參數(shù)。然后，對(duì)于隨機(jī)抽取的prompt，使用PPO模型生成回答answer， 并用上一階段訓(xùn)練好的RM模型給出answer質(zhì)量評(píng)估的回報(bào)分?jǐn)?shù)score，這個(gè)回報(bào)分?jǐn)?shù)就是RM賦予給整個(gè)回答（由單詞序列構(gòu)成）的整體reward。有了單詞序列的最終回報(bào)，就可以把每個(gè)單詞看作一個(gè)時(shí)間步，把reward由后往前依次傳遞，由此產(chǎn)生的策略梯度可以更新PPO模型參數(shù)。這是標(biāo)準(zhǔn)的強(qiáng)化學(xué)習(xí)過程，目的是訓(xùn)練LLM產(chǎn)生高reward的答案，也即是產(chǎn)生符合RM標(biāo)準(zhǔn)的高質(zhì)量回答。

如果我們不斷重復(fù)第二和第三階段，很明顯，每一輪迭代都使得LLM模型能力越來越強(qiáng)。因?yàn)榈诙A段通過人工標(biāo)注數(shù)據(jù)來增強(qiáng)RM模型的能力，而第三階段，經(jīng)過增強(qiáng)的RM模型對(duì)新prompt產(chǎn)生的回答打分會(huì)更準(zhǔn)，并利用強(qiáng)化學(xué)習(xí)來鼓勵(lì)LLM模型學(xué)習(xí)新的高質(zhì)量?jī)?nèi)容，這起到了類似利用偽標(biāo)簽擴(kuò)充高質(zhì)量訓(xùn)練數(shù)據(jù)的作用，于是LLM模型進(jìn)一步得到增強(qiáng)。顯然，第二階段和第三階段有相互促進(jìn)的作用，這是為何不斷迭代會(huì)有持續(xù)增強(qiáng)效果的原因。

盡管如此，我覺得第三階段采用強(qiáng)化學(xué)習(xí)策略，未必是ChatGPT模型效果特別好的主要原因。假設(shè)第三階段不采用強(qiáng)化學(xué)習(xí)，換成如下方法：類似第二階段的做法，對(duì)于一個(gè)新的prompt，冷啟動(dòng)模型可以產(chǎn)生k個(gè)回答，由RM模型分別打分，我們選擇得分最高的回答，構(gòu)成新的訓(xùn)練數(shù)據(jù),去fine-tune LLM模型。假設(shè)換成這種模式，我相信起到的作用可能跟強(qiáng)化學(xué)習(xí)比，雖然沒那么精巧，但是效果也未必一定就差很多。第三階段無論采取哪種技術(shù)模式，本質(zhì)上很可能都是利用第二階段學(xué)會(huì)的RM，起到了擴(kuò)充LLM模型高質(zhì)量訓(xùn)練數(shù)據(jù)的作用。

以上是ChatGPT的訓(xùn)練流程，主要參考自instructGPT的論文，ChatGPT是改進(jìn)的instructGPT，改進(jìn)點(diǎn)主要在收集標(biāo)注數(shù)據(jù)方法上有些區(qū)別，在其它方面，包括在模型結(jié)構(gòu)和訓(xùn)練流程等方面基本遵循instructGPT。可以預(yù)見的是，這種Reinforcement Learning from Human Feedback技術(shù)會(huì)快速蔓延到其它內(nèi)容生成方向，比如一個(gè)很容易想到的，類似“A machine translation model based on Reinforcement Learning from Human Feedback”這種，其它還有很多。但是，我個(gè)人認(rèn)為，在NLP的某個(gè)具體的內(nèi)容生成領(lǐng)域再采用這個(gè)技術(shù)意義應(yīng)該已經(jīng)不大了，因?yàn)镃hatGPT本身能處理的任務(wù)類型非常多樣化，基本涵蓋了NLP生成的很多子領(lǐng)域，所以某個(gè)NLP子領(lǐng)域如果再單獨(dú)采用這個(gè)技術(shù)其實(shí)已經(jīng)不具備太大價(jià)值，因?yàn)樗目尚行钥梢哉J(rèn)為已經(jīng)被ChatGPT驗(yàn)證了。如果把這個(gè)技術(shù)應(yīng)用在比如圖片、音頻、視頻等其它模態(tài)的生成領(lǐng)域，可能是更值得探索的方向，也許不久后我們就會(huì)看到類似“A XXX diffusion model based on Reinforcement Learning from Human Feedback”,諸如此類，這類工作應(yīng)該還是很有意義的。

另外一個(gè)值得關(guān)注的采取類似技術(shù)的工作是DeepMind的sparrow，這個(gè)工作發(fā)表時(shí)間稍晚于instructGPT，如果你仔細(xì)分析的話，大的技術(shù)思路和框架與instructGPT的三階段基本類似，不過明顯sparrow在人工標(biāo)注方面的質(zhì)量和工作量是不如instructGPT的。反過來，我覺得sparrow里把回報(bào)模型分為兩個(gè)不同RM的思路，是優(yōu)于instructGPT的，至于原因在下面小節(jié)里會(huì)講。

ChatGPT能否取代Google、百度等傳統(tǒng)搜索引擎

既然看上去ChatGPT幾乎無所不能地回答各種類型的prompt，那么一個(gè)很自然的問題就是：ChatGPT或者未來即將面世的GPT4，能否取代Google、百度這些傳統(tǒng)搜索引擎呢？我個(gè)人覺得目前應(yīng)該還不行，但是如果從技術(shù)角度稍微改造一下，理論上是可以取代傳統(tǒng)搜索引擎的。

為什么說目前形態(tài)的ChatGPT還不能取代搜索引擎呢？主要有三點(diǎn)原因：首先，對(duì)于不少知識(shí)類型的問題，ChatGPT會(huì)給出看上去很有道理，但是事實(shí)上是錯(cuò)誤答案的內(nèi)容（參考上圖的例子（from @Gordon Lee）,ChatGPT的回答看著胸有成竹，像我這么沒文化的基本看了就信了它，回頭查了下這首詞里竟然沒這兩句），考慮到對(duì)于很多問題它又能回答得很好，這將會(huì)給用戶造成困擾：如果我對(duì)我提的問題確實(shí)不知道正確答案，那我是該相信ChatGPT的結(jié)果還是不該相信呢？此時(shí)你是無法作出判斷的。這個(gè)問題可能是比較要命的。其次，ChatGPT目前這種基于GPT大模型基礎(chǔ)上進(jìn)一步增加標(biāo)注數(shù)據(jù)訓(xùn)練的模式，對(duì)于LLM模型吸納新知識(shí)是非常不友好的。新知識(shí)總是在不斷出現(xiàn)，而出現(xiàn)一些新知識(shí)就去重新預(yù)訓(xùn)練GPT模型是不現(xiàn)實(shí)的，無論是訓(xùn)練時(shí)間成本還是金錢成本，都不可接受。如果對(duì)于新知識(shí)采取Fine-tune的模式，看上去可行且成本相對(duì)較低，但是很容易產(chǎn)生新數(shù)據(jù)的引入導(dǎo)致對(duì)原有知識(shí)的災(zāi)難遺忘問題，尤其是短周期的頻繁fine-tune，會(huì)使這個(gè)問題更為嚴(yán)重。所以如何近乎實(shí)時(shí)地將新知識(shí)融入LLM是個(gè)非常有挑戰(zhàn)性的問題。其三，ChatGPT或GPT4的訓(xùn)練成本以及在線推理成本太高，導(dǎo)致如果面向真實(shí)搜索引擎的以億記的用戶請(qǐng)求，假設(shè)繼續(xù)采取免費(fèi)策略，OpenAI無法承受，但是如果采取收費(fèi)策略，又會(huì)極大減少用戶基數(shù)，是否收費(fèi)是個(gè)兩難決策，當(dāng)然如果訓(xùn)練成本能夠大幅下降，則兩難自解。以上這三個(gè)原因，導(dǎo)致目前ChatGPT應(yīng)該還無法取代傳統(tǒng)搜索引擎。

那么這幾個(gè)問題，是否可以解決呢？其實(shí)，如果我們以ChatGPT的技術(shù)路線為主體框架，再吸納其它對(duì)話系統(tǒng)采用的一些現(xiàn)成的技術(shù)手段，來對(duì)ChatGPT進(jìn)行改造，從技術(shù)角度來看，除了成本問題外的前兩個(gè)技術(shù)問題，目前看是可以得到很好地解決。我們只需要在ChatGPT的基礎(chǔ)上，引入sparrow系統(tǒng)以下能力：基于retrieval結(jié)果的生成結(jié)果證據(jù)展示，以及引入LaMDA系統(tǒng)的對(duì)于新知識(shí)采取retrieval模式，那么前面提到的新知識(shí)的及時(shí)引入，以及生成內(nèi)容可信性驗(yàn)證，基本就不是什么大問題。

基于以上考慮，在上圖中展示出了我心目中下一代搜索引擎的整體結(jié)構(gòu):它其實(shí)是目前的傳統(tǒng)搜索引擎+ChatGPT的雙引擎結(jié)構(gòu)，ChatGPT模型是主引擎，傳統(tǒng)搜索引擎是輔引擎。傳統(tǒng)搜索引擎的主要輔助功能有兩個(gè)：一個(gè)是對(duì)于ChatGPT產(chǎn)生的知識(shí)類問題的回答，進(jìn)行結(jié)果可信性驗(yàn)證與展示，就是說在ChatGPT給出答案的同時(shí)，從搜索引擎里找到相關(guān)內(nèi)容片段及url鏈接，同時(shí)把這些內(nèi)容展示給用戶，使得用戶可以從額外提供的內(nèi)容里驗(yàn)證答案是否真實(shí)可信，這樣就可以解決ChatGPT產(chǎn)生的回答可信與否的問題，避免用戶對(duì)于產(chǎn)生結(jié)果無所適從的局面。當(dāng)然，只有知識(shí)類問題才有必要尋找可信信息進(jìn)行驗(yàn)證，很多其他自由生成類型的問題，比如讓ChatGPT寫一個(gè)滿足某個(gè)主題的小作文這種完全自由發(fā)揮的內(nèi)容，則無此必要。所以這里還有一個(gè)什么情況下會(huì)調(diào)用傳統(tǒng)搜索引擎的問題，具體技術(shù)細(xì)節(jié)完全可仿照sparrow的做法，里面有詳細(xì)的技術(shù)方案。傳統(tǒng)搜索引擎的第二個(gè)輔助功能是及時(shí)補(bǔ)充新知識(shí)。既然我們不可能隨時(shí)把新知識(shí)快速引入LLM，那么可以把它存到搜索引擎的索引里，ChatGPT如果發(fā)現(xiàn)具備時(shí)效性的問題，它自己又回答不了，則可以轉(zhuǎn)向搜索引擎抽取對(duì)應(yīng)的答案，或者根據(jù)返回相關(guān)片段再加上用戶輸入問題通過ChatGPT產(chǎn)生答案。關(guān)于這方面的具體技術(shù)手段，可以參考LaMDA，其中有關(guān)于新知識(shí)處理的具體方法。

除了上面的幾種技術(shù)手段，我覺得相對(duì)ChatGPT只有一個(gè)綜合的Reward Model，sparrow里把答案helpful相關(guān)的標(biāo)準(zhǔn)（比如是否富含信息量、是否合乎邏輯等）采用一個(gè)RM，其它類型toxic/harmful相關(guān)標(biāo)準(zhǔn)（比如是否有bias、是否有害信息等）另外單獨(dú)采用一個(gè)RM，各司其職，這種模式要更清晰合理一些。因?yàn)閱我活愋偷臉?biāo)準(zhǔn)，更便于標(biāo)注人員進(jìn)行判斷，而如果一個(gè)Reward Model融合多種判斷標(biāo)準(zhǔn)，相互打架在所難免，判斷起來就很復(fù)雜效率也低，所以感覺可以引入到ChatGPT里來，得到進(jìn)一步的模型改進(jìn)。

通過吸取各種現(xiàn)有技術(shù)所長(zhǎng)，我相信大致可以解決ChatGPT目前所面臨的問題，技術(shù)都是現(xiàn)成的，從產(chǎn)生內(nèi)容效果質(zhì)量上取代現(xiàn)有搜索引擎問題不大。當(dāng)然，至于模型訓(xùn)練成本和推理成本問題，可能短時(shí)期內(nèi)無法獲得快速大幅降低，這可能是決定LLM是否能夠取代現(xiàn)有搜索引擎的關(guān)鍵技術(shù)瓶頸。從形式上來看，未來的搜索引擎大概率是以用戶智能助手APP的形式存在的，但是，從短期可行性上來說，在走到最終形態(tài)之前，過渡階段大概率兩個(gè)引擎的作用是反過來的，就是傳統(tǒng)搜索引擎是主引擎，ChatGPT是輔引擎，形式上還是目前搜索引擎的形態(tài)，只是部分搜索內(nèi)容Top 1的搜索結(jié)果是由ChatGPT產(chǎn)生的，大多數(shù)用戶請(qǐng)求，可能在用戶看到Top 1結(jié)果就能滿足需求，對(duì)于少數(shù)滿足不了的需求，用戶可以采用目前搜索引擎翻頁(yè)搜尋的模式。我猜搜索引擎未來大概率會(huì)以這種過渡階段以傳統(tǒng)搜索引擎為主，ChatGPT這種instruct-based生成模型為輔，慢慢切換到以ChatGPT生成內(nèi)容為主，而這個(gè)切換節(jié)點(diǎn)，很可能取決于大模型訓(xùn)練成本的大幅下降的時(shí)間，以此作為轉(zhuǎn)換節(jié)點(diǎn)。

審核編輯 ：李倩