（ 本文是chatGPT原理介紹，但沒有任何數學公式，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，這對科技類話題是非常難的存在。不光是做人工智能、機器學習的人關注，而是大量的各行各業從業人員都來關注這個模型，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，重新學習一下，認真領會 大規模預訓練語言模型（Large Language Model） 的強大之處。

可能很多深度學習相關從業人員的感受和我一樣，大家之前對 LLM 的感受依然是，預訓練+finetune，處理下游任務，依然需要大量的標注數據和人工干預，怎么突然間，chatGPT 就智能到如此地步？

接下來，我簡要梳理一下 openai 的 GPT 大模型的發展歷程。

一、還得從 Bert 說起

2018年，自然語言處理 NLP 領域也步入了 LLM 時代，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的建模任務中取得了最佳的成績。

Bert做了什么，主要用以下例子做解釋。

請各位做一個完形填空：___________和阿里、騰訊一起并成為中國互聯網 BAT 三巨頭。

請問上述空格應該填什么？有的人回答“ 百度 ”，有的人可能覺得，“ 字節 ”也沒錯。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模的上億的文本預料中，隨機地扣掉一部分字，形成上面例子的完形填空題型，不斷地學習空格處到底該填寫什么。所謂語言模型，就是從大量的數據中學習復雜的上下文聯系。

二、GPT 初代

與此同時，openai 早于 Bert 出品了一個初代 GPT 模型。

他們大致思想是一樣的。都基于 Transformer 這種編碼器，獲取了文本內部的相互聯系。

Transformer結構

編解碼的概念廣泛應用于各個領域，在 NLP 領域，人們使用語言一般包括三個步驟：

接受聽到或讀到的語言 -> 大腦理解 -> 輸出要說的語言。

語言是一個顯式存在的東西，但大腦是如何將語言進行理解、轉化和存儲的，則是一個目前仍未探明的東西。因此，大腦理解語言這個過程，就是大腦將語言編碼成一種可理解、可存儲形式的過程，這個過程就叫做 語言的編碼 。

相應的，把大腦中想要表達的內容，使用語言表達出來，就叫做 語言的解碼 。

在語言模型中，編碼器和解碼器都是由一個個的 Transformer 組件拼接在一起形成的。

Transformer編碼器組成的 Encoder-decoder模型

這里不展開講 Transformer 里的內部結構，僅僅講一下 Bert 和 GPT 的區別。

兩者最主要的區別在于，Bert 僅僅使用了 encoder 也就是編碼器部分進行模型訓練，GPT 僅僅使用了 decoder 部分。兩者各自走上了各自的道路，根據我粗淺的理解， GPT 的decoder 模型更加適應于文本生成領域 。

GPT 初代其實個人認為（當然普遍也都這么認為）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 從業者對 LLM 的理解也大都停留在此。即，本質上講，LLM 是一個非常復雜的編碼器，將文本表示成一個向量表示，這個向量表示有助于解決 NLP 的任務。

三、GPT-2

自從 Bert 炸街后，跟風效仿的改進模型也就越來越多了，比如 albert、roberta、ERNIE，BART、XLNET、T5 等等五花八門。

最初的時候，僅僅是一個完形填空任務就可以讓語言模型有了極大進步，那么，給 LLM 模型出其它的語言題型，應該也會對模型訓練有極大的幫助。

想要出語言題型不是很簡單么，什么句子打亂順序再排序、選擇題、判斷題、改錯題、把預測單字改成預測實體詞匯等等，紛紛都可以制定數據集添加在模型的預訓練里。很多模型也都是這么干的。

既然出題也可以，把各種NLP任務的數據集添加到預訓練階段當然也可以。

這個過程也和人腦很像，人腦是非常穩定和泛化的，既可以讀詩歌，也可以學數學，還可以學外語，看新聞，聽音樂等等，簡而言之，就是 一腦多用 。

我們一般的 NLP 任務，文本分類模型就只能分類，分詞模型就只能分詞，機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 的基礎上，又添加了多個任務，擴增了數據集和模型參數，又訓練了一番。

GPT-2學習效果圖

既然多個任務都在同一個模型上進行學習，還存在一個問題，這一個模型能承載的并不僅僅是任務本身，“ 汪小菲的媽是張蘭 ”，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，判斷錯誤等等。也就是說，信息是脫離具體 NLP 任務存在的，舉一反三，能夠利用這條信息，在每一個 NLP 任務上都表現好，這個是 元學習（meta-learning），實際上就是語言模型的一腦多用 。

四、GPT-3

大模型中的大模型

首先， GPT-3 的模型所采用的數據量之大，高達上萬億，模型參數量也十分巨大，學習之復雜，計算之繁復不說了，看圖吧。

GPT-3 里的大模型計算量是 Bert-base 的上千倍 。統統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，諸如撰寫人類難以判別的文章，甚至編寫SQL查詢語句，React或者JavaScript代碼上優異的表現。

首先 GPT-n 系列模型都是采用 decoder 進行訓練的，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。也就是對話模式。

對話

我們是如何學會中文的？通過從0歲開始，聽，說，也就是 對話 。

我們是如何學外語的？看教材，聽廣播，背單詞。唯獨缺少了對話！ 正是因為缺少了對話這個高效的語言學習方式，所以我們的英語水平才如此難以提高。

對于語言模型，同理。

對話是涵蓋一切NLP 任務的終極任務。從此 NLP不再需要模型建模這個過程。比如，傳統 NLP 里還有序列標注這個任務，需要用到 CRF 這種解碼過程。在對話的世界里，這些統統都是冗余的。

其實 CRF 這項技術還是蠻經典的，在深度學習這塊，CRF這也才過去沒幾年。sigh……

in-context learning

以往的預訓練都是兩段式的，即，首先用大規模的數據集對模型進行預訓練，然后再利用下游任務的標注數據集進行 finetune，時至今日這也是絕大多數 NLP 模型任務的基本工作流程。

GPT-3 就開始顛覆這種認知了。它提出了一種 in-context 學習方式。這個詞沒法翻譯成中文，下面舉一個例子進行解釋。

用戶輸入到 GPT-3：你覺得 JioNLP 是個好用的工具嗎？

GPT-3輸出1：我覺得很好啊。

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?

按理來講，針對機器翻譯任務，我們當然希望模型輸出最后一句，針對對話任務，我們希望模型輸出前兩句中的任何一句。顯然做碗面這個輸出句子顯得前言不搭后語。

這時就有了 in-context 學習，也就是，我們對模型進行引導，教會它應當輸出什么內容。如果我們希望它輸出翻譯內容，那么，應該給模型如下輸入：

用戶輸入到 GPT-3：請把以下中文翻譯成中文：你覺得 JioNLP 是個好用的工具嗎？

如果想讓模型回答問題：

用戶輸入到 GPT-3：模型模型你說說，你覺得 JioNLP 是個好用的工具嗎？

OK，這樣模型就可以根據用戶提示的情境，進行針對性的回答了。

這里，只是告知了模型如何做，最好能夠給模型做個 示范 ：

用戶輸入到 GPT-3：**請把以下中文翻譯成中文：蘋果 => apple; 你覺得 JioNLP 是個好用的工具嗎？=>**

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

范例給幾個就行了，不能再給多了！一個是，咱們沒那么多標注數據，另一個是，給多了不就又成了 finetune 模式了么？

在 GPT-3 的預訓練階段，也是按照這樣多個任務同時學習的。比如“ 做數學加法，改錯，翻譯 ”同時進行。這其實就類似前段時間比較火的 prompt 。

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

這個表格彷佛在嘲諷我：哎，你沒錢，你就看不著這種優質的效果，你氣不氣？

五、chatGPT

終于說到了主角，能看到這里的， 可以關注一下 JioNLP 公眾號嗎 ？我寫的也夠累的。

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

強化學習

幾年前，alpha GO 擊敗了柯潔，幾乎可以說明，強化學習如果在適合的條件下，完全可以打敗人類，逼近完美的極限。

強化學習非常像生物進化，模型在給定的環境中，不斷地根據環境的 懲罰和獎勵（reward） ，擬合到一個最適應環境的狀態。

NLP + 強化學習

強化學習之所以能比較容易地應用在圍棋以及其它各種棋牌游戲里，原因就是因為對莫 alpha Go 而言，環境就是圍棋，圍棋棋盤就是它的整個世界。

而幾年前知乎上就有提問，NLP + 強化學習，可以做嗎？怎么做呢？

底下回答一片唱衰，原因就是因為， NLP 所依賴的環境，是整個現實世界 ，整個世界的復雜度，遠遠不是一個19乘19的棋盤可以比擬的。無法設計反饋懲罰和獎勵函數，即 reward 函數。除非人們一點點地人工反饋。

哎，open-ai 的 chatGPT 就把這事給干了。

不是需要人工標反饋和獎勵嗎？那就撒錢，找40個外包，標起來！

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

具體操作過程就是下圖的樣子，采用強化學習的方式來對模型進行訓練。已經拋棄了傳統的 LM 方式。

這里重點是第二部中，如何構建一個 reward 函數，具體就是讓那40名外包人員不斷地從模型的輸出結果中篩選，哪些是好的，哪些是低質量的，這樣就可以訓練得到一個 reward 模型。

通過reward 模型來評價模型的輸出結果好壞。

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

只要把預訓練模型接一根管子在 reward 模型上，預訓練模型就會開始像感知真實世界那樣，感知reward。

由此，我們就可以得到這個把全世界都震碎的高音！（誤，模型）

六、影響

NLP 領域的影響

個人認為，NLP 領域的一些里程碑性的技術重要性排序如下：

chatGPT > word2vec > Bert （純個人看法）

chatGPT 的關注度已經很大程度讓人們感覺到，什么天貓精靈、小愛同學等等人工智障的時代似乎過去了。只要模型足夠大，數據足夠豐富，reward 模型經過了更多的人迭代和優化，完全可以創造一個無限逼近真實世界的超級 openai 大腦。

當然，chat GPT 依然是存在回答不好的情況的，比如會重復一些詞句，無法分清楚事實等等。

而且，chatGPT 目前看，它是沒有在推理階段連接外部信息的。

模型知道自己的回答邊界，知道自己只是一個沒有情感的回答工具。那么，試想 openai 把外部信息也導入到 chatGPT 里。

另一些影響

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

據說，debug 程序員網站 stackoverflow，已經下場封殺 chatGPT 了。

當然，完全不僅僅是程序界。據說 GPT-4 正在做圖文理解，那么，對于教師、醫生、咨詢師、等等等等，各行各業，是不是都是一個巨大的沖擊？所謂專業領域的知識門檻，也將被模型一步踏平。 到時候，可能人類真的要靠邊站了，除了某些高精尖的行業精英 。

有人講 google 將被替代，我認為也就還好吧，依照google那財大氣粗的樣子，沒準 google 此時此刻，NLP+強化學習也已經在路上了。