ADVERTISEMENT
古希臘神話中，一位名叫荷米斯的神，會充當人神之間的信使，穿著帶有雙翼的飛鞋，行走在神明與人類之間。
根據《荷馬史詩》的記載：「在天神中，荷米斯是最喜歡引導凡人前行的。」這句話用來形容OpenAI與AI的關係，雖不中亦不遠矣。
上一周，OpenAI打造的ChatGPT出盡風頭，成為AI領域的頭號熱門話題。關於ChatGPT的對話能力，大家可能已經透過很多文章感受過了。簡單總結，就是對答如流，無所不能，可替程式設計師寫程式，可替商務人士出方案，還能替作家編故事。一度讓久違的 「Google已死」「XX職業又要被AI取代了」之類的AI威脅論說辭，開始大量出現了。
關於ChatGPT的神奇之處，看多了也有點審美疲勞了，冷靜下來思考一下：
為什麼同樣是AIGC，問答、對話這類NLP領域應用更容易引起轟動，激發人們對通用人工智慧的希望？
為什麼同樣是預訓練模型，相比BERT、GPT3等前輩，ChatGPT的對話能力產生了質的飛躍？
為什麼同樣是做AI，OpenAI要和NLP耗到底，從GPT1到 ChatGPT不斷迭代？
OpenAI的CEO、聯合創始人 Sam Altman曾說過一句話：「Trust the exponential，Flat looking backwards，vertical looking forwards.」，這句話的意思是有些增長可能一開始看起來不太顯著，但隨著時間的推移，它變得越來越明顯。意味著，要重視指數增長的長期影響，而不要僅僅關注目前正在發生的事情。ChatGPT的出現代表著，AI似乎已經站到了指數級飛躍的關鍵點上。但起飛的ChatGPT，並不是一蹴而就的。
從GPT到ChatGPT，恰好代表了OpenAI在大模型領域確實走過的歷程，從這當中可以看到，OpenAI在AI大模型競爭中，已經探索出了一條屬於自己的道路，就如同荷米斯一樣，成為引領AI技術前進的使者。
如果OpenAI是傳遞AI前線進展的荷米斯，ChatGPT就是那雙帶著雙翼的金絲鞋。我們既要關注ChatGPT這雙鞋究竟有多神奇，更有必要搞懂，OpenAI選擇的這條大模型道路有何玄機。
從GPT-1到ChatGPT，超神模型的演化足跡
OpenAI在部落格中寫道，ChatGPT 是從 GPT3.5 系列中的模型進行微調而誕生的。
正如名稱中所暗示的那樣，GPT- 3.5是OpenAI設計的一系列NLP模型中的第四個，此前還出現了GPT - 1、GPT - 2 和 GPT - 3。在 GPT 出現之前，NLP 模型主要是基於針對特定任務的大量標注資料進行訓練。這會導致一些限制：
- 大規模高品質的標注資料不易獲得；
- 模型僅限於所接受的訓練，泛化能力不足；
- 無法執行開箱即用的任務，限制了模型的落地應用。
為了克服這些問題，OpenAI走上了預訓練大模型的道路。從GPT1到ChatGPT，就是一個預訓練模型越來越大、效果越來越強的過程。當然，OpenAI的實現方式並不只是「大力出奇跡」那麼簡單。
第一代：從有監督到無監督GPT-1。2018年，OpenAI推出了第一代生成式預訓練模型GPT-1，此前，NLP任務需要透過大規模資料集來進行有監督的學習，需要成本高昂的資料標注工作，GPT-1的關鍵特徵是：半監督學習。先用無監督學習的預訓練，在 8 個 GPU 上花費 了1 個月的時間，從大量未標注資料中增強AI系統的語言能力，獲得大量知識，然後進行有監督的微調，與大型資料集整合來提高系統在NLP任務中的性能。
GPT-1的效果明顯，只需要極少的微調，就可以增強NLP模型的能力，減少對資源和資料的需求。同時，GPT-1也存在明顯的問題，一是資料侷限性，GPT-1 是在網際網路上的書籍和文本上訓練的，對世界的認識不夠完整和準確；二是泛化性依然不足，在一些任務上性能表現就會下降。
第二代：更大更高更強的GPT-2。2019年推出的GPT-2，與GPT-1並沒有本質上的不同（注意這一點），架構相同，使用了更大的資料集WebText，大約有40 GB的文本資料、800萬個檔案，並為模型加入了更多參數（達到驚人的 15 億個參數），來提高模型的準確性，可以說是加強版或臃腫版的GPT-1。
GPT-2的出現，進一步證明了無監督學習的價值，以及預訓練模型在下游NLP任務中的廣泛成功，已經開始達到圖靈測試的要求，有研究表示，GPT-2產生的文本幾乎與《紐約時報》的真實文章（83%）一樣令人信服。
第三代：跨越式進步的GPT-3。2020年，GPT-3的這次迭代，出現了重大的飛躍，成為與GPT-2迥然不同的物種。
首先，GPT-3的體量空前龐大，擁有超過 1750 億個參數，是GPT-2的 117 倍；其次，GPT-3不需要微調，它可以辨識到資料中隱藏的含義，並運用此前訓練獲得的知識，來執行下游任務。這意味著，哪怕從來沒有接觸過的範例，GPT-3就能理解並提供不錯的表現。因此，GPT-3也在商業應用上表現出了極高的穩定性和實用性，透過雲端上的 API存取來實現商業化。這讓GPT-3成為2020年AI領域最驚豔的模型之一。
當然，GPT-3也並不完美。正如聯合創始人 Sam Altman所說，GPT-3的水準仍處於早期階段，有時候也會犯非常愚蠢的錯誤，我們距離真正的人工智慧世界還有很長的距離。另外，GPT-3 API 的很多基礎模型非常龐大，需要大量的專業知識和性能優異的機器，這使得中小企業或個人開發者使用起來比較困難。
第四代：基於理解而生成的ChatGPT。終於在2022年，OpenAI的預訓練語言模型之路，又出現了顛覆式的迭代，產生了技術路線上的又一次方向性變化：基於人工標注資料+強化學習的推理產生。
前面提到，一開始預訓練模型的出現，是為了減少監督學習對高品質標注資料的依賴。而ChatGPT在GPT -3.5大規模語言模型的基礎上，又開始依託大量人工標注資料（據說OpenAI找了40個博士來標資料），這怎麼又走回監督學習的「老路」了呢？
原因是，GPT 3.5雖然很強，但無法理解人類指令的含義（比如寫一段文章、改一段程式碼），無法判斷輸入，自然也就很難給出高品質的輸出答案。所以OpenAI透過專業的標注人員（據說是40個博士）來寫詞條，給出相應指令/問題的高品質答案，在基於這些資料來調整GPT -3.5的參數，進而讓GPT -3.5具備了理解人類指令的能力。
在人工標注訓練資料的基礎上，再使用強化學習來增強預訓練模型的能力。強化學習，簡單理解就是做對了獎勵、做錯了懲罰，不斷根據系統的打分來更新參數，進而產生越來越高品質的回答。所以這幾天很多人在互動中發現，ChatGPT會承認錯誤、會修改自己的答覆，這正是因為它具備從人類的回饋中強化學習並重新思考的能力。
因為ChatGPT具備了理解能力，所以才被看作是通向通用人工智慧AGI的路徑。
當然，ChatGPT也並不是完美進化體。OpenAI的官網明確提示，ChatGPT「可能偶爾會產生不正確的資訊」，並且「對2021年之後的世界和事件的瞭解有限」。一些比較難的知識，比如「紅樓夢講了什麼」，ChatGPT會一本正經地胡說八道。
從GPT模型的演進和迭代中，可以看到OpenAI是不斷朝著自然語言理解這一目標前進，用更大的模型、更先進的架構，最終為通用人工智慧找到了一條路徑。
從GPT-1到ChatGPT的縱向演變，會看到OpenAI對大模型的獨特理解與技術脈絡——通過模型預訓練提升NLP指標，抵達強人工智慧。NLP領域究竟特殊在哪裡，值得OpenAI如此執著？
OpenAI的大模型差異化之路
前文中不難看出，OpenAI對於文本生成模型的執著，因為做夠得久、投入夠多，所以能夠做得更好，是非常有長期戰略定力的。
與之相比，和GPT-1同年推出的預訓練模型，還有Google發佈的BERT，但後者在火爆一段時間之後影響力明顯減弱；而NLP問答領域一向由Meta引領，Meta AI 的 OPT 模型和GPT-3 達到了同等的參數量，但效果就不如OpenAI。同期選手中，OpenAI對於語言模型的用心顯然是更多的。
一方面是資源投入，無論是越來越大的模型，需要消耗龐大的算力資源，ChatGPT所需要的高品質標注資料，依靠博士等級的專業人士來完成，比起將資料標注任務分發給眾包平臺，顯然會消耗更多的人力和財力。
另一方面，是技術投入，大規模預訓練、增強學習等技術都用在提升NLP對話系統在開放通用領域上的理解和推理能力。NLP是認知智慧，要提升就必須解決知識依賴，而知識又是非常離散且難以表示的，要解決帶標資料不足、常識知識不足等問題，是非常具有技術挑戰的。多年前IBM的Frederick Jelinek就說過：「每當我開除一個語言學家，語音辨識系統的性能就會改善一些。」頗有種「解決不了問題，就解決提出問題的人」的既視感。所以也可以說，OpenAI選擇了一條更難走的路，去解決真正困難的問題。
此外，聚焦NLP領域也意味著OpenAI會承擔隱形的機會成本。
今年AIGC（AI創作內容）在資本市場和應用市場都有很大的進展，與AI繪畫、影音資料產生、AlphaFold2所解決的蛋白質結構預測等生成任務相比，NLP任務都是直接用詞彙和符號來表達概念，此類模型透過「API+雲端服務」來完成商業化服務，無論是雲端資源的消耗量還是介面調用服務收費，所獲得的收益也是遠不及圖像影音或科學運算的。拿同樣的精力做十個八個Dalle模型，肯定能賺得更多。
OpenAI作為一個旨在「實現安全的通用人工智慧(AGI)」的公司，就是在不計投入、不計商業回報，專心致志地透過過預訓練大模型來提升NLP任務的各項指標，進而接近AGI的願景。
為什麼OpenAI能夠走出這條引領潮流的大模型差異化之路呢？
一方面是NLP的特殊之處。
NLP 不是魔術，但是，其結果有時幾乎就是魔術一般神奇。通用人工智慧必須具備認知智慧，這也是目前制約人工智慧取得更大突破和更廣泛應用的關鍵瓶頸，而NLP正是認知智慧的核心。Geoffrey Hinton、Yann LeCun都曾說過類似的觀點，深度學習的下一個大的進展，應該是讓神經網路真正理解文檔的內容。
也就是說，當AI能理解自然語言了，AGI可能就實現了。
另外，OpenAI的運行模式也起到了關鍵的影響。
突破性創新早期需要大量的投入，大模型的開發需要大量的基礎設施投入，而ChatGPT的對話系統短期內很難靠調用量的規模化來攤平研發成本。因此，OpenAI是一個非營利性研究機構，沒有迫切的商業化壓力，因此可以更專注於NLP領域的基礎研究，這是商業型AI公司所很難實現的。
2011年，自然語言領域的泰斗肯尼斯‧丘奇（Kenneth Church）發表了一篇長文《鐘擺擺得太遠》(A Pendulum Swung Too Far)，其中提到：我們這一代學者趕上了經驗主義的黃金時代，把唾手可得的低枝果實採摘下來，留給下一代的都是「難啃的硬骨頭」。
深度學習是經驗主義的一個新高峰，而這個領域的低枝果實也總有摘完的一天，近年來有大量AI科學家發出警告，深度學習面臨很多局限性，單純用深度學習很難解決一些複雜任務，或許不用太久，基礎性突破就會成為AI產業的重要支撐。
GPT的演進也說明了，AI的突破需要循序漸進、從小到大地一步步實現，今天，每家AI企業和研究機構都在做大模型，相比CV電腦視覺、數位人、元宇宙等AI應用，NLP要顯得暗淡很多。而如果一窩蜂去摘容易的果實，最終會制約AI深入產業的腳步。
ChatGPT的出現提醒我們，唯有啃下基礎領域的硬骨頭，才能真正為AI帶來質變。
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！