文章主题：自然语言处理, GPT模型, ChatGPT, 预训练语言模型
（本文是ChatGPT原理介绍，但没有任何数学公式，可以放心食用）
插个广，我已与掘金合作，编写了一套
免费课程，欢迎阅读。
下面开始正文
前言
近期，ChatGPT模型以其卓越的表现，成为了人工智能领域里的一股强劲势力，甚至登上了知乎的热搜榜单，这在科技类别中实属罕见。它的影响力不仅吸引了从事人工智能和机器学习的专业人士关注，更让各行各业的从业者纷纷聚焦于这个模型，形成了空前的关注热潮，可见其吸引力之强大。
为了更深入地理解大规模预训练语言模型的强大之处，我迅速找到了OpenAI之前的GPT-n系列论文并进行了细致的学习。
在众多深度学习领域的工作者中，也许许多人会有这样的感触：我们对LLM的认识，仍旧停留在预训练、fine-tuning以及处理下游任务的过程中，这些过程中仍然离不开大量的标注数据和人工干预。然而，令人惊讶的是，为何ChatGPT能够突然之间展现出如此强大的智能呢？这让人不禁感叹人工智能技术的进步速度之快，仿佛在一夜之间，它就变得如此智能。
接下来，我简要梳理一下 OpenAI 的 GPT 大模型的发展历程。
一、还得从 Bert 说起
在 2018 年，自然语言处理（NLP）领域迎来了 LLM 时代，其中谷歌推出的 BERT 模型成为了一股强大的清流，它的表现远超出了过去的所有模型，甚至在各种 NLP 建模任务中都取得了第一名的成绩。
Bert做了什么，主要用以下例子做解释。
请各位做一个完形填空： ___________和阿里、腾讯一起并成为中国互联网 BAT 三巨头。在这个问题上，有些人可能会选择填写“百度”，而另一些人则可能认为“字节”也是一个不错的选择。然而，考虑到这些选项的限制，似乎很难有其他合适的字来填充这个空格。
不论填什么，这里都表明，空格处填什么字，是受到上下文决定和影响的。
Bert的工作原理是从海量的文本数据中随机截取一部分，然后在这些片段中留出一些空格，构建成类似于上述例子的完形填空题目。通过这种方式，它不断学习和理解这些空格应该填写什么样的词，从而完成对语言模型的训练和学习。在这个过程中，语言模型从海量的数据中学习到了各种复杂的上下文关联，进一步提升了自己的语言理解和生成能力。
二、GPT 初代
与此同时，OpenAI 早于 Bert 出品了一个初代 GPT 模型。
它们大致思想是一样的。都基于 Transformer 这种编码器，获取了文本内部的相互联系。
编解码的概念广泛应用于各个领域，在 NLP 领域，人们使用语言一般包括三个步骤：
接受听到或读到的语言 -> 大脑理解 -> 输出要说的语言。语言是一个显式存在的东西，但大脑是如何将语言进行理解、转化、存储的，则是一个目前仍未探明的东西。因此，大脑理解语言这个过程，就是大脑将语言编码成一种可理解、可存储形式的过程，这个过程就叫做语言的编码。
相应的，把大脑中想要表达的内容，使用语言表达出来，就叫做语言的解码。
在语言模型中，编码器和解码器都是由一个个的 Transformer 组件拼接在一起形成的。
这里不展开讲 Transformer 里的内部结构，仅仅讲一下 Bert 和 GPT 的区别。
两者最主要的区别在于，Bert 仅仅使用了 encoder 也就是编码器部分进行模型训练，GPT 仅仅使用了 decoder 部分。两者各自走上了各自的道路，根据我粗浅的理解，GPT 的decoder 模型更加适应于文本生成领域。
GPT 初代其实个人认为（当然普遍也都这么认为）略逊色于 Bert，再加上宣传地不够好，影响力也就小于 Bert。
我相信很多的 NLP 从业者对 LLM 的理解也大都停留在此。即，本质上讲，LLM 是一个非常复杂的编码器，将文本表示成一个向量表示，这个向量表示有助于解决 NLP 的任务。三、GPT-2
自从 Bert 炸街后，跟风效仿的改进模型也就越来越多了，比如 albert、roberta、ERNIE，BART、XLNET、T5 等等五花八门。
最初的时候，预训练任务仅仅是一个完形填空任务就可以让语言模型有了极大进步，那么，很多人就想，给 LLM 模型出其它的语言题型，应该也会对模型训练有极大的帮助。
想要出语言题型不是很简单么，什么句子打乱顺序再排序、选择题、判断题、改错题、把预测单字改成预测实体词汇等等，纷纷都可以制定数据集添加在模型的预训练里。很多模型也都是这么干的。
既然出题也可以，把各种NLP任务的数据集添加到预训练阶段当然也可以。那就把机器翻译、文本摘要、领域问答统统往预训练里加。
这个过程也和人脑很像，人脑是非常稳定和泛化的，既可以读诗歌，也可以学数学，还可以学外语，看新闻，听音乐等等，简而言之，就是一脑多用。
我们一般的 NLP 任务，文本分类模型就只能分类，分词模型就只能分词，机器翻译也就只能完成翻译这一件事，非常不灵活。
GPT-2 主要就是在 GPT 的基础上，又添加了多个任务，扩增了数据集和模型参数，又训练了一番。效果如下：
既然多个任务都在同一个模型上进行学习，还存在一个问题，这一个模型能承载的并不仅仅是任务本身，“汪小菲的妈是张兰”，这条文字包含的信息量是通用的，它既可以用于翻译，也可以用于分类，判断错误等等。也就是说，信息是脱离具体 NLP 任务存在的，举一反三，能够利用这条信息，在每一个 NLP 任务上都表现好，这个是 元学习（meta-learning）。本质上就是语言模型的一脑多用。
四、GPT-3
大模型中的大模型
首先， GPT-3 的模型所采用的数据量之大，高达上万亿，模型参数量也十分巨大，上千亿，学习之复杂，计算之繁复，不说了，看图吧。
GPT-3 里的大模型计算量是 Bert-base 的上千倍。统统这些都是在燃烧的金钱，真就是 all you need is money。如此巨大的模型造就了 GPT-3 在许多十分困难的 NLP 任务，诸如撰写人类难以判别的文章，甚至编写SQL查询语句，React或者JavaScript代码上优异的表现。
之前提到过，GPT-n 系列模型都是采用 decoder 进行训练的，它更加适合文本生成的形式。也就是，模型完全黑盒，输入是一句话，输出也是一句话。这就是对话模式。
对话
我们是如何学会中文的？从0岁开始，听、说，也就是对话。
我们是如何学外语的？看教材，听广播，背单词。唯独缺少了对话！正是因为缺少了对话这个高效的语言学习方式，所以我们的英语水平才如此难以提高。
对于语言模型，同理。对话是涵盖一切 NLP 任务的终极任务。从此 NLP不再需要模型建模这个过程。比如，传统 NLP 里还有序列标注这个任务，需要用到 CRF 这种解码过程。在对话的世界里，这些统统都是冗余的。
其实 CRF 这项技术还是蛮经典的，在深度学习这块，CRF这也才过去没几年。人工智能发展之快，sigh……
in-context learning
以往的预训练都是两段式的，即，首先用大规模的数据集对模型进行预训练，然后再利用下游任务的标注数据集进行 finetune，时至今日这也是绝大多数 NLP 模型任务的基本工作流程。
GPT-3 就开始颠覆这种认知了。它提出了一种 in-context 学习方式。这个词没法翻译成中文，下面举一个例子进行解释。
用户输入到 GPT-3：你觉得 JioNLP 是个好用的工具吗？
GPT-3输出1：我觉得很好啊。
GPT-3输出2：JioNLP是什么东西？
GPT-3输出3：你饿不饿，我给你做碗面吃……
GPT-3输出4：Do you think jionlp is a good tool?
按理来讲，针对机器翻译任务，我们当然希望模型输出最后一句，针对对话任务，我们希望模型输出前两句中的任何一句。另外，显然做碗面这个输出的句子显得前言不搭后语，是个低质量的对话回复。
这时就有了 in-context 学习，也就是，我们对模型进行引导，教会它应当输出什么内容。如果我们希望它输出翻译内容，那么，应该给模型如下输入：
用户输入到 GPT-3：请把以下中文翻译成英文：你觉得 JioNLP 是个好用的工具吗？
如果想让模型回答问题：
用户输入到 GPT-3：模型模型你说说，你觉得 JioNLP 是个好用的工具吗？
OK，这样模型就可以根据用户提示的情境，进行针对性的回答了。
这里，只是告知了模型如何做，最好能够给模型做个示范，这也蛮符合人们的日常做事习惯，老师布置了一篇作文，我们的第一反应是，先参考一篇范文找找感觉。
把上面的例子添加示范，就得到了如下的输入：
用户输入到 GPT-3：请把以下中文翻译成英文：苹果 => apple; 你觉得 JioNLP 是个好用的工具吗？=>
其中 苹果翻译成 apple，是一个示范样例，用于让模型感知该输出什么。只给提示叫做 zero-shot，给一个范例叫做 one-shot，给多个范例叫做 few-shot。
范例给几个就行了，不能再给多了！一个是，咱们没那么多标注数据，另一个是，给多了不就又成了 finetune 模式了么？
在 GPT-3 的预训练阶段，也是按照这样多个任务同时学习的。比如“做数学加法，改错，翻译”同时进行。这其实就类似前段时间比较火的 prompt。
这种引导学习的方式，在超大模型上展示了惊人的效果：只需要给出一个或者几个示范样例，模型就能照猫画虎地给出正确答案。注意啊，是超大模型才可以，一般几亿、十几亿参数的大模型是不行的。（我们这里没有小模型，只有大模型、超大模型、巨大模型）
这个结果曲线图展示了用175 billion 的参数得到了优质的效果。它彷佛在嘲讽我：哎，你没钱，你就看不着这种优质的效果，你气不气？
五、ChatGPT
终于说到了主角，能看到这里的，可以关注一下 JioNLP 公众号吗？我写的也够累的。
ChatGPT 模型上基本上和之前 GPT-3 都没有太大变化，主要变化的是训练策略变了，用上了强化学习。
强化学习
几年前，alpha GO 击败了柯洁，几乎可以说明，强化学习如果在适合的条件下，完全可以打败人类，逼近完美的极限。
强化学习非常像生物进化，模型在给定的环境中，不断地根据环境的惩罚和奖励（reward），拟合到一个最适应环境的状态。
NLP + 强化学习
强化学习之所以能比较容易地应用在围棋以及其它各种棋牌游戏里，原因就是对于 alpha Go 而言，环境就是围棋，围棋棋盘就是它的整个世界。模型就是不断根据棋盘的状态以及输赢状况调整策略，战胜了柯洁。
而几年前知乎上就有提问，NLP + 强化学习，可以做吗？怎么做呢？
底下回答一片唱衰，原因就是，NLP 所依赖的环境，是整个现实世界，整个宇宙万物，都可以被语言描述，也就都需要针对模型输出的质量进行 reward 评价，它完全无法设计反馈惩罚和奖励函数。除非人们一点点地人工反馈。
哎，OpenAI 的 ChatGPT 就把这事给干了。
不是需要人工标反馈和奖励吗？那就撒钱，找40个外包，标起来！
这种带人工操作的 reward，被称之为 RLHF（Reinforcement Learning from Human Feedback）。
具体操作过程就是下图的样子，采用强化学习的方式来对模型进行训练。已经抛弃了传统的 LM 方式。
这里重点是第二步中，如何构建一个 reward 函数，在alpha go 里，这个reward 函数就是下完一盘围棋之后判断谁输谁赢，只需要一个程序函数即可完成。
而在ChatGPT里，具体就是让那40名外包人员不断地从模型的输出结果中筛选，判断哪些句子是好的，哪些是低质量的，这样就可以训练得到一个 reward 模型。
通过 reward 模型来评价模型的输出结果好坏。
讲真，这个 reward 模型，《黑客帝国》的母体 matrix 既视感有木有？？！！
只要把预训练模型接一根管子在 reward 模型上，预训练模型就会开始像感知真实世界那样，感知reward。
reward母体模型
这个名字是我自己起的，因为这里的reward模型实在是完美契合了《黑客帝国》中所构建的世界。本文的封面也是《黑客帝国》。
与其说 ChatGPT 在拟合现实世界，不如说它是在对 reward 母体负责。而reward 母体也是由人工一点点标注完成的。母体并不直接拟合真实世界，它只对模型是否契合真实世界做真假判断。母体对真实世界的拟合，决定了我们看到的 ChatGPT 有多优质。
我们不再需要直接拟合所谓机器翻译的文本对，也不再去需要拟合判断新闻分类的数据对，而只需要去拟合那个reward母体。
由此，我们就可以得到这个把全世界都震碎的高音！（误，模型）
ChatGPT 功能一览
ChatGPT 原理介绍完了，再来看看它能干啥工作？
能回答知乎上的问题
六、影响
NLP 领域的影响
个人认为，NLP 领域的一些里程碑性的技术重要性排序如下：
ChatGPT > word2vec > Bert （纯个人看法）
ChatGPT 的关注度已经很大程度让人们感觉到，什么天猫精灵、小爱同学等等人工智障的时代似乎过去了。只要模型足够大，数据足够丰富，reward 模型经过了更多的人迭代和优化，完全可以创造一个无限逼近真实世界的超级 OpenAI 大脑。
当然，ChatGPT 依然是存在回答不好的情况的，比如会重复一些词句，无法分清楚事实等等。
而且，ChatGPT 目前看，它是没有在推理阶段连接外部信息的。
模型知道自己的回答边界，知道自己只是一个没有情感的回答工具。那么，试想 OpenAI 把外部信息也导入到 ChatGPT 里，那是怎样的一副图景。
另一些影响
我看到 ChatGPT 居然可以写代码，还能帮我改代码，debug，作为程序员，我不禁深深陷入了沉思。
据说，全球最大的 debug 程序员网站 stackoverflow，已经撕破脸，下场封杀 ChatGPT 了。
当然，完全不仅仅是程序界。据说 GPT-4 正在做图文理解，那么，对于教师、医生、咨询师、等等等等，各行各业，是不是都是一个巨大的冲击？所谓专业领域的知识门槛，也将被模型一步踏平。仅仅留下那些具有高等知识水平的专家才有真正的价值。
有人讲 google 将被替代，我认为也就还好吧，没准，财大气粗的 google 此时此刻，他们的NLP+强化学习也已经在筹备的路上了。
如果觉得写得好，就关注一下我的公众号 JioNLP，欢迎关注。
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
