来源：

记者 邵文

“当模型的参数规模还不太大的时候，你看不到它的强大，当达到某一个临界值时，这个模型就会非常强大，目前我们认为这个参数规模的临界值可能是650亿。”

“什么数据是最好的数据，我认为纸质的媒体、书、报纸是最好的。大家发现ChatGPT说的话是很漂亮很流畅的语言文字，而如果我们用论坛、微博等平台上的文字训练它，它说的内容可能就不是那么优美了。”

图片来源：由工具生成

“当模型的参数规模还不太大的时候，你看不到它的强大，当达到某一个临界值时，这个模型就会非常强大，目前我们认为这个参数规模的临界值可能是650亿。”近日，复旦大学计算机学院教授、博士生导师黄萱菁在由复旦大学管理学院主办的“复旦科创先锋论坛”上说道。 她认为，在肉眼可见的未来，善用AI的人将和不用AI的人在工作效率上产生巨大差距。

黄萱菁曾入选“人工智能全球女性”、“AI 2000人工智能全球最具影响力提名学者”及“福布斯中国2020科技女性榜”，主要从事人工智能、自然语言处理和信息检索等方向研究，是复旦大学研发MOSS大模型的团队成员。

3月14日，OpenAI发布其具有里程碑意义的多模态大模型GPT-4，同时透露GPT-4已在新必应（New Bing）中应用。GPT-4的强大表现令人惊艳，支撑它的技术逻辑是什么？在复旦科创先锋论坛现场，黄萱菁做了详细的科普。澎湃科技（www.thepaper.cn）根据其现场讲话整理了以下要点。

1.什么是语言模型？

无论学习汉语还是英语等语言，都是从语法开始学起。但是光有语法，我们依然很难捕捉客观世界纷繁复杂的语言现象，因为语言并不会严格按照语法去表达。这个时候，就需要使用到数学“武器”——概率，在各种语言现象中去寻找规律。

举个例子，“The cat sat on the mat”和“The cat sad on the mat”两句话。假设语音识别任务需要根据读音判断是“sat”还是“sad”，那么通过对句子进行概率分析，就能知道什么是正确的识别结果，这个概率模型就被称为语言模型。

概率模型是有窗口的，当窗口越来越大，所需要的计算量开销就越大。由于句子在诸多情景下可能包含巨大的词汇量，导致传统概率语言模型所需的计算资源爆炸式增长。所谓大规模语言模型就是含有巨量参数，能够接受很长一段时间窗口的语言文字。

2.预训练模型有哪两种思路？

2017年开始，出现了一个叫做Transformer的模型，这个模型就是现在预训练模型的基石，也是大规模语言模型的基石。传统的预训练模型有两种思路，第一种思路是以BERT（Bidirectional Encoder Representation from Transformers）为例的理解模型，另一种思路是以ChatGPT所基于的GPT（Generative Pre-trained Transformer）为代表的产生式模型。当然也有一些工作尝试把理解模型和产生式模型结合起来。

曾经在很长一段时间里，理解式的模型被使用得比较多，而产生式模型则需要更高的算力和更长的窗口。一直到有了GPT-3之后，大家才知道它如此强悍，等有了ChatGPT，其还拥有很强的理解人类上下文的能力。

3. ChatGPT的出现带来什么样的范式革新？

我们生活在一个飞速变化的时代，每个星期都有新的模型发布。

预训练+微调的方式是前ChatGPT时代的范式，诸如Google、OpenAI这样的大厂将自身开发的大模型开源，供下游应用者在这些模型上进行参数微调，以取得优异的表现。比如，电影影评有正面和负面的，我们要进行分类，仅仅用GPT和BERT效果不够，需要人工标注一批任务相关的数据，对模型进行微调。过去大概三年的时间，这种预训练+微调的范式就是自然语言处理的主要范式。

预训练+微调范式带来了自然语言处理的新时代，对上游和下游都带来深远影响。上游是厂商制造出越来越强大的模型，模型的参数规模以指数增长；下游则是将预训练的大模型合理应用到各种任务上。

过去两年有一个非常时髦的概念叫小样本学习或少样本学习。刚才我们说，如果要完成某一个任务，可能需要人工标注大量的数据，但在少样本场景之下，只需要一两条数据，大规模语言模型就能够表现出相当不错的性能。

不过，当语言模型变得更大时，一方面厂商出于商业原因逐渐舍弃开源，OpenAI没有开放过GPT-3模型，只开放API（应用程序编程接口），也就是说可以调用，但拿不到内部细节。ChatGPT连论文都没放出，只能靠大家猜测。另一方面用户也缺乏足够的计算资源使用大模型，所以我们非常期待国产芯片，能够让我们拥有更多算力去运行大规模语言模型。

这样的情况之下，我们有了一个新的范式，就是要利用大规模语言模型的涌现能力。

4.涌现能力是什么？

所谓的涌现能力是什么？当模型的参数规模还不太大时，你看不到它的强大，当达到某一个临界值时，这个模型就会非常强大，目前我们认为这个参数规模的临界值可能是650亿。

早期的GPT-3还不太理解用户的需求，但最近不管是ChatGPT还是我们实验室开发的MOSS，都拥有了比较强的写代码能力。我们发现代码是非常好的数据。因为代码有逻辑性，是结构化的，还带有注释和文档，我们可以进行语义方面的对齐（Alignment，保持一致）。至于什么数据是最好的数据，我认为纸质的媒体、书、报纸是最好的。大家发现ChatGPT说的话是很漂亮很流畅的语言文字，而如果我们用论坛、微博等平台上的文字训练它，它说的内容可能就不是那么优美了，这一点很有趣。

5.如何解决大模型开销巨大的问题？

GPT-3发布于2020年，只公开了API，人们只能通过接口使用，并授权了很多公司在上面开发小业务。通过这个过程，其搜集了大量的用户行为，知道哪些需求是用户感兴趣的，哪些任务是用户关心的，基于人类的反馈来训练语言模型，了解人类的价值观。

训练大模型的开销非常大，需要大量的算力，中小公司会感到负担很重，根本无法简单进行这样的语言模型训练。于是我们可以尝试把语言模型做成一个服务，你跟它进行交流，它给你反馈结果。我们还可以通过无梯度优化（在优化过程中不计算目标函数的梯度，只利用目标函数的值去优化目标函数）的方法写出更加高质量的提示或者指令，让它更大程度展现其能力。

在语言模型服务方面，我们从两个方面开展工作，首先要开发模型基座，在过去几年，我们开发了亿级规模、十亿规模到百亿规模的参数，目前跟GPT-3相比，我们大概差一个数量级。此外，我们还研究怎样利用语言模型的能力对它进行调优，让它实现各种各样的任务。

6.这几年，自然语言处理范式发生了怎样的迁移？

自然语言处理有七种范式：分类、匹配、序列标注、机器阅读理解、Seq2Seq（输出的长度不确定时采用的模型）、Seq2ASeq（序列到动作序列）和掩码语言模型范式（训练语言模型来预测被遮盖的词语，以便在进行文本生成或其他任务时更准确地预测语言）。这些也是这几年自然语言处理的范式迁移。

ChatGPT强大的就是其多任务能力，不需要事先教它，它就已经能够处理各种各样的任务。实际上ChatGPT已经通过与人类的交流，比如标注一万多条用户数据，加上人工写了很多高质量答案，再用这些数据训练，由此知道了人类的需求。

现在我们有许许多多的公司，每个公司做一件任务，并把这个任务做到极致，就能够占领一个细分领域。

未来自然语言处理将与现在不同。“七种武器”的时代，我们有各种各样的范式。现在，一个模型就可以打天下。

7.MOSS是如何训练出来的？

统一模型基座，可以用一种武器、一个方法统一所有的任务。我们在2021年的一个工作（早于ChatGPT的出现），没有做几千种任务，而只做了两类。

第一类任务是情感分析，有七个小类。我们提出用生成式的框架，把一个任务转为语言模型能生成的输出形式。这样的话只要少量任务数据就可以训练出一个语言模型。我们这个模型用的基座是BART（BART吸收了BERT和GPT各自的特点），如果我们用了更强悍的基座，可以把需要的样例减到更少。

BERT针对的是自然语言的理解，GPT是自然语言的生成。既然构造大模型的初衷是为了合众归一，那么能不能将它们汇总到一起？我们在2021年提出一个新的语言模型叫CPT，将理解任务和生成任务合并到一起。CPT是一个非对称的Transformer模型结构，该结构由一个Encoder（任务间共用）和两个Decoder（一个面向理解，一个面向生成）组成，既具备理解的能力又具备生成的能力。

我们从去年年底开始训练MOSS，是在CPT的基础之上训练的。我们给它用了更多的算力和数据，训练了两个月，然后出来了目前这样一个版本。

8. 在ChatGPT时代，我们该怎样使用语言模型？

在ChatGPT时代，对于如何使用语言模型，我们有几个思路。

第一个思路叫做Text prompt（文本提示），通过人工设计一些基于文本的指令，激活大模型面向特定下游任务的能力。但是这偏向于特征工程问题，需要工程师依据既往经验不断调试，十分耗费精力。

第二个思路是In-context learning（情景学习），在GPT模型上展示了良好表现。这种手段开辟了一个极具前景的方向，值得学界和工业界继续共同研究。

第三个思路是Data generation（数据生成），不同于直接使用大模型，这种手段是使用大模型生成一定量的数据，再利用生成的数据训练一个小体量的模型，以追求在小样本场景下的应用效果。

第四个思路是Feature-based-learning（特征学习），把预训练模型的输出作为一种Feature，并结合标签，输入给一些特定的模型，使参数由标签空间向特征空间靠拢，这极大地减轻了端侧优化的负担。我们提出标签调优方法，这属于特征学习范畴。

什么是标签调优？我们在做机器学习时一般是先有一个特征空间，比如情感分析褒义词和贬义词，分词的话可以用上姓氏、称谓等特征。以前的做法是在标签空间做微调，但我们发现其实还可以反而求之。我们冻结参数，然后让标签向参数空间调整，将来就可以用统一生成式的框架解决问题，比如在做分类任务时可以直接让它生成类别标签。

第五个思路是Black-box optimization（黑箱优化），让用户根据推理API的返回结果，使用基于搜索的无梯度优化（在优化过程中不计算目标函数的梯度，只利用目标函数的值去优化目标函数）方法自己优化指令。

并不是所有的人、所有的公司、所有的学校都可以训练ChatGPT这样的模型。怎么样能够让ChatGPT等大模型返回更加符合个性化需求的结果？我们想了一个很巧妙的方法，在用户指令上加一段，比如实数的向量表示，然后把它送到大模型ChatGPT，返回一个结果。这样可以计算出来现在这个模型是不是能够满足我们的需求，然后我们可以去调整指示。因为我们增加的一小段向量可以修改，经过修改让它做一些自适应的调整，得到更好的结果。

9.我们如何测试ChatGPT？

对于ChatGPT，我们已经有一些很直觉的认识，比如能写作文，写案件的判决，写发言稿。它的能力范围在哪里？首先是情景学习，给它例子，它会返回跟例子相似的答案。ChatGPT用了很多代码进行训练，如果大家在跟它交流的时候，让它做数学题，而不是直接给例子，直接把这个过程用数学公式写出来，或者用程序代码编出来，它就会做得非常好。

ChatGPT还有一个跟人类反馈对齐的过程，它找了很多专家，对一万多个问题写了很多答案，用这样的任务数据提升模型性能。然后强化学习，用它的模型随机生成若干个答案，让许多人标注，从而学习人类的价值取向，再用这个价值取向修改模型，用新的模型重新再去提升它的性能，最后和人类需求越来越对齐。

ChatGPT曾经参加谷歌的招聘面试，拿到L3级入门工程师的offer。除了写代码之外，我们也让ChatGPT做做中国的高考题，比如2022年高考历史甲卷的第一题，需要分析给定文本“天下太和，百姓无事”最接近的政治理念。ChatGPT分析认为，根据题干信息，这一思想最接近老子“无为而治”的道家思想，这个答案也是正确的。我们在客观题上对ChatGPT进行了测试，ChatGPT的水平基本相当于500分左右的高考生。我们发现ChatGPT更擅长文科，在历史、地理、政治上取得了不错的成绩，而生物、化学、物理等理科学科上表现不佳，尤其在物理上。

我们实验室在3月2日发布了一个针对ChatGPT的测试报告，对ChatGPT的各种各样模型基座进行了几十万次测试。我们发现，在阅读理解任务上，ChatGPT已经比现在最好的方法都强。在关系提取方面，ChatGPT的提取性能还不太好。

我们发现ChatGPT的强大性能都是在现有机器学习框架下可以解释的，并没有很玄的东西。我相信今年国内、国际，还会有很多机构，包括大学和企业在类ChatGPT模型方面有大的突破。

10. 如何跟ChatGPT竞争？

以后我们应该怎么样跟ChatGPT错位竞争？它做得好的事情可能就不再是我们的重点，做得不好的地方还可以进一步改进。

在肉眼可见的未来，善用AI的人将和不用AI的人在工作效率上产生巨大差距，因此我鼓励大家多去使用和熟悉与AI进行沟通。在一段时间内，ChatGPT还不足以完全替代某一个岗位，但将大大促进各个领域的生产效率，我们希望AI是帮助人类的工具，而不是取代人类的机器。

最后以微软CEO萨提亚·纳德拉（Satya Nadella）接受媒体采访时的一个观点作为结尾，内燃机带来了廉价的动力，互联网技术减少了信息传递的成本，而ChatGPT会让信息的整合、转译、流通变得更加廉价。AI可能会像工业革命和信息革命一样，引领我们走向下一个时代。