迄今最大模型？OpenAI發(fā)布參數(shù)量高達(dá)15億的通用語(yǔ)言模型GPT-2

幾個(gè)月前谷歌推出的語(yǔ)言模型BERT引發(fā)了業(yè)內(nèi)的廣泛關(guān)注，其 3 億參數(shù)量刷新 11 項(xiàng)紀(jì)錄的成績(jī)讓人不禁贊嘆。昨天，OpenAI 推出了一種更為強(qiáng)大的算法，這一次模型達(dá)到了 15 億參數(shù)。

代碼地址：https://github.com/openai/gpt-2

這種機(jī)器學(xué)習(xí)算法不僅在很多任務(wù)上達(dá)到了業(yè)內(nèi)最佳水平，還可以根據(jù)一小段話自動(dòng)「腦補(bǔ)」出大段連貫的文本，如有需要，人們可以通過一些調(diào)整讓計(jì)算機(jī)模擬不同的寫作風(fēng)格?？雌饋?lái)可以用來(lái)自動(dòng)生成「假新聞」。對(duì)此，OpenAI 甚至表示：「出于對(duì)模型可能遭惡意應(yīng)用的擔(dān)憂，我們本次并沒有發(fā)布所有預(yù)訓(xùn)練權(quán)重?！?/p>

如此強(qiáng)大的模型卻不公開所有代碼？Kyunghyun Cho 并不滿意：「要是這樣，為了人類我不得不刪除迄今為止自己公開的所有模型權(quán)重了。」Yann LeCun 表示贊同。

OpenAI 訓(xùn)練了一個(gè)大型無(wú)監(jiān)督語(yǔ)言模型，能夠生產(chǎn)連貫的文本段落，在許多語(yǔ)言建?；鶞?zhǔn)上取得了 SOTA 表現(xiàn)。而且該模型在沒有任務(wù)特定訓(xùn)練的情況下，能夠做到初步的閱讀理解、機(jī)器翻譯、問答和自動(dòng)摘要。

該模型名為 GPT-2（GPT二代）。訓(xùn)練 GPT-2 是為了預(yù)測(cè) 40GB 互聯(lián)網(wǎng)文本中的下一個(gè)單詞。考慮到可能存在的對(duì)該技術(shù)的惡意使用，OpenAI 沒有發(fā)布訓(xùn)練模型，而是發(fā)布了一個(gè)較小模型供研究、實(shí)驗(yàn)使用，同時(shí) OpenAI 也公布了相關(guān)技術(shù)論文（見文后）。

GPT-2 是基于 transformer 的大型語(yǔ)言模型，包含 15 億參數(shù)、在一個(gè) 800 萬(wàn)網(wǎng)頁(yè)數(shù)據(jù)集上訓(xùn)練而成。訓(xùn)練 GPT-2 有一個(gè)簡(jiǎn)單的目標(biāo)：給定一個(gè)文本中前面的所有單詞，預(yù)測(cè)下一個(gè)單詞。數(shù)據(jù)集的多樣性使得這一簡(jiǎn)單目標(biāo)包含不同領(lǐng)域不同任務(wù)的自然事件演示。GPT-2 是對(duì) GPT 模型的直接擴(kuò)展，在超出 10 倍的數(shù)據(jù)量上進(jìn)行訓(xùn)練，參數(shù)量也多出了 10 倍。

15 億的參數(shù)量已經(jīng)是非常非常多了，例如我們認(rèn)為龐大的 BERT 也就 3.3 億的參數(shù)量，我們認(rèn)為視覺中參數(shù)量巨大的 VGG-19 也不過 1.44 億參數(shù)量（VGG-16 為 1.38 億），而 1001 層的 ResNet 不過 0.102 億的參數(shù)量。所以根據(jù)小編的有偏估計(jì)，除了 bug 級(jí)的大規(guī)模集成模型以外，說不定 GPT-2 就是當(dāng)前最大的模型～

GPT-2 展示了一系列普適而強(qiáng)大的能力，包括生成當(dāng)前最佳質(zhì)量的條件合成文本，其中我們可以將輸入饋送到模型并生成非常長(zhǎng)的連貫文本。此外，GPT-2 優(yōu)于在特定領(lǐng)域（如維基百科、新聞或書籍）上訓(xùn)練的其它語(yǔ)言模型，而且還不需要使用這些特定領(lǐng)域的訓(xùn)練數(shù)據(jù)。在知識(shí)問答、閱讀理解、自動(dòng)摘要和翻譯等任務(wù)上，GPT-2 可以從原始文本開始學(xué)習(xí)，無(wú)需特定任務(wù)的訓(xùn)練數(shù)據(jù)。雖然目前這些下游任務(wù)還遠(yuǎn)不能達(dá)到當(dāng)前最優(yōu)水平，但 GPT-2 表明如果有足夠的（未標(biāo)注）數(shù)據(jù)和計(jì)算力，各種下游任務(wù)都可以從無(wú)監(jiān)督技術(shù)中獲益。

Zero-shot

GPT-2 在多個(gè)領(lǐng)域特定的語(yǔ)言建模任務(wù)上實(shí)現(xiàn)了當(dāng)前最佳性能。該模型沒有在這些任務(wù)的特定數(shù)據(jù)上進(jìn)行訓(xùn)練，只是最終測(cè)試時(shí)在這些數(shù)據(jù)上進(jìn)行了評(píng)估。這被稱為「zero-shot」設(shè)置。在這些數(shù)據(jù)集上進(jìn)行評(píng)估時(shí)，GPT-2 的表現(xiàn)要優(yōu)于那些在領(lǐng)域特定數(shù)據(jù)集（如維基百科、新聞、書籍）上訓(xùn)練的模型。下圖展示了在 zero-shot 設(shè)定下 GPT-2 的所有當(dāng)前最佳結(jié)果。

（+）表示該領(lǐng)域得分越高越好，（-）表示得分越低越好。

GPT-2 在 Winograd Schema、LAMBADA 和其他語(yǔ)言建模任務(wù)中達(dá)到了當(dāng)前最佳性能。

在問答、閱讀理解、自動(dòng)摘要、翻譯等其他語(yǔ)言任務(wù)中，無(wú)需對(duì) GPT-2 模型做任何微調(diào)，只需以正確的方式增強(qiáng)模型，就能取得令人驚艷的結(jié)果，雖然其結(jié)果仍遜于專門系統(tǒng)。

OpenAI 假設(shè)，既然這些任務(wù)是通用語(yǔ)言建模的子集，那么增加計(jì)算量和數(shù)據(jù)就能獲得進(jìn)一步的性能提升?！禠earning and Evaluating General Linguistic Intelligence》等其他研究也有類似假設(shè)。OpenAI 還預(yù)期微調(diào)能夠?qū)ο掠稳蝿?wù)的性能提升有所幫助，盡管還沒有全面的實(shí)驗(yàn)?zāi)茏C明這一點(diǎn)。

策略建議

大型通用語(yǔ)言模型可能產(chǎn)生巨大的社會(huì)影響以及一些近期應(yīng)用。OpenAI 預(yù)期 GPT-2 這樣的系統(tǒng)可用于創(chuàng)建：

AI 寫作助手

更強(qiáng)大的對(duì)話機(jī)器人

無(wú)監(jiān)督語(yǔ)言翻譯

更好的語(yǔ)音識(shí)別系統(tǒng)

此外，OpenAI 還設(shè)想了此類模型有可能用于惡意目的，比如：

生成誤導(dǎo)性新聞

網(wǎng)上假扮他人

自動(dòng)生產(chǎn)惡意或偽造內(nèi)容，并發(fā)表在社交媒體上

自動(dòng)生產(chǎn)垃圾／釣魚郵件

這些研究成果與合成圖像和音視頻方面的早期研究結(jié)果表明，技術(shù)正在降低生產(chǎn)偽造內(nèi)容、進(jìn)行虛假信息活動(dòng)的成本。公眾將需要對(duì)在線文本內(nèi)容具備更強(qiáng)的批判性，就像「deep fakes」導(dǎo)致人們對(duì)圖像持懷疑態(tài)度一樣。

今天，惡意活動(dòng)參與者（其中一些是政治性的）已經(jīng)開始瞄準(zhǔn)共享網(wǎng)絡(luò)社區(qū)，他們使用「機(jī)器人工具、偽造賬號(hào)和專門團(tuán)隊(duì)等，對(duì)個(gè)人施加惡意評(píng)論或誹謗，致使大眾不敢發(fā)言，或很難被別人傾聽或信任」。OpenAI 認(rèn)為，我們應(yīng)該意識(shí)到，合成圖像、視頻、音頻和文本生成等方面研究的結(jié)合有可能進(jìn)一步解鎖這些惡意參與者的能力，使之達(dá)到前所未有的高度，因此研究者應(yīng)當(dāng)尋求創(chuàng)建更好的技術(shù)和非技術(shù)應(yīng)對(duì)措施。此外，這些系統(tǒng)的底層技術(shù)創(chuàng)新是基礎(chǔ)人工智能研究的核心，因此控制這些領(lǐng)域的研究必將拖慢 AI 領(lǐng)域的整體發(fā)展。

因此，OpenAI 對(duì)這一新研究成果的發(fā)布策略是：「僅發(fā)布 GPT-2 的較小版本和示例代碼，不發(fā)布數(shù)據(jù)集、訓(xùn)練代碼和 GPT-2 模型權(quán)重」。

論文：Large Language Models are Unsupervised Multitask Learners

論文地址：https://d4mucfpksywv.cloudfront.net/better-language-models/language_models_are_unsupervised_multitask_learners.pdf

摘要：?jiǎn)柎?、機(jī)器翻譯、閱讀理解、自動(dòng)摘要這樣的自然語(yǔ)言處理任務(wù)的典型方法是在任務(wù)特定數(shù)據(jù)集上進(jìn)行監(jiān)督式學(xué)習(xí)。我們證明，在包含數(shù)百萬(wàn)網(wǎng)頁(yè)的全新數(shù)據(jù)集 WebText 上訓(xùn)練時(shí)，語(yǔ)言模型開始在沒有任何明確監(jiān)督的情況下學(xué)習(xí)這些任務(wù)。計(jì)算條件概率并生成條件樣本是語(yǔ)言模型在大量任務(wù)上取得良好結(jié)果（且無(wú)需精調(diào)）所必需的能力。當(dāng)以文檔+問題為條件時(shí)，在沒有使用 127000 多個(gè)訓(xùn)練樣本中任何一個(gè)樣本的情況下，語(yǔ)言模型生成的答案在 CoQA 數(shù)據(jù)集上達(dá)到 55F1，媲美于或者超越了 4 個(gè)基線系統(tǒng)中的 3 個(gè)。語(yǔ)言模型的容量對(duì) zero-shot 任務(wù)的成功遷移非常重要，且增加模型的容量能夠以對(duì)數(shù)線性的方式在多任務(wù)中改進(jìn)模型性能。我們最大的模型 GPT-2 是一個(gè)包含 15 億參數(shù)的 Transformer，在 zero-shot 設(shè)定下，該模型在 8 個(gè)測(cè)試語(yǔ)言建模數(shù)據(jù)集中的 7 個(gè)數(shù)據(jù)集上取得了 SOTA 結(jié)果，但仍舊欠擬合 WebText 數(shù)據(jù)集。來(lái)自該模型的樣本反映了這些改進(jìn)且包含連貫的文本段落。這些發(fā)現(xiàn)展示了一種構(gòu)建語(yǔ)言處理系統(tǒng)的潛在方式，即根據(jù)自然發(fā)生的演示學(xué)習(xí)執(zhí)行任務(wù)。