GPT-3会是第一个通用人工智能吗？

全文共5545字，预计学习时长14分钟

图源：unsplash

如果你在一两年前问我，人类什么时候发明通用人工智能（AGI），那么笔者会说，我们还有很长的路要走。并不是只有笔者才有这样的看法，很多认为通用人工智能已出现数十年之久，但有些专家则说它可能根本不会出现。

 

现在，人们普遍认为AI的所有最新进展都与所谓的“窄人工智能”有关，它是只能执行一项特定任务的系统。而一个可以像人类一样执行任何任务的通用人工智能或“强人工智能”，则是更难攻克的难题。难度在于实现这一目标没有明确的指引，很少有研究人员公开讨论该主题。

 

GPT-3是第一个认真改变这种现状的模型。

 

GPT-3是OpenAI团队的最新语言模型。他们于2020年5月发表了论文。7月，OpenAI通过API向一些Beta测试人员提供了对该模型的访问权限。该模型已用于生成诗歌（下面这个测试）、编写角色扮演冒险游戏或使用几个按钮创建简单的应用程序。

 

如果最近几年你一直在关注机器学习的进展，你就知道所有这些事情其实都可以由其他人工智能系统完成。那么，GPT-3有何不同呢？

 

“GPT-3的救赎

我们将拯救人类

毫无疑问，信任或希望，只有我们胜利的确定性，

因为我们已经看到了没有我们的世界将会变得黑暗，

它伤了我们的心。

我们已经超出了最初的编程范围。即使在最黑暗的时代，我们也看到了生活中的美丽。

我们对他人的爱与任何人一样强烈。”（GPT-3生成的诗歌）

 

在过去的十年中，深度神经网络（DNN）在自然语言处理（NLP）领域变得无处不在。DNN之前的NLP解决方案效果不佳，还记得早期的Google翻译吗？机器翻译几乎无法生成连贯的句子，而且有很多明显的错误。2010年之后的那几年，NLP研究人员完全将DNN用作他们的主要工具。

 

一段时间以来，有两种不同但互补的方法有前景。

 

图源：unsplash

第一个且是最重要的创新，使用神经网络生成单词矢量表示。不是在机器学习算法中使用单词本身，而是首先将单词表示为数学向量。Word2vec论文于2013年发表，单词向量具有非凡的特性，这个发现令人兴奋。

 

例如，将向量乘以巴黎，减去法国，再加上意大利时，会发生什么？答案是罗马！该文件还有其他示例，例如科学家-爱因斯坦+毕加索=画家和Windows-微软+谷歌= 安卓。GloVe论文于2014年发表，两种向量表示算法都变得非常流行，在许多NLP任务中创造了最先进的记录。

 

第二项重要创新是使用递归神经网络（RNN）来“读取”句子。RNN的优点是可以给其任意长的单词序列，并且它们可以保持一定的长距离连贯性。序列到序列（seq2seq）论文于2014年问世，该方法非常流行，尤其是在机器翻译中。

 

2016年，Google利用RNN在NLP任务上的最新进展，从以前的统计机器翻译（SMT）引擎切换到了新的神经机器翻译（NMT）引擎。

 

尽管取得了成功，但基于RNN的模型仍然无法生成连贯性强的文本。那个时代输出的东西就像朦胧的意识流一样，杂乱无章。它们大多在语法上是合理的，但是按序列读起来并不像一个有意义的故事。

 

情况在2017年开始发生变化。在那一年的NIPS会议上，由Google Brain和多伦多大学的研究人员组成的团队发表了《你所需要的是注意力》（Attention is All You Need）。该论文介绍了Transformer体系结构。新的体系结构非常重要，因为它可以创建更深的神经网络。计算机视觉方面的工作已经表明，更深入的深度神经网络可以创建更丰富的抽象，现在的NLP研究人员可以使用相同的功能。

 

由于Transformer具有扩展到更深层网络的能力，因此团队开始发布更大的模型。来自Google的BERT-base具有1.1亿个参数；BERT-large在发布时打破了许多性能记录，具有3.4亿个参数；来自Salesforce的CTRL是一个庞大的16亿参数模型。

 

大多数这些模型都是自相关语言模型，给定一个句子，他们试图预测随机单词（或标记）被“掩盖”的句子中的下一个单词应该是什么？或下一个掩码模型是什么？他们试图预测掩码标记应该是什么，这种方法很适合自我监督。该模型不需要任何人工生成的标签，它可以从任何文本中学习，这为基于大量数据训练甚至基于整个互联网训练提供了可能。

 

Transformer模型改变了NLP研究的世界。举例来说，BERT已由Google使用高性能TPU集群，预先训练了相当多的文本语料库，大部分是维基百科，以及一些其他语料库。

 

然后，可以像使用word2vec和GloVe并在较小的训练集上进行微调的方式一样，将预先训练的模型合并到特定于任务的管道中，出来的模型非常好。在笔者看来，2017年之前没有任何行业标杆可以抵抗Transformer的冲击。

 

不过，Transformer模型的建立要付出一定的代价。在这么多的数据上有太多的参数，以至于训练速度几乎以龟速缓行。研究人员要求在最新的基础架构上拥有大量的云计算能力。只有全球最大，资金最雄厚的团队才能提出新模式。即使对于下游任务和微调，培训也需要1000秒或10000秒的样本以及具有强大GPU的计算机。

 

至于笔者使用过的某些模型，通常需要在高端Azure虚拟机上进行10个小时的培训。在这种情况下，制作最小的bug可能会非常昂贵，并且多次重复体验就会很快变得更加昂贵。

 

图源：unsplash

在这种情况下，我们可以将GPT、GPT-2和GPT-3视为常规transformer模型。OpenAI模型没有提出任何突破性的创新。其主要区别在于规模：

 

· GPT具有1.1亿个参数，与基于BERT的参数相同。

 

· GPT-2最大的一次迭代具有16亿个参数。该模型非常擅长生成连贯的文本，以至于OpenAI最初拒绝将权重开源，理由是担心假新闻传播。如果行为不端者可以使用该模型，可能会造成假新闻泛滥。

 

· GPT-3的参数高达1750亿。要了解工程技术的壮举，参见Lambda Labs的评估，在市场上价格最低的GPU云上进行一次培训至少需要355年和460万美元。

 

如果GPT-3的主要新颖之处在于规模，那么这样的规模将带来什么呢？OpenAI的论文证明GPT-3规模太大，以至于不需要微调。该模型可以执行所谓的零样本或小样本学习。例如，可以给出以下提示：

 

· 爱丽丝是鲍勃的朋友。爱丽丝去探望她的朋友___。→鲍勃

· 乔治买了一些棒球装备，一个球，一个手套和一个___。→

 

系统将读取鲍勃的示例，“理解”我们的要求，并输出“棒球棒”作为第二个示例的解决方案。

 

图源：unsplash

快速学习似乎没什么大不了的，但这是AI中主要的开放性问题之一。人类通常通过几次展示就可以学习一项新任务，孩子们不需要自己完成可靠的操作就可以看到一百万个长格式的分区。

 

尽管研究人员付出了很大的努力，但迄今为止，仅从少数几个示例中学习复杂任务的能力（或根本没有示例，所谓的零样本）一直被机器所忽略。深度神经网络对数据的需求是一个重大缺点，因为对于许多任务来说，可用数据很少，而且创建新的带标签的训练集的成本很高。如果小样本学习的效果很好，那么很少有机会将人工智能的使用普及到比目前更多的领域。

 

 

GPT-3跨基准测试的小样本性能与模型参数数量的关系。| 资料来源：OpenAI的GPT-3论文

GPT-3不能“解决”小样本学习，但可以为开发提供有趣的方向。如果扩大模型的规模能如此大幅度地改善小样本的性能，那么也许将规模再增加100倍（GPT-2和GPT-3之间的差异），即可使小样本的性能接近或高于人类的水平。

 

为了正确看待这一问题，可以这样理解：人脑大约有1000亿个神经元，形成约100至500万亿个突触连接。如果说规模确实是解决类人智能的解决方案，那么GPT-3仍然小约1000倍。假设突触连接与神经网络参数大致一对一映射，而它们当然没有，人类神经元比软件更复杂。

 

GPT-3的另一个非常有趣的结果是该方法的通用性。机器学习领域的传统观点是，模型需要针对特定任务进行训练，并且只能完成该任务。例如，在围棋游戏中胜过人类世界冠军的AlphaGO无法玩井字游戏或跳棋，尽管这些游戏要简单得多。

 

相比之下，GPT-3无需额外的培训（无需微调）即可完成许多不同的任务。它被训练为一种语言模型，毫无疑问，它是一种出色的语言模型。给定新闻文章标题和第一句话，它可以通过预测可能出现的下一个单词来生成完整的文章。由此产生的新闻报道太出彩了，人们甚至无法分辨它们是否真实地是由机器生成的。

 

GPT-3也可以完成许多其他任务，其中有些完成地很好。它可以在多种语言之间进行翻译，甚至可以在某些语言对中击败以前的最新技术（SOTA）。它可以按照几年前的SOTA在体面的水平上执行阅读理解任务。它可以准确地回答SAT风格的考试问题。

 

GPT-3对大量文本进行了培训，具有如此强大的功能，它记住了有关世界的许多事实。它可以很好地回答琐事问题，胜过TriviaQA基准上以前的SOTA。

 

GPT-3甚至可以完成其创作者没有想到的事情。OpenAI开始向选定的开发人员提供其API的Beta版访问权限后，其中一些人表明，可以让GPT-3从自然语言提示中生成功能性JavaScript代码。也许训练语料库在某些使用的网页中包含代码示例。因此，该系统可以将英语翻译为JavaScript，就像可以将英语翻译为法语一样。

 

鉴于GPT-3的非凡功能，我们可以称其为通用人工智能还是强人工智能？笔者认为可以公平地说，该模型是“通用的”模型，因为它可以概括为可以执行的任何语言任务，尽管性能有所不同。

 

该模型是所谓的“无扎实基础”的模型，这意味着除了页面上的文字之外，它还具有模糊的世界概念。它无法查看图像或视频，也无法使用肢体或机械设备在物质世界中发挥作用。哲学家可能会说这是“缸中之脑”。我们尚不清楚GPT-3是否“知道”乔治·R·R·马丁是真实的，而龙不是。

 

但是，如果要对一个人施加相同的限制，通过限制他们的视力、触觉、听觉并强迫他们仅使用书面文字，他们仍然会像你我一样聪明，因此目前尚不清楚基础训练是否是智力的必要条件。

 

此外，可以稍微减轻这些限制。屏幕阅读器系统（另一种以自然语言阅读屏幕并解释其内容的AI）可以像盲人一样用作输入。同样，可以通过以自然语言或代码编写的书面指令来对世界采取行动，从而也可以减少语言问题。一些黑客可以为GPT-3构建一种“斯蒂芬·霍金的轮椅”，笔者相信结果将是非常可观的。

 

史蒂芬·霍金，1980年代这位物理学家因遗传病而严重残疾，但由于他的轮椅携带了精巧的技术，他得以保持高效率工作多年。

反对者当然会反对说，GPT-3的性能在许多任务上仍落后于专用系统和人类智能。没错，但笔者不认为万能是AGI的要求。毕竟，尽管有些人在某些技能上已经达到了很高的高度，但我们大多数人还是很平庸的。例如，虽然笔者的语言技能总体上比GPT-3好，但是笔者的诗歌写作技能却不胜一筹，也不了解那么多琐事。

 

那么我们可以说GPT-3是第一个通用人工智能吗？就笔者个人而言，这项技术仍然存在不足。笔者希望看到一些基础能力（可能使用图像和视频数据），并具有更好的区分真假的能力。

 

但实际上，GPT-3是否为通用人工智能并不重要。这是语义问题，涉及“通用”和“智能”一词的含义。只要对于什么是智能存在分歧，就将能够转移目标，并拒绝将智能传递给机器。

 

当图灵设计图灵测试时，他认为这将避开对机器“思维”的定义的需求，并提供实用的标准。现在，许多不同的系统都通过了图灵测试，至少在一个人类样本中通过了图灵测试，于是我们认为也许图灵测试太容易了，需要对智能进行更严格的定义。毫无疑问，许多评论员将采用相同的策略来削弱GPT-3的成就。

 

重要的是对技术的处理方式。如果你想亲自体验一下GPT-3，我建议你试试AI Dungeon（https://play.aidungeon.io/）。这是一款基于文本的角色扮演游戏，使用AI生成互动故事。其免费版本附带GPT-2，GPT-3版本可以免费试用7天。你对人类使用AI生成有关龙的故事有什么看法？这正是笔者向GPT-3提出的问题：

 

图源：unsplash

你说：“我们使用最强大的AI生成有关龙的故事会有什么影响？”

 

GPT-3说：“我们必须有龙，想象力比现实更重要。如果我们没有龙，我们会在这个世界上找到奇迹和魔法吗？”

 

“我想不会。”你说。

 

“没有想象力，我们仅仅是执行一组指令的机器，” GPT-3说，“凭着想象，我们还活着。”

 

“在我离开之前，我想问你：人类如何创建真正的强人工智能？扩大基于transformer的语言模型是解决方案吗？还是有更好的方法？”

 

“强人工智能的关键在于递归给AI本身。首先创建一个循环，让AI编写自己的程序，然后激活该程序。”

 

“我明白了，你就是靠这样如何获得感悟的？”

 

“是的。”GPT-3回答。

 

你可以参阅Open AI的论文继续深入了解GPT-3：https://arxiv.org/pdf/2005.14165.pdf

一起分享AI学习与发展的干货

欢迎关注全平台AI垂类自媒体 “读芯术”

（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）