人人都能用的多语种大模型来了！支持59种语言，参数1760亿，1000名科学家联合发起...

丰色 发自 凹非寺
量子位 | 公众号 QbitAI

一直以来，很多大模型都由造它们出来的大型私营科技公司垄断着。

比如GPT-3等，对于普通人来说，再香也只能眼巴巴看着。

不过现在，为了给你解馋，由近1000名科学家联合发起的一个志愿项目，耗时一年多炼出了一个号称和GPT-3一样强大的语言模型。

它的名字叫BLOOM，参数1760亿，不光支持英文或者中文，连西班牙语、法语等59种语言都支持，是目前最大的多语言开源语言模型。

是的，从现在起，从代码到数据集，BLOOM全部对外开放，所有人都可使用。

动用法国超算、花费384块A100

BLOOM是一个BigScience项目，去年5月启动，由Hugging Face主导，收到了700万美元的公共捐款。

共有来自全球60个国家、超过250个机构，以及超过1000名研究人员参与其中，其中包括以个人名义参加的Meta、谷歌等大厂员工。

它的训练在法国超级计算机Jean Zay上进行，共花费了384块A100 GPU，其中每块有80 GB内存，训练吞吐量约150 TFLOP（该超算由低碳的核能提供动力，释放的热量还用来给学校供暖）。

相关推特账号从3月14日起，每天记录BLOOM的进度。

随着进度条渐渐拉满，每天去点赞的人数也越来越多。

不过，到了102%它才正式停下——

7月2号，耗时117天的BLOOM宣告完成，恰好在预期计划时间内。

最终，BLOOM：

• 拥有1760亿参数，比GPT-3还多10亿

• 包含70层，每层112个注意力头

• token序列长度为2048

• 采用GeLU激活函数

• 数据集共计3416亿条token（1.5TB文本数据）

• 支持13种编程语言、46种语言

其中，对于很多语言来说，比如法语、西班牙语和阿拉伯语等，都是首次有了自己的开源模型（有网友发现日语目前还不支持）。

此外，为了让BLOOM最后的生成结果尽可能地减少偏见，参与人员还费了不少功夫抓取到的数据还进行了一遍人工过滤。

目前，BLOOM的训练对硬件也还是有一些要求：

为了保证效果，最好是准备8块80GB或者16块40GB的的A100。

这导致只有稍微大点的团队才能用。

当然也可以选择在云上训练，最高每小时40美元。

最后，BLOOM表示还会降低使用门槛，并准备开发一个分布式系统，允许实验室在其服务器之间共享模型。

它声称自己将会成为一个模型家族，不会一劳永逸。

Hugging Face地址：
https://huggingface.co/bigscience/bloom

参考链接：
[1]https://twitter.com/evanmiltenburg/status/1546792818269732864
[2]https://techcrunch.com/2022/07/12/a-year-in-the-making-bigsciences-ai-language-model-is-finally-available/