ChatGPT专题：大语言模型的能力和未来

一、生成式模型商业化

现如今，生成式AI赛道火热。根据PitchBook统计数据，2022年生成式AI赛道总共获得约14亿美元的融资，几乎达到了过去5年的总和。OpenAI、Stability AI等明星公司，其他初创企业如Jasper、Regie.AI、Replika等均获得资本青睐。

融资金额与时间关系图

2022年10月，Stability AI获得约1亿美元融资，发布的开源模型Stable Diffusion，可以根据用户输入的文字描述生成图片，引爆AI作画领域。2022年11月30日，ChatGPT在宣布公测之后，上线5天，全球用户数量已突破百万。上线不到40天，日活用户已突破千万。2023年3月15日凌晨，OpenAI发布目前最强的GPT系列模型——GPT-4，提供大规模的多模态模型，可以接受图像和文本输入，产生文本输出，在业内产生颠覆性的影响。2023年3月17日，微软举办了Microsoft 365 Copilot发布会，正式把OpenAI的GPT-4 模型装进了Office套件，推出了全新的AI功能Copilot。它不仅会做PPT，写文案，还会做分析，生成视频。此外，国内各个大厂也宣布陆续推出类ChatGPT的产品。2月8日，阿里巴巴专家爆料，达摩院正在研发类ChatGPT对话机器人，已开放给公司内员工测试。可能将AI大模型技术与钉钉生产力工具深度结合。2月8日，京东集团副总裁何晓冬坦言：京东在ChatGPT领域拥有丰富的场景和高质量的数据。2月9日，腾讯相关人士称：腾讯目前也有ChatGPT相似产品和AI生成内容的计划，专项研究也在有序推进。网易表示，教育业务将整合AI生成的内容，包括但不限于AI口语老师、作文打分和评价等。3月16日，百度百度正式发布大语言模型、生成式AI产品“文心一言”，发布两天，已有12家企业完成首批签约合作，申请百度智能云文心一言API调用服务测试的企业达9万。

目前，大模型已经逐渐渗透我们的生活。未来，各行各业都有可能出现翻天覆地的变化。以ChatGPT为例，包括以下几个方面：

• ChatGPT+传媒：可以实现新闻智能写作，提升新闻实效性；
• ChatGPT+影视：根据大众兴趣定制影视内容，获得更高收视率，票房和口碑降低影视制作团队在内容创作的成本，提高创作效率。
• ChatGPT+营销：充当虚拟客服，助力产品营销。例如24小时的产品介绍和在线服务，降低营销成本；可以快速了解客户需求，紧跟科技潮流；提供稳定可靠的咨询服务，可控性和安全性强。
• ChatGPT+娱乐：实时的聊天对象，增强陪伴性和趣味性。
• ChatGPT+教育：提供全新的教育工具，通过自助提问来快速查缺补漏。
• ChatGPT+金融：实现金融资讯，金融产品的自动化生产，塑造虚拟理财顾问。
• ChatGPT+医疗：快速了解患者病情且及时反馈，第一时间情感支持。

需要说明的是，这里虽然主要讨论的是大语言模型的落地，但是实际上其他多模态（音频、视频、图片）的大模型一样存在广阔的应用场景。

二、生成式模型介绍

1、主流的大语言模型：LaMDA

由google公司发布。LaMDA模型基于transformer框架，拥有1370亿模型参数，具备文本中长距离依赖的建模能力。该模型是通过对话来训练的。主要包括预训练和微调两个过程：在预训练阶段，他们使用了多达1.56T的公共对话数据集和网页文本，以语言模型（LM）作为训练的目标函数，即目标是预测下一个字符（token）。在微调阶段，他们设计来多个任务，例如给回复进行属性打分（敏感度、安全性等等），使语言模型对其人类的偏好。下图展示了其中一类的微调任务。

LaMDA模型预训练阶段

LaMDA模型微调阶段任务之一

LaMDA模型专注于对话生成任务，但常犯事实性的错误。谷歌今年发布了Bard（一项试验性的对话式AI服务）便是由LaMDA模型来提供支持。然而Bard在发布会上，Bard犯下事实性错误，这令谷歌周三股价大跌，盘中跌超8%，刷新日低至约98美元，市值蒸发1100亿美元，让人唏嘘。

2、主流的大语言模型：InstructGPT

InstructGPT模型基于GPT架构，主要由有监督的微调（Supervise Fune-Tuning, SFT）和人类反馈的强化学习(Reinforce Learning Human Fune-tuning, RLHF)训练得到。以InstructGPT为技术支持的对话产品——ChatGPT专注于生成语言文本，也可以生成代码和进行简单数学运算。具体的技术细节已经在上两期进行过详细探讨，读者可前往阅读，此处不再赘述。

InstructGPT模型训练流程图

3、主流的大语言模型：Cluade

Cluade模型训练流程图

Cluade是Anthropic公司的对话型产品。Cluade与ChatGPT一样，都是基于GPT框架，是单向的语言模型。然而，不同于ChatGPT，它主要由有监督的微调和AI反馈的强化学习训练得到。在有监督的微调阶段，它先制定了一系列规则（Constitution），例如不能生成有害信息，不能生成种族偏见等等，然后根据这些规则获得有监督数据。随后，让AI来判断分辨回复的优劣，自动训练用于强化学习的数据集。

相比于ChatGPT而言，Claude 能更清晰地拒绝不恰当请求，句子之间衔接的也更自然。当遇到超出能力范围的问题时，Claude 会主动坦白。目前，Cluade当前还处于内测阶段。不过根据 Scale Sepllbook 团队成员内部测试结果显示，相比 ChatGPT，Claude在测试的12 项任务中有 8 项更强。

三、大语言模型的能力

我们统计了国内外的大语言模型以及模型能力、开源情况等。

国内流行的大语言模型

国外流行的大语言模型

可以看出，大语言模型表现的能力多种多样，包括但不限于少样本学习、零样本迁移等等。那么有个很自然但问题产生了，这些能力都是怎么样产生的呢？大语言模型的能力究竟来自于哪里？接下来，我们试图解答上述的疑惑。

下图展示了一些成熟大语言模型和进化过程。归纳出来，大多数模型会经历三个阶段：预训练，指令微调和对齐。代表模型有Deepmind的Sparrow和OpenAI的ChatGPT。

流行大语言模型的进化图

那么，在这每一步的背后，模型究竟可以获得什么样的能力呢？爱丁堡大学的符尧博士总结了他认为的步骤和能力的对应关系，给我们一些启发。

1. 预训练阶段，该阶段的目标是获得一个强大的基础模型。相应地，在此阶段模型展现出来的能力有：语言生成，上下文学习能力，具备世界的知识，推理能力等等。此阶段的代表性模型有GPT-3，PaLM等。

2. 指令微调阶段。该阶段的目标是解锁一些涌现能力（emergent ability）。这里的涌现能力是特指小模型没有，大模型才有的能力。经历过指令微调后的模型，出现了基础模型所没有的能力。例如，通过构造新的指令，模型能够解决新任务；再比如，思维链的能力，即通过展示给模型推理过程，模型也能仿照进行正确推理等，代表模型有InstructGPT，Flan等。

对齐阶段。该阶段的目标是使模型具备人类的价值观，比如要产生有信息量的回复，不能产生歧视类的发言等等。可以认为，对齐阶段赋予了模型们“个性化”。这类的代表模型有ChatGPT。

大语言模型三阶段。图片来自《符尧：论大语言模型能力的来源》

总地来说，上述三个阶段相辅相成，缺一不可。只有预训练阶段得到了一个足够强大的基础模型，才有可能通过指令微调激发（或者增强）语言模型的其他能力。对齐阶段赋予模型一定“性格”，更好地符合人类社会的一些要求。

四、生成式模型鉴别

大语言模型技术在带来便利的同时，也包含着风险和挑战。在技术层面，GPT生成的内容不能保证真实性，如会产生有害言论等。在使用层面，用户可能在教育、科研等领域滥用 AI产生的文本。目前，多家公司和机构开始对ChatGPT的使用施加限制。微软和亚马逊因担心泄露机密信息，禁止公司员工向ChatGPT分享敏感数据；香港大学禁止在港大所有课堂、作业和评估中使用ChatGPT或其他人工智能工具。我们主要介绍工业界的相关工作。

GPTZero：GPTZero是最早出现的文本生成鉴别工具。它是由Edward Tian（美国普林斯顿CS专业本科生）发布的在线网站（https://gptzero.me/）。它的原理靠文本困惑度（perplexity，PPL）作为指标来判断所给内容到底是谁写的。其中，困惑度用以评价语言模型的好坏指标，本质上是计算句子出现的概率。

GPTZero网站界面

（这里我们使用ChatGPT产生一段新闻报道，让GPTZero判断是否是生成的文本。）

GPT2 Output Detector：该工具由OpenAI发布。它利用“GPT2-生成内容”和Reddit数据集，在RoBerta上进行微调，学习一个检测分类器。即“用魔法打败魔法”。官网也提示说，只有当文本超过50个字符（token）时，预测结果才更加可信。

GPT2 Output Detector网站界面

AI Text Classifier: 该工具由OpenAI发布。原理是收集在同一个话题下人类写作文本和AI写作文本。将每一个文本都划分成提示和回复对，让GPT微调后产生答案（例如，让GPT产生Yes/No）的概率作为结果阈值。该工具的划分非常细致，结果包括5类：非常不可能是AI生成的（阈值<0.1），不太可能是AI生成的（阈值0.1~0.45），不清楚是否是AI写的（阈值0.45~0.9），可能是AI生成的(阈值0.9-0.98)，很可能是AI生成的(阈值>0.98)。

AI Text Classifier网站界面

五、总结&展望

大语言模型拥有小模型没有的涌现能力，例如优秀的零样本学习、领域迁移、思维链能力。大模型的能力实际上来自于预训练、指令微调和对齐，这三个过程密切相关，成就了现在超强的大语言模型。

大语言模型（GPT系列）目前还不具备置信更新、形式推理、互联网检索等能力，有专家认为，如果可以将知识卸载到模型之外，参数量会大大减少，大语言模型才能真正的更进一步。

只有在合理的监管和治理之下，人工智能技术才能更好地为人服务。国内发展大模型任重而道远！

参考文献

[1] https://stablediffusionweb.com

[2] https://openai.com/product/gpt-4

[3] LaMDA: Language Models for Dialog Applications, Arxiv 2022.10

[4] Constitutional AI: Harmlessness from AI Feedback，Arxiv 2022.12

[5] https://scale.com/blog/chatgpt-vs-claude#Calculation

[6] 国联证劵：《ChatGPT 风口已至，商业化落地加速》

[7] 国泰君安证券：《ChatGPT研究框架2023》

[8] 符尧：预训练、指令微调、对齐、专业化：论大语言模型能力的来源https://www.bilibili.com/video/BV1Qs4y1h7pn/?spm_id_from=333.880.my_history.page.click&vd_source=da8bf0b993cab65c4de0f26405823475

[9] 万字长文解析！复现和使用GPT-3/ChatGPT，你所应该知道的https://mp.weixin.qq.com/s/ILpbRRNP10Ef1z3lb2CqmA