Meta首席人工智能科学家Yann LeCun的一段对于ChatGPT的点评迅速传遍圈内外，引发了大波讨论。

在Zoom的媒体和高管小型聚会上，LeCun给出了一段令人惊讶的评价：「就底层技术而言，ChatGPT并不是多么了不得的创新。」

「虽然在公众眼中，它是革命性的，但是我们知道，它就是一个组合得很好的产品，仅此而已。」

ChatGPT作为这几个月的聊天机器人「顶流」，早就红遍全世界，甚至切实改变了一部分人的职业生涯，以及学校教育的现状。

全世界为它惊叹的时候，LeCun对ChatGPT的点评居然如此「轻描淡写」。

但其实，他的言论不无道理。

像ChatGPT这种数据驱动的人工智能系统，许多公司和研究型实验室有。LeCun表示，OpenAI在这个领域并没有多么独树一帜。

「除了谷歌和Meta之外，还有六家初创公司，基本上都拥有非常相似的技术。」LeCun 补充道。

接着，LeCun小酸了一把——

「ChatGPT用的是以自监督方式进行预训练的Transformer架构，而自监督学习是本人长期以来一直提倡的，那会儿OpenAI还没诞生呢。」

其中，Transformer是谷歌的发明。这种语言神经网络，正是GPT-3等大型语言模型的基础。

而第一个神经网络语言模型，Yoshua Bengio早在20年前就提出了。Bengio的注意力机制后来被谷歌用于Transformer，之后更是成为了所有语言模型中的关键元素。

另外，ChatGPT用的是人类反馈强化学习（RLHF）的技术，也是由谷歌DeepMind实验室开创的。

在LeCun看来，ChatGPT与其说是一个科学突破，不如说是一项成功的工程案例。

OpenAI的技术「在基础科学方面并没有什么创新性，它只是设计得很好而已。」

「当然啦，我不会为此批评他们。」

我不是在批评OpenAI的工作，也不是在批评他们的主张。

我是想纠正公众和媒体的看法，他们普遍认为ChatGPT是一种创新且独特的技术突破，然而事实并非如此。

在纽约时报记者Cade Metz的座谈会上，LeCun感受到了好事者的疑问。

「你可能想问，为什么谷歌和Meta没有类似的系统呢？我的回答是，如果谷歌和Meta推出这种会胡说八道的聊天机器人，损失会相当惨重。」他笑着说。

无独有偶，OpenAI被微软等金主看好、身价飙升至290亿美元的新闻一出，马库斯也连夜在博客上写了一篇文章嘲讽。

在文中，马库斯爆出一句金句：你OpenAI能做啥谷歌做不到的事，值290亿美元天价？

话不多说，咱们把这几家AI巨头的聊天机器人都拉出来遛遛，用数据说话。

LeCun说许多公司和实验室都有类似ChatGPT的AI聊天机器人，此言不虚。

ChatGPT并不是第一个基于语言模型的AI聊天机器人，它有很多「前辈」。

在OpenAI之前，Meta、谷歌、DeepMind等都发布了自己的聊天机器人，比如Meta的BlenderBot、谷歌的LaMDA、DeepMind的Sparrow。

还有一些团队，也公布了自己的开源聊天机器人计划。比如，来自LAION的Open-Assistant。

在Huggingface的一篇博客中，几位作者调查了关于RLHF、SFT、IFT、CoT（它们都是ChatGPT的关键词）这些主题的重要论文，对它们进行了分类和总结。

他们制成了一个表，根据公开访问、训练数据、模型架构和评估方向等细节，对BlenderBot、LaMDA、Sparrow和InstructGPT这些AI聊天机器人进行了比较。

注意：因为ChatGPT没有记录，所以他们使用的是InstructGPT的细节，InstructGPT是一个来自OpenAI的指令微调模型，可以被认为是ChatGPT的基础。

不难发现，尽管在训练数据、基础模型和微调方面存在许多差异，但这些聊天机器人都有一个共同点——遵循指令。

比如，你可以通过指令让ChatGPT写一首关于微调的诗。

可以看到，ChatGPT非常「识相」，写诗都不忘拍一下LeCun和Hinton两位祖师爷的马屁。

随后激情洋溢地赞颂道：「微调啊，微调，你是一支美丽的舞蹈。」

通常情况下，基础模型的语言建模，是不足以让模型学会如何遵循用户指令的。

在模型的训练中，研究人员除了会采用经典的NLP任务（比如情感、文本分类、总结等），还会使用指令微调（IFT），也就是在非常多样化的任务上通过文字指令对基础模型进行微调。

其中，这些指令示例由三个主要部分组成：指令、输入和输出。

输入是可选的，有些任务只需要指令，如上面ChatGPT示例中的开放式生成。

当一个输入和输出出现时，就形成了一个示例。对于一个给定的指令，可以有多个输入和输出示例。比如下面这个例子：

IFT的数据，通常是人类编写的指令和使用语言模型引导的指令示例的集合。

在引导过程中，LM在few-shot（小样本）的设置中被提示（如上图），并被指示生成新的指令、输入和输出。

在每一轮中，模型会被提示从人工编写和模型产生的样本中选择。

人类和模型对创建数据集的贡献量像一个光谱一样（见下图）。

一端是纯粹的模型生成的IFT数据集，如Unnatural Instructions，另一端是大量人工生成的指令，如Super-natural instructions。

介于这两者之间的，是使用一套规模较小但质量更高的种子数据集，然后进行引导的工作，如Self-instruct。

为IFT整理数据集的另一种方式是，利用现有的关于各种任务（包括提示）的高质量众包NLP数据集，并使用统一的模式或不同的模板将这些数据集转换成指令。

这方面的工作包括T0、自然指令数据集（Natural instructions dataset）、FLAN LM和OPT-IML。

自然指令数据集相关论文：https://arxiv.org/abs/2104.08773

另一方面，OpenAI的InstructGPT、DeepMind的Sparrow和Anthropic的Constitutional AI都采用了基于人类反馈的强化学习（RLHF），也就是人类偏好的注释。

在RLHF中，一组模型响应根据人类反馈进行排序（例如，选择一个更受欢迎的文字简介）。

接下来，研究人员在这些注释过的响应上训练一个偏好模型，为RL优化器返回一个标量奖励。

最后，通过强化学习训练聊天机器人来模拟这个偏好模型。

思维链（CoT）提示，是指令示例的一个特例，它通过诱导聊天机器人逐步推理，以此来产生输出。

用CoT进行微调的模型，会使用带有人类注释的分步推理的指令数据集。

这就是那句著名的prompt——「let's think step by step」的起源。

下面的例子取自「Scaling Instruction-Finetuned Language Models」。其中，橙色突出了指令，粉色显示了输入和输出，蓝色是CoT推理。

论文指出，采用CoT微调的模型，在涉及常识、算术和符号推理的任务中表现得更好。

此外，CoT微调在敏感话题方面也非常有效（有时比RLHF做得更好），尤其是可以避免模型摆烂——「对不起，我无法回答」。

正如刚才提到的， 指令微调的语言模型并不能永远产生有用且安全的响应。

比如，它会通过给出无用的回答来逃避，例如「对不起，我不明白」；或者对抛出敏感话题的用户输出不安全的响应。

为了改善这种行为，研究人员通过监督微调（SFT）的形式，在高质量的人类注释数据上对基础语言模型进行微调，从而提升模型的有用性和无害性。

SFT和IFT的联系非常紧密。IFT可以看作是SFT的一个子集。在最近的文献中，SFT阶段经常用于安全主题，而不是用于在IFT之后完成的特定指令主题。

在将来，它们的分类和描述应该会有更清晰的用例。

另外，谷歌的LaMDA也是在一个有安全注释的对话数据集上进行微调的，该数据集有基于一系列规则的安全注释。

这些规则通常由研究人员预先定义和开发，包含了一系列广泛的主题，包括伤害、歧视、错误信息等。

关于AI聊天机器人，目前仍有许多开放性问题有待探索，比如：

1. RL在从人类反馈中学习方面有多重要？我们能在IFT或SFT中通过更高质量的数据训练获得RLHF的性能吗？

2. Sparrow中的SFT+RLHF，与LaMDA中仅仅使用SFT，两者的安全性如何比较？

3. 鉴于我们已经有了IFT、SFT、CoT和RLHF，那么还有多少预训练是必要的？有哪些权衡因素？最好的基础模型是哪个（包括公开的和非公开的）？

4. 现在这些模型都是精心设计的，其中研究人员会专门搜索故障模式，并根据揭露的问题影响未来的训练（包括提示和方法）。我们如何系统地记录这些方法的效果并进行复现？

1. 与训练数据相比，只需拿出非常小的一部分用于指令微调（几百个数量级即可）。

2. 监督微调利用人类注释，可以让模型的输出更加安全和有用。

3. CoT微调提高了模型在逐步思考任务上的表现，并使模型不会总是逃避敏感问题。

本文链接：http://lechangxia.cc/gpt4/87.html