下载掌阅APP，畅读海量书库
立即打开
在1.1节中，我们亲眼见证了ChatGPT的惊人创造力，能够在几秒内以李白的豪放派风格创作出美妙的诗歌。那么，下面让我们来深入探讨大模型是如何拥有一个跨越多领域、穿越古今的“超级大脑”的。
大模型丰富的知识储备来自其庞大的训练数据集，其中包括互联网上各种各样的文本，从新闻文章到小说、论文以及其他网页内容。各种各样的数据集丰富了大模型对语言和知识的理解，使它能够涵盖多领域。数据集是其获得知识的来源，据统计，ChatGPT的数据集主要采集于以下几个数据源。
（1）BooksCorpus：这是一个包含11，038本英文电子图书的语料库，共有74亿个单词。
（2）WebText：这是一个从互联网上抓取的大规模文本数据集，包括超过8万个网站的文本数据，共有13亿个单词。
（3）Common Crawl：这是一个存档互联网上公开可用的数据集，包括数百亿个网页、网站和其他类型的文本数据。
（4）Wikipedia：这是一个由志愿者编辑的百科全书，包括各种领域的知识和信息，是一个非常有价值的语言资源。
在海量数据的基础上，大模型采用了基于变换器（Transformer）模型的深度神经网络模型，获得了处理长文本和复杂语法的能力，同时保持了上下文的一致性，帮助ChatGPT生成更准确、连贯的文本。模型的本质是一个概率计算的过程，如图1-4所示为一个基础的语言概率模型示意图，以不同的概率和选择策略决定生成的文本。
图1-4 语言模型示意图
在本例中，生成不同文本的概率如下。
「我爱你」概率：0.5×0.6=0.3
「我爱她」概率：0.5×0.3=0.15
「我想吃」概率：0.3×0.5=0.15
「我想走」概率：0.4×0.3=0.12
在模型生成文本时，选择“我爱你”，还是“我爱她”，取决于大模型的参数设置，即温度和TOP_P，温度值决定了文本的随机性，较高的温度值会提升返回的随机值，较低的温度值会使模型倾向于返回可能性更高的词语。TOP_P是GPT2版本中引入的一个参数，选择词语时在累积概率>P的词语中进行选择，在概率分布相对均匀的情况下，可选词语会比较多；在分布方差较大的情况下，选择会少一些。
模型的训练包括两个过程，即预训练与有监督微调（SFT）。在预训练阶段，大规模文本数据被收集和准备用于模型的预训练。这个语料库通常包含来自互联网的各种文本，包括网页、社交媒体帖子、新闻文章等。一个大型的神经网络模型在经过构建和预训练之后，通过在上述文本语料库上进行自监督学习。在自监督学习中，模型通过在上下文中预测缺失的单词或标记来学习语言的语法、语义和世界知识。预训练的模型通常由多个Transformer层组成，用于建模文本序列中的依赖关系。这些模型可以包含数亿或数十亿的参数。经过预训练后，模型的参数包含了大量的知识，可以被视为通用的“语言理解”模型，但还需要微调以适应特定的任务。
在微调阶段，模型被进一步训练以适应特定的自然语言处理（Natural Language Processing，NLP）任务。为此，使用特定任务的标记数据集，如文本分类、文本生成、情感分析等。微调阶段通常包括添加额外的神经网络层，这些层根据任务的需求自定义，模型会经过特定任务的数据集的多次训练，逐渐适应该任务。
大模型之所以能够理解人类的复杂任务，在预训练—微调模式的基础上，还有一个关键的技术，即基于人类反馈的强化学习方式（Reinforcement Learning from Human Feedback，RLHF），通俗的表达就是从人类的反馈中学习。听起来感觉好像很容易想到，实际上却经历了不断探索才有所发现，可以说没有RLHF，ChatGPT的通用性远远达不到现在这种程度。微调过程很容易理解，如图1-5所示，经历了三个步骤。
步骤1 有监督微调（Supervised Fine-Tuning，SFT）整个过程是在已标注数据上进行微调训练完成的。这里的数据是指用户在对话框中输入的提示词和对ChatGPT输出内容的回复，帮助大模型增强在特定领域的能力。
步骤2 奖励模型（Reward Model，RM）。当前一步的SFT过程生成输出文本后，标注人员对这些输出结果进行排序。然后每次从输出结果中选取2个来训练这个奖励模型，使模型学习评价效果。这一步骤非常关键，它就是所谓的Human Feedback，用来引导下一步模型的进化方向。
步骤3 强化学习（Reinforcement Learning，RL）在步骤2的RM过程对输出结果评分后，奖励模型将评分回传给模型更新参数，更新模型时会考虑参数每一个词的输出和第一步SFT输出之间的差异性，尽可能使两者相似，这个过程使用的优化策略是图1-5中的近端策略优化（Proximal Policy Optimization，PPO），可以有效缓解强化学习的过度优化。
图1-5 微调过程示意图
大模型在训练和计算方面采用了大规模的分布式计算集群和高性能GPU，主要使用了数据并行、流水线并行和张量并行的策略，使得它能够进行大规模的训练和推理，快速响应用户的请求，在几秒内回复用户的复杂任务。
在GPT系列发布后，研发团队不断努力改进其效果，从GPT-1、GPT-2、GPT-3到爆火的GPT-3.5，再到如今的GPT-4和GPT-4 Turbo，一直在修复偏见、妄想、计算不准确等问题，并通过迭代和微调来提高模型的性能和适应性，以确保其更好地满足用户需求。
总而言之，大模型之所以如此强大，是因为它汇聚了大规模的数据、深度的神经网络、不断地学习反馈、强大的计算资源及持续的改进。这个“超级大脑”能够跨越多领域，穿越古今，用以探索、创造和解决各种问题。