十分鐘理解ChatGPT的技術邏輯及演進（前世、今生）

0、 前言

11月30日，OpenAI推出了一個名為ChatGPT的AI聊天機器人，可以供公眾免費測試，短短幾天就火爆全網。

從頭條、公眾號上多個宣傳來看，它既能寫代碼、查BUG，還能寫小說、寫遊戲策劃，包括向學校寫申請書等，似乎無所不能。

本著科(好)學(奇)的精神，抽了一些時間對ChatGPT進行了測試驗證，並且 **梳理了一下ChatGPT為什麼能這麼"強"**。

由於筆者並沒有專業學過AI，同時精力受限，所以 短時間內就不會再有AI-003類似更深入到技術的篇章了，了解001、002就已經超出普通吃瓜群眾的範疇了。

本篇會有較多技術名詞，我會盡量降低其理解難度。

同時，由於非AI專業出身，如有錯漏、敬請指出。

致謝：非常感謝X同學、Z同學兩位大牛的審稿，尤其感謝X同學的專業性堪誤

1、什麼是GPT

ChatGPT裡面有兩個字，一個是Chat，指的是可以對話聊天。另外一個詞，就是GPT。

GPT的全名，是Generative Pre-Trained Transformer（生成式預訓練Transfomer模型）。

可以看到裡面一共3個單字，Generative生成式、Pre-Trained預訓練、和Transformer。

有讀者可能會注意到，我上面沒有給Transformer翻譯中文。

因為Transformer是一個技術專有名詞，如果硬翻譯 ，就是變壓器。但是會容易失去本意，不如不翻譯。

在下面第3章節會再講解Transformer。

2、GPT之技術演進時間線

GPT從開始至今，其發展歷程如下：

2017年6月，Google發布論文《Attention is all you need 》，首次提出Transformer模型，成為GPT發展的基礎。論文地址： https://arxiv.org/abs/1706.03762

2018年6月,OpenAI 發布論文《Improving Language Understanding by Generative Pre-Training》(透過生成式預訓練提升語言理解能力) ，首次提出GPT模型(Generative Pre-Training)。論文地址： https://paperswithcode.com/method/gpt 。

2019年2月，OpenAI 發布論文《Language Models are Unsupervised Multitask Learners》（語言模型應該是無監督多任務學習者），提出GPT-2模型。論文地址: https://paperswithcode.com/method/gpt-2

2020年5月，OpenAI 發布論文《Language Models are Few-Shot Learners》(語言模型應該是少量樣本(few- shot)學習者，提出GPT-3模型。論文地址： https://paperswithcode.com/method/gpt-3

2022年2月底，OpenAI 發布論文《Training language models to follow instructions with human feedback》（使用人類回饋指令流來訓練語言模型），公佈Instruction GPT模型。論文地址： https://arxiv.org/abs/2203.02155

2022 年11月30日，OpenAI推出ChatGPT模型，並提供試用，全網火爆。見：AI-001-火爆全網的聊天機器人ChatGPT能做什麼

3、GPT之T-Transformer(2017)

在第1小節中，我們說到Transformer是沒有合適的翻譯的。

但是Transfomer卻是GPT(Generative Pre-Training Transfomer)中最重要、最基礎的關鍵字。

（註：GPT的Transformer相比google論文原版Transformer是簡化過的，只保留了Decoder部分，見本文4.3小節）

3.1、重點在好，還是重點在人？

就像好人，最關鍵的是好，還是人？

讀者們，是好嗎？

一個稍穩的答覆是：既不是好，也不是人；既是好，也是人。

唔，有點繞，那麼說人話一點，展開： 語意上，重點在好； 基礎和前提上，重點在人。

3.2、對不起，你是個好人

再延展一下，那"對不起，你是個好人"呢？

語義的重點，變成是對不起。但是語義的前提，還是人。

3.3、回歸正題，Transfomer是什麼

這篇《十分鐘理解Transfomer》( https://zhuanlan.zhihu.com/p/82312421 ） 可以看一下。

#看懂了可以忽略我接下來關於Transfomer的內容，直接跳到第4章。如果沒太看懂，可以看下我的理解，對你或許有一定參考作用。

3.3.1、上一代RNN模型的重大缺陷

#在Transformer模型出來前，RNN模型(循環神經網路)是典型的NLP模型架構，基於RNN還有其他一些變種模型（忽略其名字，Transformer出來後，已經不再重要了），但是都存在相同的問題，並沒能很好解決。

RNN的基本原理是，從左到右瀏覽每個單字向量(比如說this is a dog)，保留每個單字的數據，後面的每個單詞，都依賴前面的單字。

RNN的關鍵問題：前後需要順序、依序計算。可以想像一下，一本書、一篇文章，裡面是有大量單字的，而又因為順序依賴性，不能並行，所以效率很低。

這樣說可能大家還是不容易理解，我舉一個例子(簡化理解，和實際有一定出入）：

在RNN循環中，You are a good man這句話，需要如何計算呢？

1)、You和You are a good man計算，得到結果集$You

2)、基於$You的基礎上，再使用Are和You are a good man ，計算出$Are

3)、基於$You、$Are的基礎，繼續計算$a

4)、依此類推，計算$is、$good、$ man，最終完成You are a good man的所有元素的完整計算

可以看到，計算過程是一個一個、順次計算，單一流水線，後面的工序依賴前面的工序，所以非常慢

3.3.2、Transformer之All in Attention

前面我們提到，2017年6月，Google發布論文《Attention is all you need》，首次提出Transformer模型，成為GPT發展的基礎。論文地址： https://arxiv.org/abs/1706.03762

從其標題《Attention is all you need》你就能知道，Transfomer其實主張是"All in Attention"。

那麼什麼是Attention（注意力）呢？

在《Attention is all you need》論文中，可以看到其定義如下：

自我注意(self-Attention)，有時稱為內部注意，是一種將單一序列的不同位置連結起來的注意力機制，以便計算序列的表示。自我注意已成功地應用於閱讀理解、抽象概括、語篇包含和學習任務無關的句子表示等多種任務中

簡單理解，就是字與字之間的關聯度，透過注意力(Attention) 這個向量來描述。

比如說You are a good man(你是個好人)，AI在分析You的注意力向量時，可能是這麼分析的：

從Your are a good man這句話中，透過注意力機制進行測算，You和You（自身）的注意力關聯機率最高(0.7,70%)，畢竟 你(you)首先是你(you)；於是You,You的注意力向量是0.7

You和man（人）的注意力關聯其次(0.5，50%)，你(you)是個人(man),，於是You,man的注意力向量是0.5

You和good(好)的注意力關聯度再次(0.4,40%)，你在人的基礎上，還是一個好(good)人。於是You,good的注意力向量值是0.4

You,are向量值是 0.3；You,a的向量值是0.2。

於是最終You的注意力向量清單是【0.7 、 0.3、0.2、0.4、0.5】（僅本文舉例）。

3.4、論文中對attention和Transfomer的價值描述

在論文中，google對於attention和transfomer的描述，主要強調了傳統模型對順序依賴存在，Transformer模型可以取代目前的遞歸模型，消減對輸入輸出的順序依賴。

3.5、Transformer機制的深遠意義

Transformer問世後，迅速取代循環神經網路RNN的系列變種，成為主流的模型架構基礎。

如果說 可以並行、速度更快都是技術特徵，讓行外人士、普羅大眾還不夠直觀，那麼從 當前ChatGPT的震憾效果就可以窺知一二。

**Transformer從根本上解決了兩個關鍵障礙，其推出是變革性的、革命性的**。

3.5.1、擺脫了人工標註資料集（大幅降低人工數量）

這個關鍵障礙就是：過往訓練我們要訓練一個深度學習模型，必須使用大規模的標記好的資料集合(Data set)來訓練，這些資料集合需要人工標註，成本極高。

打個比方，就是機器學習需要大量教材，大量輸入、輸出的樣本，讓機器去學習、訓練。這個教材需要量身製定，而且需求數量極大。

好比 以前要10,000、10萬名老師寫教材，現在只需要10人，降低成千上萬倍。

那麼這塊是怎麼解決的呢？簡單描述一下，就是透過Mask機制，遮蔽已有文章中的句段，讓AI去填空。

好比是一篇已有的文章、詩句，擋住其中一句，讓機器根據學習到的模型，依據上一句，去填補下一句。

如下圖範例：

這樣，很多現成的文章、網頁、知乎問答、百度知道等，就是天然的標註資料集了(一個字，超省錢）。

3.5.2、化順序計算為平行計算，巨幅降低訓練時間

除了人工標註之外，在3.3.1小節中提到RNN的重大缺陷，就是順序計算，單一管線的問題。

Self-Attention機制，結合mask機制與演算法最佳化，讓 一篇文章、一句話、一段話能夠並行計算。

還是以You are a good man舉例，可以看到，電腦有多少，Transformer就能有多快：

4、GPT(Generative Pre-Training)-2018年6月

接下來，就到了ChatGPT的前世-GPT(1)了。

2018年6月,OpenAI 發布論文Improving Language Understanding by Generative Pre-Training》(透過生成式預訓練提升語言理解能力)，首次提出GPT模型(Generative Pre-Training)。論文地址： https://paperswithcode.com/method/gpt 。

4.1、GPT模型的核心主張1-預訓練(pre-training)

GPT模型依託於Transformer解除了順序關聯和依賴性的前提，提出一個建設性的主張。

先通過大量的無監督預訓練(Unsupervised pre-training)，

註：無監督是指不需要人介入，不需要標註資料集（不需要教材和老師）的預訓練。

再透過少量有監督微調（Supervised fine-tunning)，來修正其理解能力。

4.1.1、打個比方

打個比方，就好像我們培養一個小孩，分了兩個階段：

1)、大規模自學階段（自學1000萬本書，沒有老師）：提供AI充足的算力，讓其基於Attention機制，自學。

2)、小規模指導階段(教10本書)：依據10本書，舉一反"三"

4.1.2、論文開頭的描述

所謂開宗明義，從開篇introduction中，也可看到GPT模型對於監督學習、手動標註資料的說明。

4.2、GPT模型的核心主張2-生成式(Generative)

在機器學習裡，有判別式模式(discriminative model)和生成式模式(Generative model)兩種區別。

GPT(Generative Pre-Training)顧名思義，採用了生成式模型。

生成式模型相比判別式模型更適合大數據學習 ，後者更適合精確樣本(人工標註的有效資料集）。要**更好實現預訓練(Pre-Training)**，生成式模式會比較合適。

註：本小節重點在於上面一句話（更適合大數據學習），如果覺得理解複雜，本小節下面可不看。

在wiki生成式模式的資料裡（ https://en.wiki敏pedia感.org/wiki/Generative_model ） ，舉了一個如下說明兩者的差異：

單看上面可能不容易看懂，這裡補充解釋下。

上面的意思是說，假設有4個樣本：

#

那麼生成式(Generative Model)的特徵就是機率不分組（計算樣本內機率，除以樣本總和），以上表為例，發現x=1，y=0的總共有1個，所以會認為x=1,y=0的幾率為1/4(樣本總數為4)。

同樣的，x=2,y=0的總共有2個，則x=2,y=0的機率為2/4.

而判別式(Discriminative Model)的特徵則是**機率分組計算（計算組內機率，除以組內總和)**。以上表為例，x=1，y=0總共共有1個，同時x=1的分組共有2個sample，所以其機率為 1/2。

同樣的，x=2,y=0的總共有2個。且同時x=2的分組共有2個sample，則x=2,y=0的機率 為2/2=1（即100%)。

4.3、GPT相比原版Transfomer的模型改進

下面是GPT的模型說明，GPT訓練了一個12層僅decoder的解碼器（ decoder-only,沒有encoder)，使得模型更為簡單。

註1：google論文《Attention is all you need》原版Transformer中，包含Encoder和Decoder兩部分，前者(Encoder)對應的是 翻譯，後者(Decoder)對應的是 生成。

註2：google以Encoder為核心，建構了一個BERT(Bidirectional Encoder Representations from Transformers,雙向編碼產生Transformer)模型。裡面的雙向(Bidirectional)，是指BERT是同時使用上文和下文預測單詞，因此 BERT 更擅長處理自然語言理解任務 (NLU)。

註3：本小節要點，GPT基於Transformer，但是相比Transformer又簡化了模型，去掉了Encoder，只保留了Decoder。同時，相較於BERT的上下文預測(雙向)，GPT主張僅使用單字的上文預測單字（單向），從而使模型更簡單、計算更快，更適合於極致的生成，並因此GPT更擅長處理自然語言生成任務(NLG)，也就是我們在AI-001-火爆全網的聊天機器人ChatGPT能做什麼發現的，ChatGPT很擅長寫"作文"、編瞎話。理解本段後，本小節後面的可不看。

註4：從模擬人類來看，GPT的機制得更像真實人類。因為人類也是根據上文(前面說的)來推測下文(即說後面的），所謂說出去的話就像潑出去的水，人類也是沒辦法根據後面說的話，來調整前面說的話的，即使說錯了，惡語傷人心，也只能基說出去的話(上文)補救、解釋。

4.3.1、架構圖比較

下圖為Transfomer模型架構與GPT模型架構的比較（分別來自論文《Attention is all you need》和《Improving Language Understanding by Generative Pre-Training》）

4.4、GPT模型的訓練規模

#在前面提到生成式模式更有利於大數據集的Pre-Training預訓練，那麼GPT使用了多大規模的data set(資料集)呢？

論文中有提到，它採用了一個名為BooksCorpus的資料集，包含了超過7000本未發表書籍。

5、GPT-2(2019年2月)

2019年2月，OpenAI 發布論文《Language Models are Unsupervised Multitask Learners》（語言模型應該是無監督多任務學習者），提出GPT-2模型。論文地址: https://paperswithcode.com/method/gpt-2

5.1、GPT-2模型相比GPT-1的核心變化

前面提到，GPT的核心主張有Generative(生成式)、Pre-Training。同時，GPT訓練有兩步：

1)、大規模自學階段（Pre-Training預訓練,自學1000萬本書，沒有老師）：給AI充足的算力，讓其基於Attention機制，自學。

2)、小規模指導階段(fine-tuning微調，教10本書)：依據10本書，舉一反"三"

GPT-2的時候，OpenAI將有監督fine-tuning微調階段給直接去掉了，將其變成了一個無監督的模型。

同時，增加了一個關鍵字**多任務(multitask)**，這點從其論文名稱《Language Models are Unsupervised Multitask Learners》（語言模型應該是一個無監督多任務學習者）也可看出。

5.2、為什麼這麼調整？試圖解決zero-shot問題

GPT-2為什麼這麼調整？從論文描述來看，是為了嘗試解決**zero-shot(零次學習問題)**。

zero-shot(零次學習)是一個什麼問題呢？簡單可理解為推理能力。就是指面對未知事物時，AI也能自動認識它，即具備推理能力。

比如說，在去動物園前，我們告訴小朋友，像熊貓一樣，是黑白色，並且呈黑白條紋的類馬動物就是斑馬，小朋友根據這個提示，能夠正確找到斑馬。

5.3、multitask多任務如何理解？

傳統ML中，如果要訓練一個模型，就需要一個專門的標註資料集，訓練一個專門的AI。

比如說，要訓練一個能認出狗狗圖像的機器人，就需要一個標註了狗狗的100萬張圖片，訓練後，AI就能認出狗狗。這個AI，是專用AI，也叫single task。

而multitask多任務，就是主張不要訓練專用AI，而是餵取了海量資料後，任意任務都可完成。

5.4、GPT-2的資料和訓練規模

資料集增加到800萬網頁，40GB大小。

而模型自身，也達到最大15億參數、Transfomer堆疊至48層。簡單類比，就像是模擬人類15億神經元（僅舉例，不完全等同）。

6、GPT-3(2020年5月)

2020年5月，OpenAI 發布論文《Language Models are Few-Shot Learners》(語言模型應該是一個少量樣本(few-shot)學習者），提出GPT-3模型。論文地址： https://paperswithcode.com/method/gpt-3

6.1、GPT-3的突破式效果進展

論文中對於效果是這麼描述的:

1、GPT-3在翻譯、問題回答和完形填空中表現出強大的性能，同時能夠解讀單字、句子中使用新單字或執行3位數算訂。

2、GPT-3可以產生新聞文章的樣本，人類已然區分不出來。

如下圖：

6.2、GPT-3比較GPT-2的核心變化

前面提到GPT-2在追求無監督、zero-shot（零次學習），但其實在GPT-2論文中，OpenAI也提出結果不達預期。這顯然是需要調整的，於是GPT-3就做了相關調整。從標題《Language Models are Few-Shot Learners》(語言模型應該是少量樣本(few-shot)學習者)也可看出。

說穿了，zero-shot（零次學習）不靠譜。

並且，在訓練過程中會對比Zero-shot零次學習；One-shot(單一樣本學習)、Few-shot(少量樣本學習)，以及fine-tuning人工微調的方式。

最後在多數情況下，few-shot(少量樣本）的綜合表現，是在無監督模式下最優的，但稍弱於fine-tuning微調模式。

從下述論文表格、圖形中，也可看出few-shot是綜合表現僅弱於fine-tuning微調的。

#6.3、GPT-3的訓練規模

GPT-3採用了過濾前45TB的壓縮文本，過濾後也仍有570GB的海量資料。

在模型參數上，從GPT-2的15億，提升到1750億，翻了110倍以上；Transformer Layer也從48提升到96。

7、Instruction GPT(2022年2月)

2022年2月底，OpenAI 發布論文《Training language models to follow instructions with human feedback》（使用人類回饋指令流來訓練語言模型），公佈Instruction GPT模型。論文地址： https://arxiv.org/abs/2203.02155

7.1、Instruction GPT相比GPT-3的核心變化

Instruction GPT是基於GPT-3的一輪增強優化，所以也稱為GPT-3.5。

前面提到，GPT-3主張few-shot少樣本學習，同時堅持無監督學習。

但是事實上,few-shot的效果，顯然是差於fine-tuning監督微調的方式的。

那麼怎麼辦呢？走回fine-tuning監督微調？顯然不是。

OpenAI給出新的答案： 在GPT-3的基礎上，基於人工回饋(RHLF）訓練一個reward model(獎勵模型),再用reward model(獎勵模型，RM)去訓練學習模型。

天啦嚕，夭壽了。 。要用機器(AI)來訓練機器(AI)了。 。

7.2、Insctruction GPT的核心訓練步驟

Instruction GPT一共有3步：

1)、對GPT-3進行**fine-tuning(監督微調)**。

2)、再訓練一個Reward Model(獎勵模型，RM)

3)、最後透過增強學習優化SFT

值得注意的是，第2步、第3步是完全可以迭代、循環多次進行的。

7.3、Instruction GPT的訓練規模

基礎資料規模同GPT-3（見6.3小節），只是在其基礎上增加了3個步驟（監督微調SFT、獎勵模型訓練Reward Model，增強學習優化RPO)。

下圖labeler是指OpenAI僱用或有相關關係的**標註人員(labler)**。

而customer則是指GPT-3 API的呼叫使用者（即其他一些機器學習研究者、程式設計師等）。

這次ChatGPT上線後據說有百萬以上的用戶，我們每個人都是其customer，所以可以預見，未來GPT-4發佈時，其customer規模至少是百萬起。

8、ChatGPT(2022年11月）

2022年11月30日，OpenAI推出ChatGPT模型，並提供試用，全網火熱。

見：AI-001-火爆全網的聊天機器人ChatGPT能做什麼

8.1、ChatGPT和Instruction GPT

ChatGPT和InstructionGPT本質上是同一世代的，只是在InstructionGPT的基礎上，增加了Chat功能，同時開放到公眾測試訓練，以便產生更多有效標註資料。

8.2、【重要，建議瀏覽下面推薦的影片】從人的直覺理解上，補充解釋一下ChatGPT的核心原理

可參考 台大教授李宏毅的影片《ChatGPT是怎麼煉成的？ GPT社會化過程》，講得很好。

https://www.inside.com.tw/article/30032-chatgpt-possible-4-steps-training

GPT是單向生成，即根據上文產生下文。

比如說有一句話：

給GPT模型給輸入 你好，下面一個字是接你好嗎？你好帥？你好高？你好美？等等，GPT會計算出一個機率，給出最高的那個機率作為答案。

依此類推，如果給予一個指令（或稱為Prompt)，ChatGPT也會依據上文（prompt)進行推論下文（回答），同時選擇一個最大機率的上文來回答。

如下圖：

#9、小結

總結：

1)、2017年，谷歌发布论文《Attention is all you need》，提出Transformer模型，为GPT铺就了前提。

2)、2018年6月，OpenAI发布了GPT生成式预训练模型，通过BooksCorpus大数据集（7000本书）进行训练，并主张通过大规模、无监督预训练（pre-training) 有监督微调(fine-tuning)进行模型构建。

3)、2019年2月，OpenAI发布GPT-2模型，进一步扩大了训练规模(使用了40GB数据集，最大15亿参数(parameters))。同时在思路上，去掉了fine-tuning微调过程，强调zero-shot(零次学习)和multitask(多任务)。但是最终zero-shot效果显著比不上fine-tuning微调。

4)、2020年5月，OpenAI发布GPT-3模型，进一步扩大了**训练规模(使用了570GB数据集，和1750亿参数)**。同时采取了few-shot(少量样本）学习的模式，取得了优异效果。 当然，在实验中同步对比了fine-tuning，比fine-tuning效果略差。

5)、2022年2月，OpenAI发布Instruction GPT模型，此次主要是在GPT-3的基础上，增加了监督微调(Supervised Fine-tuning)环节，并且基于此，进一步加入了Reward Model奖励模型，通过RM训练模型来对学习模型进行RPO增强学习优化。

6)、2022年11月30日，OpenAI发布ChatGPT模型，可以理解为一个多轮迭代训练后的InstructionGPT，并在此基础上增加了Chat对话聊天功能。

10、未来将来(GPT-4 or ?)

从种种迹象来看，GPT-4或许将于2023年亮相？它会有多强大呢？

同时ChatGPT的效果，牵引了业界众多目光，想必接下来更多基于GPT的训练模型及其应用，会更加百花齐放。

未来将来，拭目以待。

部分参考资料

ai.googleblog.com/2017/08/transformer-novel-neural-network.html

https://arxiv.org/abs/1706.03762

https://paperswithcode.com/method/gpt

https://paperswithcode.com/method/gpt-2

https://paperswithcode.com/method/gpt-3

https://arxiv.org/abs/2203.02155

https://zhuanlan.zhihu.com/p/464520503

https://zhuanlan.zhihu.com/p/82312421

https://cloud.tencent.com/developer/article/1656975

https://cloud.tencent.com/developer/article/1848106

https://zhuanlan.zhihu.com/p/353423931

https://zhuanlan.zhihu.com/p/353350370

https://juejin.cn/post/6969394206414471175

https://zhuanlan.zhihu.com/p/266202548

https://en.wiki敏pedia感.org/wiki/Generative_model

https://zhuanlan.zhihu.com/p/67119176

https://zhuanlan.zhihu.com/p/365554706

https://cloud.tencent.com/developer/article/1877406

https://zhuanlan.zhihu.com/p/34656727

https://zhuanlan.zhihu.com/p/590311003

以上是十分鐘理解ChatGPT的技術邏輯及演進（前世、今生）的詳細內容。更多資訊請關注PHP中文網其他相關文章！