GPT 是如何诞生的

 欢迎访问chatgpt中文教程网，学习chatgpt相关知识，以下是正文内容：

这是 OpenAI 的创始人之一 Andrej Karpthy 在微软 Build 2023 开发者大会上做的专题演讲《State of GPT》的一些笔记，主要是讲述了 GPT 是如何训练出来的。

通篇看完 GPT 的训练过程，给我的第一感觉是数据质量很重要，GPU数量也很重要，另外有大量的时间去迭代也很重要。后面将是大公司的游戏，创业公司很难参与进来。

但是我不理解的是，GPT依然是基于概率去生成文本的，为什么看起来就很智能了呢？Andrej Karpthy给出的答案是，GPT引入了人类的判断力，从而有了人的一部分智能。但是之前的算法模型也引入了人类标记的数据，这些人类标记的数据也带着人类的判断力，按理来说，也应该表现的有“智能”，然而在GPT之前，聊天机器人只能被称之为：人工智障。

或许就是所谓的大力出奇迹，数据量上去了，大模型就会表现出足够的智能了？

不过看完GPT的训练过程，我也理解了为什么GPT无法完成一个任务的拆分，但是对小任务完成的很好，例如它不能做到从零开始写一个斗地主游戏，但是它能很好的写出斗地主游戏里的每一个函数，这是它的训练方式所限制的。

最后的最后，GPT依然不会替代数学、物理这些充满逻辑性的学科，它究其根本还是一个搜索引擎，当然这已经足够开启下一次工业革命了。

这是GPT的训练流程，分为了四个步骤：预训练、有监督的微调、奖励建模、强化学习。花费时间最多和使用GPU数量最多的阶段是预训练，在每一个训练阶段都有相应的数据集去support。

可惜没有GPT-4的信息，不知道它是如何做到的，毕竟GPT-4和GPT-3在准确率上差了可不少。

这张图非常有趣，它表示即使是从完全随机的权重开始（完全随机的输出结果），经过不断的迭代训练后，也能得到有意义的结果。

题外话：数学真是神奇啊。

相比于之前要做一个基于文本信息的情感分类算法模型，需要专门进行标注数据，然后进行训练，有了大模型以后，就不需要专门标注数据，只需要对大模型进行预训练和transfomer，然后再通过几个例子进行微调就能获得很好的效果。

题外话：大模型一出，很多NLP领域没有意义了。毁灭你，与你无关啊。

使用提示词去训练模型比微调效果更好。

下面是一张很出名的大模型进化路线。谷歌和GPT从2018年开始选择了两条不同的路线，最终证明GPT的路线是正确的。

在完成基础模型之后，它还不是一个完整的人工智能助手，基础模型只能不断的根据你提供的句子去进行补全。所以需要提示词工程去让基础模型回答问题。

在这个阶段只需要少量的高质量数据，算法没有做任何改变，只是改变了一个训练集。也就是说，在预训练阶段可以不要求那么高质量的训练数据集，到了有监督的微调阶段就需要高质量数据集了。

接下来就是RLHF阶段了，包括奖励建模和强化学习两个阶段。 

可以理解为奖励建模和强化学习就是人类给机器输出的结果打分，借助人类的判断力让机器学习。通过不断的提示和批次的迭代，从而让大模型获得一个好的输出结果。

基础模型就是完成预训练和有监督微调后的模型，SFT模型就是继续完成奖励建模阶段的模型，RLHF模型就是全部完成四个阶段，包括强化学习的模型

RLHF模型会比其它没有完整接受这四个阶段的模型效果要好。至于为什么要好，演讲者给出了他的猜测：

演讲者会更喜欢基础模型生成的东西，因为它的随机性更强，而经过奖励建模和强化学习后的模型，会丢失很多随机性（熵）。

最后是基础模型的排名：

参考链接：

1. https://mp.weixin.qq.com/s/zmEGzm1cdXupNoqZ65h7yg

2. https://www.bilibili.com/video/BV1ts4y1T7UH