0
| 本文作者： 我在思考中 | 2022-04-11 10:49 |
Transformer的提出距離我們已經(jīng)有5年的時(shí)間，隨著模型規(guī)模的不斷增長(zhǎng)，性能提升也逐漸出現(xiàn)邊際效益遞減的情況。如何訓(xùn)練出最優(yōu)性能的大模型？
最近，DeepMind做了一項(xiàng)調(diào)查，想弄清AI語(yǔ)言模型的規(guī)模和token之間的關(guān)系。這個(gè)小組訓(xùn)練了超過400個(gè)模型，規(guī)模從7000萬(wàn)參數(shù)到160億參數(shù)不等，token數(shù)量從50億到5000億不等。
該小組發(fā)現(xiàn)，模型參數(shù)大小和token的數(shù)量成正相關(guān)，換句話說(shuō)，當(dāng)模型規(guī)模加倍的時(shí)候，token也應(yīng)該加倍。
目前確實(shí)是大模型時(shí)代，自從1750億參數(shù)的GPT-3橫空出世時(shí)，勾起了研究員的興趣。近兩年的時(shí)間，業(yè)界陸續(xù)推出了好幾個(gè)模型，且一個(gè)比一個(gè)大，并且在多數(shù)任務(wù)上獲得了令人令人深刻的性能。
但這種超越認(rèn)知的性能表現(xiàn)，是以巨大的計(jì)算和能源消耗為代價(jià)，業(yè)界也一直在討論這種代價(jià)是否值得。例如前谷歌研究員Timnit Gebru就曾撰寫論文討論“AI 語(yǔ)言模型是否太大以及科技公司在降低潛在風(fēng)險(xiǎn)方面做得是否足夠。”她也因?yàn)樵撜撐谋还雀杞夤汀?/span>
大模型的訓(xùn)練預(yù)算一般是提前計(jì)劃好的，畢竟訓(xùn)練一次成本太大。因此，在給定預(yù)算的條件下，準(zhǔn)確估計(jì)最佳模型超參數(shù)變得非常關(guān)鍵。之前，也有學(xué)者已經(jīng)證明參數(shù)的數(shù)量和自回歸語(yǔ)言模型（autoregressive language model）的性能之間存在冪律關(guān)系。
例如先前的研究表明，10倍計(jì)算預(yù)算對(duì)應(yīng)增加5.5倍模型規(guī)模，以及1.8倍的token數(shù)量。但這項(xiàng)研究表明：模型大小和token的數(shù)量應(yīng)該成等比例增長(zhǎng)。
此外，研究員還預(yù)測(cè)，對(duì)于訓(xùn)練Gopher（2800億個(gè)參數(shù)的語(yǔ)言模型），最佳模型應(yīng)該小4倍，并且應(yīng)該在大4倍的token上進(jìn)行訓(xùn)練。這一預(yù)測(cè)，在包含1.4萬(wàn)億個(gè)token的 Chinchilla中的訓(xùn)練得到驗(yàn)證。Chincilla的性能優(yōu)于Gopher，由于模型規(guī)模減小，推理成本也更低。
大模型只有在大數(shù)據(jù)集上才能發(fā)揮最大的效力，同時(shí)，DeepMind也注意到，處理大數(shù)據(jù)集時(shí)需要格外小心，訓(xùn)練集和測(cè)試集的合理劃分，才能最小化語(yǔ)言建模損失以及最優(yōu)賦能下游任務(wù)。
研究界必須考慮與此類大型模型相關(guān)的倫理和隱私問題。正如過去所討論：從網(wǎng)絡(luò)上收集的大型數(shù)據(jù)集包含有毒的語(yǔ)言、偏見和私人信息。
關(guān)于大模型如何更高效的問題，近日，清華大學(xué)劉知遠(yuǎn)從模型架構(gòu)層面也提出了看法《清華劉知遠(yuǎn)：大模型「十問」，尋找新范式下的研究方向》，他表示：
隨著大模型越變?cè)酱螅瑢?duì)計(jì)算和存儲(chǔ)成本的消耗自然也越來(lái)越大。最近有人提出GreenAI的概念，即需要考慮計(jì)算能耗的情況來(lái)綜合設(shè)計(jì)和訓(xùn)練人工智能模型。面向這個(gè)問題，我們認(rèn)為，隨著模型變大，AI會(huì)越來(lái)越需要跟計(jì)算機(jī)系統(tǒng)進(jìn)行結(jié)合，從而提出一個(gè)更高效面向大模型的支持體系。一方面，我們需要去建設(shè)更加高效分布式訓(xùn)練的算法，在這方面國(guó)內(nèi)外都有非常多的相關(guān)探索，包括國(guó)際上比較有名的DeepSpeed 以及悟道團(tuán)隊(duì)在開發(fā)的一些加速算法。
另一個(gè)方面，大模型一旦訓(xùn)練好去使用時(shí)，模型的“大”會(huì)讓推理過程變得十分緩慢，因此另外一個(gè)前沿方向就是如何高效將模型進(jìn)行盡可能的壓縮，在加速推理的同時(shí)保持它的效果。這方面的主要技術(shù)路線包括剪枝、蒸餾、量化等等。同時(shí)最近我們發(fā)現(xiàn)，大模型里面具有非常強(qiáng)的稀疏發(fā)放的現(xiàn)象，這對(duì)于模型的高效壓縮和計(jì)算有著非常大的幫助，這方面需要一些專門算法的支持。
雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))
