大模型似乎沒那么“熱”了。今年6月，ChatGPT訪問量環(huán)比下滑9.7%，為其推出以來首次下滑。從全球范圍看，盡管不斷有企業(yè)發(fā)布或更新大模型，但媒體和公眾似乎沒那么“上頭”了。在昨天舉行的2023世界人工智能大會青年優(yōu)秀論文獎頒獎儀式暨青年科學(xué)家論壇上，復(fù)旦大學(xué)計算機(jī)科學(xué)技術(shù)學(xué)院教授邱錫鵬直言，雖說是“百模大戰(zhàn)”，但各家大模型之間同質(zhì)化嚴(yán)重，實質(zhì)性的創(chuàng)新比較少。事實上，大模型遠(yuǎn)未到變成一個單純的工程問題的時候，距離人們理想中的通用人工智能，其本身還有許多科學(xué)問題亟待解決。

“百模大戰(zhàn)”其實是“一張臉”

“大模型還有科學(xué)價值嗎？”邱錫鵬在開場白中似乎就給大模型澆了一盆冷水。大模型的爆火并非偶然，是幾十年科研不斷推進(jìn)的結(jié)果，但在ChatGPT爆火后，一個明顯的變化是這一領(lǐng)域中科學(xué)進(jìn)步少了，大家都寄希望于通過工程手段“大力出奇跡”。

(資料圖)

比如，現(xiàn)在幾乎所有的大模型預(yù)訓(xùn)練都基于Transformer架構(gòu)，這固然是一個非常好用的架構(gòu)，但其弊端也愈發(fā)顯現(xiàn)，它所耗費的計算資源非常龐大，需要超級算力的支撐。

另外，生成范式成為主流，這使得想要使用大模型，就必須將自己的任務(wù)變成生成式的，即便是那些非常復(fù)雜的結(jié)構(gòu)化預(yù)測問題也都要用生成式方法解決。甚至，連生成式范式也在趨向統(tǒng)一，原先還有Seq2Seq（一種用于序列到序列的深度學(xué)習(xí)模型）和LM（語言模型）兩大類，現(xiàn)在只剩下后者。

而且，研究領(lǐng)域也在萎縮。邱錫鵬說，以自然語言處理（NLP）為例，2015年之前，這個領(lǐng)域還有多個不同方向，比如對話、問答、機(jī)器翻譯等，那時的學(xué)者各自有著自己的研究，并從別的研究領(lǐng)域中獲得靈感，而現(xiàn)在大家都涌向大語言模型這條單一賽道。

大模型面臨“十大科學(xué)挑戰(zhàn)”

盡管大模型展現(xiàn)出通往通用人工智能的潛力，但這條路并不好走。邱錫鵬列出了大模型亟需解決的“十大科學(xué)挑戰(zhàn)”，包括架構(gòu)設(shè)計、思維鏈、幻覺、多模態(tài)延展、自動化評價、平民化等。其中，大模型的架構(gòu)創(chuàng)新是當(dāng)務(wù)之急。邱錫鵬說，大模型之所以稱為大模型，是因為其龐大的數(shù)據(jù)量使其擁有了涌現(xiàn)的能力，雖然人們至今不知道涌現(xiàn)是如何發(fā)生的，但是否有涌現(xiàn)是區(qū)別大模型與小模型的主要特征。換言之，想要大模型更智能，繼續(xù)擴(kuò)大其規(guī)模是一條顯而易見的路。

但是，當(dāng)下主流的Transformer架構(gòu)已經(jīng)制約了模型的進(jìn)一步擴(kuò)大。這是因為Transformer的復(fù)雜度是輸入字符長度的平方級，每多輸入一個字符，計算量就會以指數(shù)級增長。因此，“只有找到更高效的新架構(gòu)，才能支持未來模型規(guī)模的進(jìn)一步擴(kuò)張。”

另一個對大模型發(fā)展至關(guān)重要的問題是評價體系。盡管當(dāng)下有許多測評大模型優(yōu)劣的榜單，但業(yè)內(nèi)對此并沒有形成統(tǒng)一標(biāo)準(zhǔn)。而且對于擅長“刷題”的大模型來說，很多數(shù)據(jù)集上的表現(xiàn)已不足以衡量其真實能力。

顛覆性創(chuàng)新常在“冷門”處

深入研究創(chuàng)新規(guī)律不難發(fā)現(xiàn)，越是扎堆的“熱門”圈子，往往難出顛覆性創(chuàng)新成果，ChatGPT本身就是個“冷門選手”爆火的案例。在其火遍全球之前，在大語言模型領(lǐng)域，谷歌的“理解與生成相結(jié)合”的路線是絕對的主流，在這種情況下，研發(fā)ChatGPT的OpenAI公司仍然選擇堅持走自己的路。

現(xiàn)在，原本默默無聞的生成式AI成為了“頂流”。當(dāng)人們一哄而上投入其中時，仍有一部分人還在堅持以IBM沃森機(jī)器人為代表的“AI符號主義”技術(shù)路線。以“爆款”常偏愛“冷門”的創(chuàng)新規(guī)律來看，或許未來的“核爆點”會獎勵默默堅持的“少數(shù)派”。

事實上，獲得今年世界人工智能大會最高獎項SAIL獎（卓越人工智能引領(lǐng)者獎）的論文《機(jī)器學(xué)習(xí)結(jié)合阻抗譜技術(shù)預(yù)測鋰電池老化》，就不是一個關(guān)于大模型的研究。文章作者、中山大學(xué)物理學(xué)院副教授張云蔚說，她只采集了2萬個電化學(xué)阻抗譜，就實現(xiàn)了AI精準(zhǔn)建模。比起海量數(shù)據(jù)，更重要的是思路。就是這樣一個小模型，將過去需要花費幾天才能實現(xiàn)的電池壽命預(yù)測縮短到了15分鐘，且檢測精度是原來的10倍。

在大模型爆火的半年多時間里，大家似乎形成了一種共識，即只有資金雄厚和數(shù)據(jù)儲備充足的大廠才有進(jìn)軍大模型的資格。對此，邱錫鵬認(rèn)為，大模型還有大量科學(xué)問題需要攻關(guān)，這些問題除了預(yù)訓(xùn)練階段需要耗費大算力外，在對齊、指令微調(diào)等方面所需的算力并不高。而隨著算法的優(yōu)化，3090顯卡足以能完成大模型的研究，這是一條小公司也能“出奇跡”的賽道。（記者 沈湫莎）

編輯：王韻

標(biāo)簽：