「炫富」的GPT-3来了：45TB数据，1750亿个参数，还会三位数加减法

鱼羊 发自 凹非寺量子位 报道 | 公众号 QbitAI

那个语言模型又迭代了，现在有1750亿个参数。

这个让英伟达狂喜，让调参师流泪的数字来自OpenAI，史上最大AI语言模型——

GPT-3。

单单论文就有72页。

OpenAI表示，通过GPT-3，他们证明了无需梯度更新，无需微调，规模更大的语言模型就可以大大改善无关任务和小样本（few-shot）学习的性能，达到最先进微调方法的水准。

在部分任务中，甚至超越了最先进微调方法。

不仅如此，这个语言模型，还能做加减法。

GPT-3是什么

不妨先来看看GPT-3的实际表现。

比如，先告诉GPT-3这样一个示例：

“whatpu”是坦桑尼亚的一种小型、毛茸茸的动物。一个使用whatpu造句的例子是：我们在非洲旅行时，看到了非常可爱的whatpu。

此后不再给GPT-3任何特定任务提示，就向它抛出问题：

“Burringo”是指加速度非常快的汽车。一个使用Burringo造句的例子是：

GPT-3造出的句子是这样的：

在我们的车库里有一辆Burringo，我爸天天开着它上下班。

至于编故事的能力，在500个词的情况下，人类判断出其为AI生成的概率仅为52%。在最佳案例中，判断准确率甚至降到了12%。

能自己编故事、纠正英语语法，甚至，GPT-3还学会了3位数基本运算。

表中，{2,3,4,5}D{+,-}表示2、3、4、5位数加法或减法，2Dx代表2位数乘法，1DC代表1位数复合运算。

无需微调

前文也说到了，达到这样的效果，不需要梯度更新，不需要微调。只需要指定任务、展示少量演示，来与模型文本交互，就能使其完成任务。

这样一来，一方面，对于新任务，就不需要重新收集大量带标签的数据。

另一方面，可以避免微调阶段出现过拟合，导致模型泛化能力下降的问题。

而实现的关键，总结起来就是：大力出奇迹。

不仅模型尺寸增大到了1750亿，数据量也达到了45TB。V100嘛，是“微软提供的高带宽群集中的V100 GPU”。

研究人员将预训练模型在三种不同的设置下进行了探索。

本文的重点放在零样本、单样本和小样本学习上。研究人员没有对GPT-3进行微调，不过，论文谈到，原则上是可以微调GPT-3的。

模型与架构

具体到模型与架构，研究人员采用了与GPT-2相同的模型和架构，不过，在tranformer各层中使用了交替稠密（alternating dense）和局部带状稀疏注意力（locally banded sparse attention）模式，类似于Spare Transformer。

GPT-3的影响

知乎问题「如何评价1700亿参数的GPT-3」 的标签，已经透露出玄机。

知乎用户CloudySky就说，看了GPT-3，再看看自己 i9+2080ti+2TB 硬盘的台式，想想有空还是打开steam，趁打折多买几个3A大作比较合适。

他还发出了灵魂一问：

有见过人用窜天猴去调试火箭发射井嘛？

复旦邱锡鹏教授则认为，Pretrain+finetune仍然会是未来几年的主流。

虽然如此恐怖的计算成本让人有些望而却步，但EECVC联合创始人Dmytro Mishkin认为：

按10年前的标准，ResNet50的计算代价也是令人望而却步的，但事实证明它们的存在是必要的。

也有网友表示：

GPT-3可能还是无法帮助OpenAI盈利，也无法直接上线显著造福网民，但是从中积累的大模型训练经验是OpenAI及其背后的微软Azure一笔巨大的财富。这就像，人类登上火星/月球可能并不能带来直接的资源收益，但是从中积累的科学技术却可以推动人类社会的发展。做NLP，虽然有了资源不一定行，但是没有资源现在肯定是不行了。

不管怎么说，看到这GPU熊熊燃烧的场面，想必老黄已经乐开了花。

目前，GPT-3尚未开源，可以期待一下，OpenAI这回会挤多久牙膏了。

参考链接

论文地址：https://arxiv.org/abs/2005.14165GitHub地址：https://github.com/openai/gpt-3https://zhuanlan.zhihu.com/p/144597974https://www.zhihu.com/question/398114261/answer/1254053398https://www.zhihu.com/question/398114261/answer/1254692810

— 完 —