Facebook改名Meta后，“財務厄運”并未因此終止，但技 術(shù)作風卻一如既往的大膽。雖然自2022年2月以來，公司股價已下跌30% ，市值損失超過2500億美元。但是，這并沒有影響開發(fā)者們的精神世界與工作動力。本周，來自Meta一小撮程序員的瘋狂舉動，在全球AI開發(fā)者群體中引發(fā)了巨大騷動——

Meta AI 實驗室高調(diào)宣布，將開放自己的語言大模型 OPT(Open Pretrained Transformer，預訓練變換模型)，毫無保留地貢獻出所有代碼。

不夸張地說，在人工智能圈，這算得上是一個里程碑事件。

這個被稱為OPT的大規(guī)模語言模型，自建立以來，各項參數(shù)與能力便精準對標OpenAI 的GPT3，甚至連缺點都是。后者在全球?qū)W術(shù)界建立的赫赫聲望和隨處可見的網(wǎng)絡(luò)小說續(xù)寫作品，想必已不必再過多贅述。

簡而言之，這是一種利用巨量網(wǎng)絡(luò)文本與書籍進行訓練，可以將單詞和短語串在一起組成精彩文本的深度學習算法模型。

它能生成復雜句子，有時候甚至讀起來與人類撰寫毫無無異(想粗淺了解GPT，可以看這篇《讓00后瘋狂的超級算法》)。某種程度上，它所具備的神奇人工文本模仿能力，被視為人類通往真正機器智能道路上的一個巨大突破口。

然而，“培育”大模型的代價，是昂貴的人力成本與成千上萬塊顯卡。因此，許多學者都認為，把這種大模型開放出來，幾乎不可能發(fā)生在“游走在壟斷邊緣”的大型科技公司身上。

譬如，OpenAI 的GPT3曾被專家粗略估算過，至少投入了1000萬美元。他們后來為了擺脫入不敷出的現(xiàn)狀，將GPT3作為一項付費服務來推廣——只提供API，但不會開放模型本身和底層代碼。

然而，Meta表示，會把不同參數(shù)規(guī)模的訓練模型以及“OPT如何建造和訓練”的詳細信息分發(fā)給研究人員。

其中，也包括一份超過100頁的算法訓練日志——實驗室記錄下的每一個錯誤與崩潰現(xiàn)象，訓練和添加數(shù)據(jù)的過程，以及有效與無效策略。

“考慮到計算成本，如果沒有大量資金，這些模型很難復制。對于少數(shù)通過api可調(diào)用的模型(這里暗指GPT3)，如果不能獲得完整的模型權(quán)重，就難以進行研究。”他們在OPT的論文摘要里鮮明表達了態(tài)度，

“因此，我們推出了OPT(這是一個只有解碼器的預訓練變換模型)，參數(shù)范圍從125M到175B，目標是全面且負責任地分享給感興趣的研究人員。”

“是真的開放。”

一位“正準備去看看他們實現(xiàn)情況”的中國開發(fā)者查閱了Meta AI網(wǎng)站后，告訴虎嗅，這的確是一個好消息。“從現(xiàn)有數(shù)據(jù)來看，整個訓練代碼都被貼出來了。Meta很了不起。”

擅用集體力量

這一次開源，毫無意外受到了學術(shù)界的高度認可，甚至有科學家稱其是一個偉大的舉動。

究其原因，一方面，一項強大技術(shù)，如何在一個封閉的企業(yè)精英團隊中誕生，一直是包括學界在內(nèi)大眾好奇的焦點;

另一方面，“開源”的優(yōu)勢在于利用集體力量來解決問題，因此長期被硅谷的有識之士所倡導——更多人參與進來，技術(shù)突破便來得越快，漏洞便填得越快。

盡管大部分人幾乎只記住了GPT3(因為它是迄今為止最好的“通才”)，實際上，除了Meta，Google、微軟都曾在2020年都推出過相似的大模型，但由于都是“關(guān)起家門”做私密研究，因此在“透明度”方面飽受詬病。

譬如，2021年的“Google人工智能倫理學科學家辭退事件”便引發(fā)了長達一年的“批判海嘯”，而這一切都是因一篇探討“語言大模型暗藏重大隱患”的論文而起。

沒錯，GPT3們不僅缺陷多多，而且非常致命。盡管多數(shù)責任應歸咎背后的人類文本。

創(chuàng)業(yè)公司 Latitude 曾在2019年推出過一款基于GPT3開發(fā)的半開放冒險游戲 AI Dungeon。但沒想到，隨著用戶增多，OpenAI監(jiān)測到，有玩家竟然利用這項高階技術(shù)，自發(fā)生成兒童性愛場景。

雖然用戶利用GPT3生成的污言穢語也曾遭遇過廣泛抨擊，但這件事仍然讓大眾嘩然。這也是外界第一次意識到，GPT3這類大模型更為深刻的陰暗面。因此，Latitude增加了審核系統(tǒng)，但卻引發(fā)了與用戶體驗相關(guān)的一系列麻煩。

然而，“越是危險，越不能回避危險”。這也是Facebook自稱選擇開放的關(guān)鍵原因之一。

Meta AI 負責人Joelle Pineau承認，團隊解決不了所有問題，包括文本生成過程中的倫理偏見和惡毒詞句。因此，他們誠邀天下豪杰，共同學習;而實際上，這也是一種彼此監(jiān)督。

“我認為，建立信任的唯一途徑是極端透明。”

我們查看了Meta提供的下載通道，發(fā)現(xiàn)實驗室根據(jù)每個模型的參數(shù)規(guī)模設(shè)立了不同的下載條件：300億參數(shù)以下可隨意;而1750億參數(shù)值模型，也就是與GPT3大小相同的OPT，則需要填寫申請表證明用于非商業(yè)用途，獲得批準后方可下載。

翻過大山，仍然是山

當然，理論上這個做法是可圈可點的，但一個更大的問題出現(xiàn)了：如果你要使用這個1750億參數(shù)值的大模型，就意味著你的計算機要帶得動它。

換句話說，你需要擁有足夠的算力，這里可以直接換算成“財力”。

“一個參數(shù)如果是FP32，也就是4個字節(jié)大小。而1750億參數(shù)值則相當于7000億字節(jié)，大約700G顯存空間。而現(xiàn)在一張普通顯卡是20GB。” 一個開發(fā)者向虎嗅稱贊了Meta的做法，但他認為，對于普通開發(fā)者群體，該模型仍然是不可承受之重。

“雖然可以把不同參數(shù)放在不同顯卡里的框架里，但據(jù)個人體驗，目前仍然欠缺開源成熟的框架。”

因此，截至目前，這個開源大模型，仍然是屬于大型科技公司、擁有充足資金的大型實驗室與學術(shù)機構(gòu)的“內(nèi)部游戲”。

曾有家嘗試做中國版GPT3的創(chuàng)業(yè)公司嘆息說，他們也在想方設(shè)法實現(xiàn)GPT3可以實現(xiàn)的文字能力，但的確掣肘于有限算力。

事實上，除了巨頭，GPT3一直難以解決的商業(yè)化難題，是讓絕大部分企業(yè)呈觀望之勢的根本原因。盡管大型語言模型已成為過去幾年來人工智能領(lǐng)域最熱門的趨勢之一。但至少目前來看，除了品牌營銷優(yōu)勢，OpenAI 的投入產(chǎn)出比，很不盡如人意。

此外，在西方社會普遍認知中，比起技術(shù)突破，它們帶來的巨量能源消耗更是一種原罪。

科學家Emma Strubell與合作者在2019年發(fā)表的論文，就揭露了大型語言模型在碳排放上超乎想象的環(huán)境破壞力(上圖)。

他們發(fā)現(xiàn)，用一種神經(jīng)結(jié)構(gòu)搜索方法(NAS)訓練出的特定語言模型，可產(chǎn)生284噸(626155磅)，上圖)二氧化碳，這大約是5輛小轎車長達5年的排放總量;

而Google搜索引擎的基礎(chǔ)——BERT語言模型訓練，則產(chǎn)生了0.65噸二氧化碳，Strubell提醒，這相當于一個乘客從紐約到舊金山往返航班的碳排放量。

更需要注意的是，這些數(shù)字都應被視為“最保守數(shù)值”：只是在一次性訓練中的模型成本。

因此，考慮到能源效率與環(huán)境成本，西方不少科學家與開發(fā)者認為，某種程度上，大模型的訓練開發(fā)也是在允許大型企業(yè)掠奪著環(huán)境資源，而這些成本，將會平攤在所有人身上。因此，他們并不希望企業(yè)加入到大模型隊列中。

“盡管是無意識的，但這只會加大對邊緣人群的打擊。”

開源商業(yè)回報，巨大且無形

很多時候，人們會對開源模式發(fā)出這樣的質(zhì)疑：

有什么能比“兩個來自競爭對手公司的員工，可以為同一個目標協(xié)作，還免費送出自己成果”更不可思議的事情?

譬如，可能連小學生都清楚的Android系統(tǒng)，就是基于開源的Linux操作系統(tǒng)。這意味著，任何人都可以查看絕大多數(shù)Android手機的核心代碼，修改并分享它。

事實上，“開源”正是為不同利益群體，提供一種“利遠大于弊”的長期技術(shù)合作方式——你增加的獨特元素我能使用，那么我迭代的版本你也不會錯過。

這種“互利”態(tài)度，讓看似不可思議的“協(xié)作”成為可能，經(jīng)過100多年來的反復修正，早已成為一種常態(tài)。如今，Linux 就是由全世界超過15000名程序員共同開發(fā)和維護。

而在人工智能領(lǐng)域內(nèi)，最有名的案例則是Google的深度學習開源框架Tensorflow。它已是開發(fā)人工智能應用程序的標準框架之一。非常有趣，當Tensorflow在2015年開源時，外界也是發(fā)出了跟這次Meta開源大模型同樣的疑問：

作為開放者，Google為什么要放棄對自己搜索業(yè)務如此重要的東西?

一部分原因上面講過——外部開發(fā)人員把軟件做的更好，該軟件就能適應Google未來商業(yè)化的很多需要。就像當下，大模型商業(yè)化還尚不明朗，那么前期工作的開放性與主導性，就變得至關(guān)重要。

根據(jù)Google自己公布的數(shù)據(jù)，已有超過1300名外部人員在TensorFlow上幫助升級迭代。而完善后的Tensorflow，則為Google云上的相關(guān)付費服務輸送了強力支持。

另外，我們永遠不要小看開源軟件為企業(yè)帶來的巨大營銷價值。

它最一流的“帶貨效果”，便是吸引和留住一眾頂尖人才，不知道為大廠省下多少高昂的人力資本。這也與當下Meta開始收縮招聘規(guī)模的現(xiàn)狀，做了完美呼應。

當然，優(yōu)秀開源軟件打的時間差和聚攏效應，將會使后來者很難在短時間內(nèi)形成氣候，Tensorflow與一眾國產(chǎn)深度學習開源框架的往事就是最好的例子。

因此，Meta這一決定，將會讓OpenAI陷入一個尷尬的境地——雖然名聲很大，但它畢竟是一家創(chuàng)業(yè)公司。從另一個角度看，在尋找商業(yè)落地的過程中，大廠通過開放、免費等手段遏制對手，取得勝利，這種事情似乎永遠都在發(fā)生。

但好處在于，這會讓一家公司意識到，在商業(yè)世界，沒有一分鐘時間可用來頓足，絕不能停下創(chuàng)新的狂奔步伐——近期他們發(fā)布的達利系統(tǒng)第二代，也許是以GPT3為跳板，向文字與視覺融合方向躍升的最好標志。

關(guān)鍵詞： 人工智能 開發(fā)者工具 開源語言大模型 深度學習算法