2022 年 12 月，ChatGPT 橫空出世。OpenAI 用一個核彈級的成果改變了科學研究和工程應用的范式。在中國，ChatGPT 受到了廣泛的關(guān)注與深刻的討論。在過去的一個月里，我走訪各大高校，研究院，大廠，創(chuàng)業(yè)公司，風投；從北京到上海到杭州到深圳，跟所有頭部的玩家們?nèi)苛牧艘槐椤he Game of Scale 在中國已然拉開，風暴中心的玩家們，在已知國內(nèi)技術(shù)和生態(tài)與世界前沿的巨大鴻溝下，如何做成這件事？誰能做成這件事？

秦失其鹿，天下共逐之。    ———    《史記?淮陰侯列傳》

目錄

一、三種不同的答案

我每接觸到一個創(chuàng)業(yè)公司，都會問同一個問題：“ChatGPT 在那里，你們想做什么？” 我大概能收到三種不同的答案。第一個答案很明確，要做中國的 ChatGPT。

1.1 做中國的 ChatGPT

因為它就在那里，所以想要復現(xiàn)，想要國產(chǎn)化。這是很經(jīng)典的產(chǎn)品導向中文互聯(lián)網(wǎng)思維。這種思路也是過去二十年，中文互聯(lián)網(wǎng)常見的商業(yè)模式：首先硅谷做出來一個東西，然后我們把它抄過來。

但這里的問題是，首先，ChatGPT 可不像打車軟件，復現(xiàn)難度完全不可同日而語。光從人的角度看，GPT 的產(chǎn)生，是這個世界上最頂尖的科學家和工程師們從 2015 年開始就不斷研究的結(jié)果。OpenAI 的首席科學家， Ilya Sutskever^[1]，深刻地相信 AGI 一定能實現(xiàn)。作為圖靈獎得主 Geoffery Hinton 的大弟子，從 2007 年就開始研究深度學習。他的 citation 有 37 萬，發(fā)過的文章精準踩中了過去十年 Deep Learning 的所有關(guān)鍵節(jié)點。即使是如此強大的團隊，從 GPT 2 到 GPT 3.5 也花了四年的時間，它的科學與工程的難度可想而知。

同時，初代 ChatGPT，是 OpenAI 在 GPT 3.5 的基礎(chǔ)模型上，花了兩星期時間對著 dialog 做 finetuning 之后隨手扔出來的 demo。這里真正強的并不是 ChatGPT 這一個產(chǎn)品，而是底下的 GPT 3.5 基礎(chǔ)模型。這個模型還在不斷地演化，GPT 3.5 系列在 2022 年更新了三個大版本^[2]，每個大版本都顯著強于前一個版本；同樣地，ChatGPT 發(fā)布兩個月一共更新了四個小版本^[3]，每個小版本都在單個的維度上比前一個版本有著明顯的改進。OpenAI 的所有模型都在持續(xù)不斷的演化，隨時間推移越來越強。

這也就意味著，如果只盯著當前 ChatGPT 這一個產(chǎn)品看，無異于刻舟求劍。當 ChatGPT 出現(xiàn)的時候，它對已有的語音助手們形成了降維打擊；如果看不到基礎(chǔ)模型的演化，即使花個一兩年辛辛苦苦做出一個類似的東西，那時候 OpenAI 的基礎(chǔ)模型也在繼續(xù)變強，如果他們接著產(chǎn)品化，以新的更強的基礎(chǔ)模型 finetune 到一個更強的產(chǎn)品，難道要再被降維打擊一次嗎？

刻舟求劍的做法是行不通的。

1.2 做中國的 OpenAI

第二種答案是，要做中國的 OpenAI。給出這個答案的玩家，跳出了經(jīng)典中文互聯(lián)網(wǎng)產(chǎn)品思維。他們不止看到單個產(chǎn)品，而且還看到了這個產(chǎn)品背后，基礎(chǔ)模型不斷演化的強大驅(qū)動力，來源于尖端人才的密度和先進的組織架構(gòu)。

• 尖端人才的密度：不是一個人集資源帶隊然后把任務按層級打包分配給底下的人，而是一群頂級的集 science 和 engineering 于一身的人們共同協(xié)作。
• 先進的組織架構(gòu)：Language 團隊與 Alignment 的團隊相互合作迭代，然后底下 scaling 團隊和 data 團隊幫忙提供基礎(chǔ)設(shè)施，每個 team 都非常小，但目標明確路徑清晰，高度集中資源，朝著 AGI 進發(fā)

所以，如果要做這件事情，不只要看到產(chǎn)品，還要看到它背后的人才團隊和組織架構(gòu)；按稀缺程度排名的話，人 >> 卡 >> 錢。

但這里的問題是，不同的土壤對創(chuàng)新的鼓勵程度是不一樣的。在 OpenAI 剛創(chuàng)立的 2015 年，它的投資者們都相信 AGI ，即使當時看不到什么盈利的點。現(xiàn)在 GPT 做出來了，國內(nèi)的投資者們也都信了 AGI，但相信的點或許也不一樣：到底是信 AGI 能掙錢，還是信 AGI 能推動人類發(fā)展？

更進一步地，即使 OpenAI 就產(chǎn)生在這里，明天就出現(xiàn)，但他們跟微軟達成的 deal，能否跟國內(nèi)的云計算廠商達成呢？大模型的訓練和推理都需要極大的成本，需要一個云計算引擎作為支撐。微軟可以傾盡所有，讓整個 Azure 給 OpenAI 打下手^[4]，這個換到國內(nèi)，阿里云有可能給一個創(chuàng)業(yè)公司打下手嗎？

組織架構(gòu)很重要，只有尖端的人才和先進的組織架構(gòu)才能推動智能的不斷迭代與進化；但它同樣需要跟所在的土壤做適配，尋找可以 flourish 的方法。

1.3 探索智能的極限

第三種答案是，要探索智能的極限。這是我聽到的最好的答案。它遠超刻舟求劍式的經(jīng)典互聯(lián)網(wǎng)產(chǎn)品思維，也看到了組織架構(gòu)和尖端人才密度的重要性，并且更重要地是它看到了未來，看到了模型演化與產(chǎn)品迭代，思考著如何把最深刻，最困難的問題用最創(chuàng)新的方法來解決。

這就涉及到了思考大模型的極限思維。

二、極限思維

觀察現(xiàn)在的 ChatGPT / GPT-3.5 ，它明顯是一個中間狀態(tài)，它還有很多顯著可以加強，并且馬上就能加強的點，包括：

• 更長的輸入框：開始的時候，GPT 3.5 的上下文最長到八千個 token；現(xiàn)在的 ChatGPT 上下文建模的長度似乎已經(jīng)過萬。并且這個長度明顯可以接著增長，在融入 efficient attention^[5] 和 recursive encoding^[6] 的方法之后，context length 應該可以接著 scale 到十萬，甚至百萬的長度
• 更大的模型，更大的數(shù)據(jù)：模型的大小還沒有到極限，MoE 可以接著把模型 scale 到 T 的量級^[7]；數(shù)據(jù)的大小還沒有到極限，人類反饋的數(shù)據(jù)每天都在增長
• 多模態(tài)：在增加了多模態(tài)數(shù)據(jù)（音頻，圖片），特別是視頻數(shù)據(jù)之后，總體與訓練數(shù)據(jù)的大小可以再增大兩個量級，這個可以讓已知的能力接著按 scaling law 線性增加，同時還有可能繼續(xù)出現(xiàn)新的涌現(xiàn)能力。比如可能模型在看過各種幾何形狀的圖片，以及看過代數(shù)題之后，或許會自動學會做解析幾何。
• 專業(yè)化：現(xiàn)有的模型在文科上大概相當于研究生水平，但在理科上相當于高中或大一大二的學生水平；已有的工作已經(jīng)證明我們可以把模型的技能點從一個方向挪到另一個方向，這就意味著即使不做任何 scaling，我們依然可以在通過犧牲其他方面能力的情況下，把模型朝著目標方向推進。比如犧牲掉模型的理科能力，把它的文科能力從研究生推到專家教授的水準。

以上四點只是現(xiàn)階段可以看到的，馬上就可以加強但暫時還沒有加強的點，隨著時間的推移和模型的演化，會有更多可以被 scale 的維度進一步體現(xiàn)出來。這意味著我們需要有極限的思維，思考當我們把能夠拉滿的維度全部拉滿的時候，模型會是什么樣子。

2.1 能夠拉滿全部拉滿

模型的輸入框可以接著加長，模型的大小可以繼續(xù)增大，模型的數(shù)據(jù)可以繼續(xù)增多，多模態(tài)的數(shù)據(jù)可以融合，模型的專業(yè)化程度可以繼續(xù)增高，所有這些維度可以繼續(xù)往上拉，模型還沒有到極限。極限是一個過程，在這個過程中模型的能力會怎樣發(fā)展呢？

• Log-linear 曲線：一部分能力的增長會遵循 log-linear 的曲線^[8]，比如說某項任務的 finetuning。隨著 finetune 數(shù)據(jù)的指數(shù)增長，模型所對應的 finetune 的任務的能力會線性增長。這部分能力會可預測地變得更強
• Phase change 曲線：一部分能力會隨著 scaling 繼續(xù)涌現(xiàn)^[9]，比如說上文中的模型做解析幾何的例子。隨著可以被拉滿的維度被不斷拉滿，新的，難以預測的涌現(xiàn)能力會接著出現(xiàn)。
• 多項式曲線？當模型強到一定程度，與人類 align 到一定程度之后，或許一些能力的線性增長，所需要的數(shù)據(jù)，會突破指數(shù)增長的封鎖，而降低到多項式的量級。也就是說，當模型強到一定程度之后，它或許不需要指數(shù)級的數(shù)據(jù)，而是只需要多項式級的數(shù)據(jù)，就可以完成泛化。這可以從人類的專業(yè)學習中觀察到：當一個人還不是領(lǐng)域?qū)＜业臅r候，ta 需要指數(shù)級的數(shù)據(jù)來學習領(lǐng)域的知識；當一個人已經(jīng)是領(lǐng)域?qū)＜业臅r候了，ta 只需要很少量級的數(shù)據(jù)就自己迸發(fā)出新的靈感和知識。

所以，在極限思維下，把所有能拉滿的維度全部拉滿，模型注定會越來越強，出現(xiàn)越來越多的涌現(xiàn)能力。

2.2 反推中間過程

在思考清楚極限的過程之后，就可以從極限狀態(tài)往后反推中間過程。比如說，如果我們希望增長輸入框的大小：

• 如果希望把模型的輸入框從千的量級增長到萬的量級，可能只需要增加顯卡數(shù)量，進行顯存優(yōu)化就能實現(xiàn)。
• 如果希望接著把輸入框從萬的量級增長到十萬的量級，可能需要linear attention^?[10]
  的方法，因為此時加顯存應該也架不住 attention 運算量隨輸入框長度的二次增長。
• 如果希望接著把輸入框從十萬的量級增長到百萬的量級，可能需要recursive encoding ^?[11]的方法和增加long-term memory ^?[12]的方法，因為此時 linear attention 可能也架不住顯存的增長。

以這種方式，我們可以反推不同階段的 scaling 需要怎樣的技術(shù)。以上分析不止適用于輸入框的長度，也適用于其他因素的 scaling 的過程。

這樣的話，我們可以得到清晰的從現(xiàn)階段的技術(shù)到 scaling 的極限的每個中間階段的技術(shù)路線圖。

2.3 按模型演化進程產(chǎn)品化

模型在不斷演化，但產(chǎn)品化不需要等到最終那個模型完成 — 每當模型迭代出來一個大的版本，都可以產(chǎn)品化。以 OpenAI 的產(chǎn)品化過程為例：

• 2020 年，初代 GPT 3 訓練完成，開放 OpenAI API^[13]
• 2021 年，初代 Codex 訓練完成，開放 Github Copilot^[14]
• 2022 年，GPT-3.5 訓練完成，以 dialog 數(shù)據(jù) finetune 成 ChatGPT 然后發(fā)布

可以看到，在中間階段的每一個重要版本，模型的能力都會增強，都存在產(chǎn)品化的機會。

更加重要的是，按照模型演化進程產(chǎn)品化，可以在產(chǎn)品化的階段適配市場。學習 OpenAI 的組織架構(gòu)來推進模型演化本身，但產(chǎn)品化可以按照本土市場的特征來。這種方式或許可以既學到 OpenAI 的先進經(jīng)驗，又避免水土不服的問題。

三、人工智能顯著超過人類的點

到目前為止，我們討論了要用模型演化的視角來分析模型，要用極限的思維討論模型的演化歷程。現(xiàn)階段馬上可以加強的點包括了輸入框的長度，更大的模型和數(shù)據(jù)，多模態(tài)數(shù)據(jù)，和模型的專業(yè)化程度。現(xiàn)在讓我們再把視野放得更長期些，思考在更大的時間和空間中，模型如何進一步地往極限推。我們討論：

• 并行感知：一個人類研究員一次順序地讀四五篇論文已經(jīng)是極限，但模型輸入框變長之后，可以在極短的時間內(nèi)并行閱讀一百篇論文。這意味著，模型對外部信息的感知能力遠超人類一個數(shù)量級。
• 記憶遺傳：人類的演化過程中，子代只繼承父代的基因，但不繼承父代的記憶，這意味著每一次生殖都需要重啟一次；在模型的演化過程中，子代可以繼承父代的記憶，并且這個繼承的程度可控：我們可以設(shè)置子代繼承 100%，50%，20% 的記憶，或清空記憶，這意味著父代的經(jīng)驗和技能可以不斷累積
• 加速時間：人類相互交流的速率是受到人類說話的物理速度限制的，而模型相互交流的速率可以遠快于人類，這意味著模型可以通過相互交流來解決人類數(shù)據(jù)隨時間線性增長的問題；人類演化的過程受到物理時間的限制，模型的演化可以比人類的物理時間快上幾個數(shù)量級，這意味著模型的進步速度可以遠快于人類
• 無限生命：一個人的生命有限，百年之后終歸塵土，但模型的權(quán)重只要不丟失，就可以不斷地演化

從這些角度來說，人工智能超過人類并不是一件難以想象的事情。這就引發(fā)了下一個問題：如何駕馭遠超人類的強人工智能？

這個問題，是 Alignment 這項技術(shù)真正想要解決的問題。

四、Alignment 對齊

當前階段，模型的能力，除了 AlphaGo 在圍棋上超過了最強人類之外，其他方面的 AI 并沒有超過最強的人類（但 ChatGPT 在文科上或許已經(jīng)超過了 95% 的人類，且它還在繼續(xù)增長）。在模型還沒超過人類的時候，Alignment 的任務是讓模型符合人類的價值觀和期望；但當模型繼續(xù)演化到超過人類之后，Alignment 的任務就變成了尋找駕馭遠超人類的智能體的方法。

4.1 Alignment 作為駕馭遠超人類的智能體的方法

一個顯然的問題是，當 AI 超過人類之后，還可以通過人類反饋讓 ta 更強 / 更受約束嗎？是不是這個時候就已經(jīng)管不了了？

不一定，即使模型遠超人類，我們依然又可能駕馭 ta，這里的一個例子是運動員和教練之間的關(guān)系：金牌運動員在 ta 的方向上已經(jīng)是最強的人類了，但這并不意味著教練就不能訓練 ta。相反，即使教練不如運動員，ta 依然可以通過各種反饋機制讓運動員變得更強且更有紀律。

類似地，人類和強人工智能的關(guān)系，在 AI 發(fā)展的中后期，可能會變成運動員和教練之間的關(guān)系。這個時候，人類需要的能力并不是完成一個目標，而是設(shè)定一個好的目標，然后衡量機器是否足夠好地完成了這個目標，并給出改進意見。

這個方向的研究還非常初步，這個新學科的名字，叫 Scalable Oversight^[15]. 

4.2 Alignment 與組織架構(gòu)

在通往強人工智能的路上，不只是需要人類與 AI 對齊，人類與人類，也需要高度的對齊。從組織架構(gòu)的角度，alignment 涉及到：

• Pretraining 團隊與 instruction tuning - alignment 團隊之間的對齊：這兩者應該是一個相互迭代的過程，pretraining 團隊不斷地 scale 基礎(chǔ)模型，alignment 團隊為基礎(chǔ)模型做 instruction tuning，同時用得到的結(jié)果反向指導 pretraning 團隊的方向。
• Pretraining / Alignment 團隊與 Scaling / Data 團隊的對齊：scaling 負責為 pretraining /alignment 做好基礎(chǔ)設(shè)施，data 做好高質(zhì)量數(shù)據(jù)與人類反饋數(shù)據(jù)。
• 創(chuàng)業(yè)公司與 VC 的對齊：AGI 是一個困難的事情，需要長期的投入，這需要各個方面的人都有足夠的耐心和足夠高的視野。燒一趟熱錢后催產(chǎn)品化然后占滿市場的邏輯在大模型時代應該已經(jīng)不復存在了。大模型的游戲要求 ta 的玩家們有足夠高的視野與格局，模型的演化會讓有足夠耐心的，踏實做事人們在長期得到豐厚的回報，也會讓只看短期刻舟求劍的人們一次又一次被降維打擊。

五、結(jié)語

在 2017 年，我剛剛?cè)胄?NLP 的時候，花了很大的力氣做可控生成這件事情。那個時候所謂的 text style transfer 最多就是把句子情感分類改一改，把 good 改成 bad 就算是完成了 transfer。2018 年我花了大量的時間研究如何讓模型從句子結(jié)構(gòu)的角度修改句子的風格，一度誤認為風格轉(zhuǎn)換是幾乎不可能完成的事情。而今 ChatGPT 做風格轉(zhuǎn)換簡直信手拈來。那些曾經(jīng)看似不可能完成的任務，曾經(jīng)極其困難的事情，今天大語言模型非常輕松地就能完成。在 2022 年一整年，我追蹤了從 GPT-3 到 GPT-3.5 的全部版本迭代^[11]，親眼看到它一步步地從弱到強不斷演化。這個演化速度并沒有變慢，反而正在加快。那些原先看來科幻的事情，現(xiàn)在已經(jīng)成為現(xiàn)實。誰會知道未來會怎樣呢？

彼黍離離，彼稷之苗。行邁靡靡，中心搖搖。

彼黍離離，彼稷之穗。行邁靡靡，中心如醉。

——— 《詩經(jīng)?黍離》