大模型是指网络规模庞大的深度学习模型,其参数量通常在千亿级别。
学习大模型需要具备计算机基础,这一点非常重要!
要系统地入门大模型,首先需要学习深度学习的基础知识,包括神经网络(NN)、卷积神经网络(CNN)和循环神经网络(RNN)等。
在学习完基础知识后,你可以借助开源算法来学习如何使用大模型进行自然语言处理任务。目前有很多大模型开源算法可供学习和使用。你可以选择一些经典的大模型算法,如BERT、GPT-2和Transformer等,通过阅读相关的论文和代码实现来深入了解它们的工作原理和应用场景。
本文旨在提供系统的学习路径和实践项目,帮助你更好地掌握大模型的使用和应用。
学习路径
本文分为四个章节,各章节的学习目标如下。请注意本文主要是面向工程界撰写,学术部分较少。
入门篇
-
了解大语言模型的基础知识和常见术语。
-
学会使用编程语言访问 OpenAI API 等常见大语言模型接口。
提高篇
-
了解机器学习、神经网络、NLP 的基础知识。
-
了解 Transformer 以及典型 Decoder-only 语言模型的基础结构和简单原理。
-
了解大语言模型发展历史,以及业界主流模型(含开源模型)进展。
应用篇
-
可以在本地环境搭建开源模型的推理环境。Prompt 工程。
-
使用已有框架(如Langchain)或自行开发,结合大语言模型结果,开发生产应用。
深入篇(本文涉及少量资料)
-
掌握 Continue Pre-train、Fine-tuning 已有开源模型的能力。
-
掌握 Lora、QLora 等低资源高效模型训练的能力。
-
掌握大语言模型微调以及预训练数据准备的能力。
-
深入了解大模型背后的技术原理。
-
了解生产环境部署大模型的相关技术点。
读者可以根据自己需要选择对应的章节,如对大语言模型的原理不感兴趣,可只关注入门篇和应用篇。考虑到阅读背景,本文尽可能提供中文资料或有中文翻译的资料。
入门篇
在入门之前,请申请 OpenAI API,并具备良好的国际互联网访问条件。
大语言模型综述 大语言模型迄今为止最好的学术向中文综述。中文版本:LLM_Survey_Chinese_0418.pdf 作为入门资料偏难,看不懂的部分可以等到后面章节再回头重看。ChatGPT Prompt Engineering for Developers 虽然是 Prompt 工程,但是内容比较简单,适合入门者。
中英双语字幕:https://github.com/GitHubDaily/ChatGPT-Prompt-Engineering-for-Developers-in-Chinese OpenAI Quickstart OpenAI 官方 Quickstart 文档。以及 API Reference State of GPT:GPT 联合创始人做的演示,极好的总结了 GPT 的训练和应用。
视频:https://www.youtube.com/watch?v=bZQun8Y4L2A PPT:https://karpathy.ai/stateofgpt.pdf
提高篇
清华大模型公开课:从NLP到大模型的综合课程,挑选感兴趣的了解。
深度学习:台湾大学李宏毅:台湾大学李宏毅,国语教程里最好的,讲的很清楚,也比较有趣。Understanding large language models :理解大语言模型。The Illustrated GPT-2 (Visualizing Transformer Language Models):图解 GPT2 中文翻译:https://zhuanlan.zhihu.com/p/139840113
InstructGPT: Training language models to follow instructions with human feedback:著名的 InstructGPT 论文。另外一篇中文介绍:https://huggingface.co/blog/zh/rlhf Huggingface NLP Course:NLP 入门课程 0x30 应用篇 Building Systems with the ChatGPT API 中文字幕:https://www.bilibili.com/video/BV1gj411X72B/ Langchain Langchain 是大语言模型最火的应用框架。即使不使用,也可以借鉴。
LangChain for LLM Application Development 中文字幕:https://www.bilibili.com/video/BV1Ku411x78m/ GPT best practices:OpenAI 官方出的最佳实践。openai-cookbook:OpenAI 官方 Cookbook。Brex’s Prompt Engineering Guide:Prompt 工程简介
深入篇
Huggingface Transformer 文档:Transformer 官方文档
复杂推理:大语言模型的北极星能力 :略学术,解释大语言模型能力的来源。
GPT,GPT-2,GPT-3 论文精读:视频精读。Building LLM applications for production:在生产环境中构建 LLM 应用。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。