DeepMind通过拥有2800亿个参数的模型来测试大型人工智能语言系统的极限

该公司新开发的人工智能语言模型被命名为Gopher

语言生成是目前人工智能领域的一大热门。有一类称为“大型语言模型”（即LLM）的系统能够实现各种强大的功能，包括改进谷歌搜索引擎、打造文本界面的奇幻游戏等。但这些项目也存在严重的缺陷，比如会生搬硬套一些涉及性别歧视和种族主义的语言，以及无法通过逻辑推理测试。这就带来了一大问题：只靠增加数据和算力能否克服这些弱点？或者说，这种技术范式是否即将遇到瓶颈？

Alphabet的人工智能实验室DeepMind在2021年12月8日发表了三篇研究论文，其中就探讨了这个课题。该公司得出的结论是，进一步扩大这些系统的规模应该能带来长足的改进。DeepMind研究科学家告诉记者：“该论文的一项关键发现是，大型语言模型仍在进化，其能力仍在增强，这一领域还没有进入停滞期。”

DeepMind经常将工作成果运用到谷歌产品中。它建立了一个拥有2800亿个参数的语言模型，将其命名为Gopher，用来探究这种LLM的能力。参数的多少是衡量一种语言的模型大小和复杂程度的直观标准。在这方面来说，Gopher比OpenAI的GPT-3（1750亿个参数）更大，但不如一些更具实验性的系统，比如微软和英伟达的Megatron模型（5300亿个参数）。

在人工智能领域，一般来说是越大越好的，因为更大的模型通常能提供更高的性能。DeepMind的研究证实了这一趋势，并表明扩大LLM的规模确实能在一些最常见的基准测试（例如情感分析和汇总）中提供更高的性能。然而，研究人员也提醒，要解决语言模型固有的一些问题，不能只依靠数据和计算。

该研究员说：“我认为目前看来，这个模型肯定会以各种方式失败。其中一部分因素在于，模型无法充分理解它所读取的内容，而且我感觉，对于这一类问题，我们只是寄希望于通过更多的数据和更大的规模来改善性能。”

但他又补充说，还存在“其他类别的问题，比如模型没能摆脱老一套的偏见，或者模型被欺骗而给出不实信息。而对于这些问题，DeepMind认为扩大规模也不是解决办法。”他指出，在这些情况下，语言模型将需要“额外的训练程序”，比如来自真人用户的反馈。

为了得出这些结论，DeepMind的研究人员针对152项语言任务或基准测试，评估了一系列不同大小的语言模型。他们发现在一般情况下，模型越大，能提供的结果就越好。而在科学家选择的大约80%的测试中，Gopher具有最先进的性能。

在另一篇论文中，该公司还调查了与部署LLM相关的各种潜在危害。举例而言，系统可能使用有毒语言、分享错误信息、被用于恶意目的（例如分享垃圾邮件或广告宣传）。随着人工智能语言模型的部署范围越发广泛（例如作为聊天机器人和销售代理），上述所有问题都会显得越发重要。

但值得注意的是，在评估机器学习系统时，基准测试的性能并不是终极标准。在最近的一篇论文中，一些人工智能研究人员（其中两人来自谷歌）探讨了基准测试的局限性。他们指出，这些数据集的范围终归是有限的，无法与现实世界的复杂性相提并论。要测试这些系统，唯一可靠的方法就是看实际应用中的表现——新技术都不外乎如是。而借助大型语言模型，我们将很快看到更多这样的应用。

稿件来源：https://www.theverge.com/2021/12/8/22822199/large-language-models-ai-deepmind-scaling-gopher