我思，故我在
上個月在山海塢women code camp，我作為講師分享了一期《通往AGI 之路：壓縮即智能》，發現大家對AIGC 和大模型都非常感興趣，但是當時很多小伙伴反應沒聽懂，所以寫了這一篇白話講解。希望能夠對AIGC 感興趣的您有所幫助。如果您需要更深入的了解，請在閱讀完本文後參考Jack Rae(OpenAI 團隊核心成員)在斯坦福的主題演講：Compression for AGI(https://www.youtube.com/watch?v=dO4TPJkeaaU),這也是本文的主要參考文獻。
1 從機器學習說起
機器學習（Machine learning），對於非計算機背景的朋友來說或許有些陌生。但是我們生活的方方面面都已經被機器學習覆蓋。比如，當我們打開知乎、抖音、小紅書等軟件的時候，系統會自動推薦我們可能感興趣的內容；當我剛和朋友聊到想買一某品牌的裙子時，打開淘寶就發現搜索推薦已經變成了該品牌；郵件系統會幫我們自動屏蔽垃圾郵件；交通攝像頭拍攝司機的行駛照片來推斷是否有違規行為。這些都得益於機器學習。
那麼機器學習到底是什麼？機器學習的最早由貝葉斯在1783年發表的同名定理中提出。貝葉斯定理是從訓練數據中學習，以便對新的、未見過的數據做出盡可能好的預測。說白了就是我們俗話說的”舉一反三”。
它是讓計算機在沒有明確編程的情況下進行自我學習的一門學科(Arthur, 1959)，屬於人工智能的子領域。有些事情我們通過明確的編程就可以完成，比如計算188的12次方，或者a 到b 的最短距離。但是有一些問題，明確的編程就無法幫到我們。
例如我們希望計算機能夠成為一個優秀的圍棋選手，可以給計算機編程，讓計算機自己與自己下棋，對弈一萬次以後，計算機就可以通過觀察，在一個殘局中，落子在某個位置的勝率大於其他位置，那就是程序會選擇的位置。因為計算機強大的算力，它可以在短時間內完成無數次的對弈局數，所以會越來越知道怎樣能取得勝利，最終成為超過人類的棋手。讓機器自己去學習找到最佳方案，就是機器學習的過程，但是機器到底學到了什麼？這是一個黑盒，我們只能通過輸入獲得一個輸出結果。
機器學習算法按照學習方式可以分為四種：監督學習（Supervised learning），無監督學習(Unsupervised learning), 半監督學習（Semi-supervised Learning）和強化學習（Reinforcement learning）。其中使用最多的是監督學習，但是ChatGPT 卻選擇了強化學習作為核心算法。
2 強化學習VS監督學習
既然監督學習是主流算法，為什麼OpenAI 卻選擇了強化學習？這里首先跟大家介紹一下兩者的概念。
監督學習是指學習輸入到輸出之間映射的算法，它可通過用戶提供的例子來學習。例如，我們經常發現有些郵件被自動攔截進入垃圾箱，那麼系統是如何判斷一封郵件是否是垃圾郵件呢？這就用到了監督學習，首先工程師們需要給算法投餵大量帶有標籤的數據，這個例子中一封郵件可作為輸入，對應的輸出結果有兩類，是垃圾郵件和不是垃圾郵件（Yes/ No，即標籤）。假設我們餵了10萬條數據，算法就會根據這十萬條數據自己學習垃圾郵件的特徵。這時候當我們給它輸入一條全新的郵件時，它就會根據之前訓練的模型判斷新郵件是否符合垃圾郵件的特徵，從而決定需不需要進行攔截。
強化學習更像是一種獎勵反饋機制。在強化學習中，我們為模型提供輸入，但並不提供正確答案。模型需要自己生成答案。然後請真人讀取生成的答案，並給出答案的得分（比如1-100分得80分）。模型的目標是如何回答以獲得高分。另一種機制是模型生成多個答案，評分機制告訴模型哪個答案最好。模型的目標是學習生成高分的答案，而不是低分的答案。在這兩種情況下，模型都是通過生成答案並接收反饋來學習。
相比之下，監督學習只允許正反饋（我們向模型輸入一系列問題及其正確答案），而強化學習允許負反饋（模型可以生成錯誤的答案並得到反饋說”這個回答不好，下次不要這樣了”）。正如真人在學習過程中發現的，相比正反饋，負反饋也同樣重要。這很可能是OpenAI選擇RLHF訓練（即基於人類反饋的強化學習訓練）的原因。
仔細想想，這是不是和人類的學習方式非常像，我們學習的時候也是通過獲取大量的知識，然後考試來檢測學習的情況，最終將獲取的知識應用在新的場景（遷移學習，這也是GPT 的底座之一）。因此，這一輪的AIGC 也被認為已經無限接近接近AGI（通用人工智能）。
3通往AGI 之路
簡單來說，AGI 就是是具備與人類同等智能、或超越人類的人工智能。是不是覺得ChatGPT已經有那味了。但是怎麼去判斷人工智能的智能程度呢？
1980年，John Searle提出了一個著名的思想實驗《中文房間》。實驗過程可以表述如下：
將一個對中文毫無了解，只會說英語的人關在一個只有一個小窗的封閉房間裡。房間裡有一本記錄著中英文翻譯的手冊。房間裡還有足夠的稿紙、鉛筆。同時，寫著中文的紙片通過小窗口被送入房間中。房間中的人可以使用他的書來翻譯這些文字並用中文回复。雖然他完全不會中文，但通過這個過程，房間裡的人可以讓任何房間外的人以為他會說流利的中文。
這樣一個龐大的手冊顯然代表著非常低的智能水平，因為一旦遇到手冊中沒有的詞彙，這個人就無法應對了。如果我們能夠從大量的數據中提取出一些語法和規則，那麼手冊可能會變得更加精簡，但是系統的智能水平將會更高（泛化能力更強）。
手冊越厚，智能越弱；手冊越薄，智能越強。就好像公司僱一個人好像能力越強的人，你需要解釋得越少，能力越弱，你需要解釋得越多。
上面這個例子就很好的解釋了為什麼壓縮即智能：想要提高AI 的智能程度，可以通過泛化提取規則，提取出需要的有效信息。這樣你就可以理解NLP 研究者們經常說的一句話：GPT 的訓練過程是對數據的無損壓縮。
4 壓縮即智能
2月28日，OpenAI 的核心研發人員Jack Rae 在參加Stanford MLSys Seminar 的訪談時進行了一個名為Compression for AGI 的主題分享，其核心觀點為：AGI 基礎模型的目標是實現對有效信息最大限度的無損壓縮。並同時給出了為什麼這個目標是合理的邏輯分析，以及OpenAI 是如何在這個目標下創造了ChatGPT。
泛化就是從已知推到未知的過程。如圖所示，我們關心的核心問題是如何從已有數據中（黃色），了解到未知數據的規律並做出預測（灰色）。一個模型越能夠準確預測灰色部分，它的泛化能力就越強。
想像一個電腦軟件需要把英文翻譯成中文，如果它是通過查找字典把所有可能的詞組翻譯成中文，那麼我們可以認為它對翻譯任務有著最差的理解，因為任何出現在字典之外的詞組它都無法翻譯。但如果將字典提煉為較小的規則集（例如一些語法或基本的詞彙），那它將會有更好的理解能力，因此我們可以根據規則集的壓縮程度對其進行評分。實際上，如果我們可以把它壓縮到最小描述長度，那麼我們可以說它對翻譯任務有著最好的理解。
對於給定的數據集D，我們可以使用生成模型f 對其進行壓縮，圖中| D | 表示數據集D 的無損壓縮，無損壓縮的大小可以表示為對D 評估的生成模型的負對數似然加上估計函數的最小描述長度。
那麼大模型是如何實現無損壓縮的呢？我們需要先了解GPT 的本質。 GPT 其實就是基於Transformer 的大字典，本質是就是Next Token Prediction（下文推理）。簡單說就是預測一個給定的文本序列後最後可能出現的詞或詞組。比如說我現在說：”你昨晚睡得”，話沒說完，這個時候你就知道我大概率要說：”你昨晚睡得好嗎？”推理出我要接著說”好嗎”的過程就是下文推理。
你可能會說很明顯這樣學到的不就是單詞之間的表層統計關係嗎？怎麼就產生了智能？
假設你需要將一些數據從遙遠的半人馬座星系傳輸回地球，但是帶寬非常珍貴，你需要用最少的帶寬來傳輸數據，並且保證另一端可以無損地恢復你的數據。你可以採用這個方法：
首先，準備一個語言模型的訓練代碼，每次運行時都會生成相同的神經網絡模型。
其次，在N條數據上運行訓練程序，在t時刻，將在所有token概率分佈Pt下的，Xt的概率取出，並使用算術編碼將其轉換為二進制小數，記為Zt。以此類推，得到一個由Z1，Z2，Z3，…，Zn構成的列表。
如果要在另一端無損地還原這N條數據，只需傳輸以下兩個內容：Z1-Zn的列表和語言模型訓練代碼。
在接收端進行解碼時，我們使用收到的訓練代碼初始化網絡。在時間戳t時刻，模型使用Pt對Zt進行算術解碼得到Xt。需要注意的是，t時刻的token概率分佈Pt在發送端和接收端是完全一致的。
整個過程是一個無損的數據壓縮過程，基於語言模型的訓練代碼，我們將N條數據壓縮成了Z1-Zn的一串數字，每個壓縮後的數據大小為-logp(x)。需要注意的是，在整個過程中，我們不需要發送整個神經網絡（幾百上千億參數）。
因此，使用語言模型來壓縮數據集D的總比特數可以表示為以下公式：
一個基於transformer模型的描述長度大概在100kb ~ 1MB之間（所有必要的代碼大小）。模型的參數不屬於模型的描述長度。
我們常常覺得chatgpt在關於事實性問題上錯誤百出，比如說問他劉慈欣是哪個城市的，模型還是會答錯。這是因為在訓練過程中，模型慢慢地記住了一些訓練數據，模型的參數可以近似看成是一個對於訓練數據的有損數據壓縮，這也是特德·姜在《ChatGPT是網上所有文本模糊的圖片》的意思。 LLM是對於原始數據集的無損壓縮，這是非常具體的數學上可以嚴格證明的。特德·姜說的有損壓縮，是一種非常抽象的文學上的類比。
還記得這張圖嗎，我們關心的不是黃圈裡面的內容，而是外面灰色的部分，因為我們關心如何用更少的內容來獲取更多的知識，也就是泛化能力。相比於堆參數量，泛化才是智能！
