首頁 > 硬體

128張GPU燒出「中文版GPT-3」 這文風不是開往幼兒園的車

2021-04-19 16:00:05

首先,請先看一段“正經”的文字:

他笑意中的那份溫柔,只想給她好好珍藏,即便這一切不會發生,至少在他的世界裡,她是無憂無慮的快樂的。就連他對她的關心,她都不在意了,還有什麼不放心的呢?“好,我答應你。不過,如果我們能有個孩子,我一定做個好爸爸。”

橋豆麻袋!!!

這難道不是什麼某某天堂、某江文學、某點中文上的小說情節?

誤會了誤會了。

這是最新發布的全球最大規模中文預訓練模型“中文版GPT-3”——PLUG的力作。

270億的引數規模,跟GPT-3一樣是“萬能寫作神器”。

出於好奇,我第一時間就去上手試了試,沒想到只是輸入了四個字。

泛起笑意,

就給出瞭如此結果。

這個PLUG,有點意思啊~

竟然擅長的是這個?

接下來,我又進行了一波嘗試,調戲一下PLUG的創作實力。

輸入「他正要離開」,看它怎麼接。

PLUG果然很懂!

,卻見他站到了自己身前,一下子拉住了她的手,用一種很奇怪的語調說道:“我的心情很壞,很生氣,不過“他看著她,一字一句的說道:“你能不能說的快一點,我不想傷害你。“看著她一臉的冷漠,他的心中微微一酸,但是很快又笑了,溫柔的笑了笑:“放心……

有一說一,生成長文字的效能還是相當不錯,並且提供了4個文字長度選項(32~512字)。

不過這內容……

難不成,我喜歡XX文的祕密被發現了?

別誤會,其實PLUG也能生成“剋制”一些的。

比如:輸入「阿sir,你看看他」,結果就顯得很正常嘛~

甚至還特意生成了繁體字小說,營造出一種港片的氛圍感。

(阿sir,你看看他)們幾時對阿爸、阿媽、阿婆笑過;你再看看他們幾時對你笑過。阿爸、阿媽、阿婆,你們笑笑就好了。其實,他們有笑,也有淚……(此處省略200+字)阿sir,你是否真的愛你的父母?

除了擅長寫小說,PLUG還能寫專業文稿、進行智慧問答、生成詩詞和菜譜等等。

就比如撰寫專業文稿:

幫你解答生活常識,官網給出了貼心(不是)的範例:

程式設計師脫髮用什麼洗髮水好?

三個月打造中文最強GPT-3

說了這麼多,要達到這樣的效果,這個中文最強GPT-3究竟如何煉成?

PLUG,Pre-training for Language Understanding and Generation,顧名思義,就是集語言理解(NLU)和生成(NLG)能力於一身。

要實現這一點,據團隊介紹,這一模型是達摩院此前提出的兩種自研模型——NLU語言模型StructBERT、NLG語言模型PALM的融合。

此外,跟GPT-3的單向建模方式不同的是,它採用了編碼器-解碼器(encoder-decoder)的雙向建模方式。

具體來說,整個訓練過程分為兩個階段。

第一階段,以達摩院自研的語言理解模型——StructBERT作為編碼器。

簡單來說,它是在句子級別和詞級別兩個層次的訓練目標中,加強對語言結構資訊的建模,從而提高模型的語法學習能力。

這也使得PLUG具有輸入文字雙向理解能力,能夠生成和輸入更相關的內容。

這個過程共訓練了300B tokens訓練資料。

第二階段,將這個編碼器用於生成模型的初始化,並外掛一個6層、8192個隱藏層節點數的解碼器,共計訓練了100B tokens的訓練資料。

此外,PLUG還能為目標任務做針對性優化。

上一回說到,GPT-3並沒有利用微調和梯度更新,而是通過指定任務、展示少量演示,來與模型文字進行互動,完成各種任務。

因此在面對新任務時候,不需要重新收集大量的帶標籤資料。但不可避免的,生成的效果不足。

比如,犯低階錯誤就是GPT-3被人詬病比較多的一點。

而PLUG的能力更加全面,既可以實現與GPT-3類似的零樣本生成功能,也可以利用下游訓練資料微調(finetune)模型,提升特定任務的生成質量。

當然,效果實現的關鍵,還少不了算力和資料。

PLUG負責人表示,原本計劃用128張A100訓練120天煉成,不過由於阿里雲、演演算法優化等達摩院多方力量的參與,以及加速手段的有效利用,成功將日程縮短到三分之一。

最後,只燒了35天就達到了這樣的效果。

前面也提到,PLUG的引數量達到了270億,中文訓練資料量也達到了1T以上。

在語言理解任務上,PLUG以80.614分重新整理了CLUE分類任務榜單記錄。

而在語言生成任務上,據團隊介紹,其多項應用資料較業內最優水平提升了8%以上。

語言模型體系再添一員大將

如果再把PLUG說成是“中文版GPT-3”,似乎就不太準確了。

耗時3個月、270億引數規模、一發布就給體驗埠……

但與此同時,這些關鍵詞的背後,仍然留給讀者一些疑問:

3個月是如何做到的?當前的引數規模是終點嗎?為何現階段就免費開放?

阿里深度語言模型體系負責人永春給出了一一解答。

首先,時間問題。主要有兩個方面的原因。

從人力的角度來說,永春沒有談具體的數位,但此次涉及阿里的多個團隊群策群力共同完成的,當中的訓練時間也就大大縮短。

再加上,阿里以往的自研模型已經產生了更多的業務需求,促成了PLUG的開發,這也是阿里整體技術路線中的一環。

GPT-3的出現,給中國的一些玩家觸動很大:什麼時候我們能出個中文版的同類模型?

阿里作為其中之一的企業,利用自身的技術、計算資源的優勢,率先給出Demo。

永春表示,希望通過PLUG的釋出,建立起與技術同行之間的橋樑。

要知道,GPT-3到目前也還沒有做到完全開放。

不過,團隊似乎並不擔心PLUG釋出之後的一些不確定性。(手動狗頭)

比如,出現一些低階錯誤。

反而笑著說,之前GPT-3不也是因為大家吐槽才火的麼?丟給技術圈去檢驗,這些問題都是不可避免的。

而這樣的開源開放,正好是這個技術團隊的一大底色。

去年,阿里達摩院釋出了自研深度語言模型體系,包括6大自研模型。

通用語言模型StructBERT、多模態語言模型StructVBERT、多語言模型VECO、生成式語言模型PALM……他們一直在致力於陸陸續續將模型開源出來。

永春透露,在PLUG釋出這段期間,達摩院宣佈將開源阿里巴巴語言模型體系部分重要模型,目前正在走流程中。

至於之後的計劃,團隊表示2000億級的引數規模正在規劃中,並進一步提升文字生成質量。

而在應用領域,他們還將專門針對醫療領域做下游資料訓練。

最終目標是希望將這個模型實際落地,提升NLP技術在方方面面的實力,比如能源、通訊、司法等。

也誠如阿里達摩院語言技術實驗室負責人司羅所說,達摩院NLP團隊將進一步攻克自然語言處理領域科研難題,完善中文及跨語言人工智慧基礎設施,讓AI沒有難懂的語言,並探索通用人工智慧之路。

對了,PLUG剛剛完成最後一波調控,目前已開放了測試體驗介面(僅供學術目的測試,需同意其相關約定)。


IT145.com E-mail:sddin#qq.com