目录

• 目录
• 0、 前言
• 1、什么是GPT
• 2、GPT之技术演进时间线
• 3、GPT之T-Transformer(2017)
  • 3.1、重点在好，还是重点在人？
  • 3.2、对不起，你是个好人
  • 3.3、回归正题，Transfomer是什么
  • 3.4、论文中对attention和Transfomer的价值描述
  • 3.5、Transformer机制的深远意义
• 4、GPT(Generative Pre-Training)-2018年6月
  • 4.1、GPT模型的核心主张1-预训练(pre-training)
  • 4.2、GPT模型的核心主张2-生成式(Generative)
  • 4.3、GPT相比原版Transfomer的模型改进
  • 4.4、GPT模型的训练规模
• 5、GPT-2(2019年2月)
  • 5.1、GPT-2模型相比GPT-1的核心变化
  • 5.2、为什么这么调整？试图解决zero-shot问题
  • 5.3、multitask多任务如何理解？
  • 5.4、GPT-2的数据和训练规模
• 6、GPT-3(2020年5月)
  • 6.1、GPT-3的突破式效果进展
  • 6.2、GPT-3相比GPT-2的核心变化
  • 6.3、GPT-3的训练规模
• 7、Instruction GPT(2022年2月)
  • 7.1、Instruction GPT相比GPT-3的核心变化
  • 7.2、Insctruction GPT的核心训练步骤
  • 7.3、Instruction GPT的训练规模
• 8、ChatGPT(2022年11月）
  • 8.1、ChatGPT和Instruction GPT
  • 8.2、【重要，建议浏览下面推荐的视频】从人的直观理解上，补充解释一下ChatGPT的核心原理
• 9、小结
• 10、未来将来(GPT-4 or ?)
• 部分参考资料

0、 前言

11月30日，OpenAI推出了一个名为ChatGPT的AI聊天机器人，可以供公众免费测试，短短几天就火爆全网。

从头条、公众号上多个宣传来看，它既能写代码、查BUG，还能写小说、写游戏策划，包括向学校写申请书等，貌似无所不能。

本着科(好)学(奇)的精神，抽了一些时间对ChatGPT进行了了测试验证，并且 **梳理了一下ChatGPT为什么能这么"强"**。

最终，关于ChatGPT本次会分为两篇：

AI-001-火爆全网的聊天机器人ChatGPT能做什么

《AI-002-理解ChatGPT的技术逻辑及演进》

由于笔者并没有专业学过AI，同时精力受限，所以 短时间内就不会再有AI-003类似更深入到技术的篇章了，了解 001、002就已经超出普通吃瓜群众的范畴了。

本篇会有较多技术名词，我会尽量降低其理解难度。

同时，由于非AI专业出身，如有错漏、敬请指出。

致谢：非常感谢X同学、Z同学两位大牛的审稿，尤其感谢X同学的专业性堪误

1、什么是GPT

ChatGPT里面有两个词，一个是Chat，指的是可以对话聊天。另外一个词，就是GPT。

GPT的全称，是Generative Pre-Trained Transformer（生成式预训练Transfomer模型）。

可以看到里面一共3个单词，Generative生成式、Pre-Trained预训练、和Transformer。

有读者可能会注意到，我上面没有给Transformer翻译中文。

因为Transformer是一个技术专有名词，如果硬翻译 ，就是变压器。但是会容易失去本意，还不如不翻译。

在下面第3章节会再讲解一下Transformer。

2、GPT之技术演进时间线

GPT从开始至今，其发展历程如下：

2017年6月，Google发布论文《Attention is all you need》，首次提出Transformer模型，成为GPT发展的基础。 论文地址： https://arxiv.org/abs/1706.03762

2018年6月,OpenAI 发布论文《Improving Language Understanding by Generative Pre-Training》(通过生成式预训练提升语言理解能力)，首次提出GPT模型(Generative Pre-Training)。论文地址： https://paperswithcode.com/method/gpt 。

2019年2月，OpenAI 发布论文《Language Models are Unsupervised Multitask Learners》（语言模型应该是一个无监督多任务学习者），提出GPT-2模型。论文地址: https://paperswithcode.com/method/gpt-2

2020年5月，OpenAI 发布论文《Language Models are Few-Shot Learners》(语言模型应该是一个少量样本(few-shot)学习者，提出GPT-3模型。论文地址： https://paperswithcode.com/method/gpt-3

2022年2月底，OpenAI 发布论文《Training language models to follow instructions with human feedback》（使用人类反馈指令流来训练语言模型），公布Instruction GPT模型。论文地址： https://arxiv.org/abs/2203.02155

2022年11月30日，OpenAI推出ChatGPT模型，并提供试用，全网火爆。见：AI-001-火爆全网的聊天机器人ChatGPT能做什么

3、GPT之T-Transformer(2017)

在第1小节中，我们说到Transformer是没有合适的翻译的。

但是Transfomer却是GPT(Generative Pre-Training Transfomer)中最重要、最基础的关键词。

（注：GPT的Transformer相比google论文原版Transformer是简化过的，只保留了Decoder部分，见本文4.3小节）

3.1、重点在好，还是重点在人？

就像好人，最关键的是好，还是人？

读者们，是好吗？

一个稍稳妥的答复是：既不是好，也不是人；既是好，也是人。

唔，有点绕，那么说人话一点，展开： 语义上，重点在好； 基础和前提上，重点在人。

3.2、对不起，你是个好人

再延展一下，那"对不起，你是个好人"呢？

语义的重点，变成是对不起。但是语义的前提，还是人。

3.3、回归正题，Transfomer是什么

这篇《十分钟理解Transfomer》( https://zhuanlan.zhihu.com/p/82312421 ） 可以看一下。

看懂了可以忽略我接下来关于Transfomer的内容，直接跳到第4章节。如果没太看懂，可以看下我的理解，对你或许有一定参考作用。

3.3.1、上一代RNN模型的重大缺陷

在Transformer模型出来前，RNN模型(循环神经网络)是典型的NLP模型架构，基于RNN还有其他一些变种模型（忽略其名字，Transformer出来后，已经不再重要了），但是都存在相同的问题，并没能很好解决。

RNN的基本原理是，从左到右浏览每个单词向量(比如说this is a dog)，保留每个单词的数据，后面的每个单词，都依赖于前面的单词。

RNN的关键问题：前后需要顺序、依次计算。可以想象一下，一本书、一篇文章，里面是有大量单词的，而又因为顺序依赖性，不能并行，所以效率很低。

这样说可能大家还是不容易理解，我举一个例子(简化理解，和实际有一定出入）：

在RNN循环中，You are a good man这句话，需要如何计算呢？

1)、You和You are a good man计算，得到结果集$You

2)、基于$You的基础上，再使用Are和You are a good man，计算得出$Are

3)、基于$You、$Are的基础，继续计算$a

4)、依此类推，计算$is、$good、$man，最终完成You are a good man的所有元素的完整计算

可以看到，计算过程是一个一个、顺次计算，单一流水线，后面的工序依赖前面的工序，所以非常慢

3.3.2、Transformer之All in Attention

前面我们提到，2017年6月，Google发布论文《Attention is all you need》，首次提出Transformer模型，成为GPT发展的基础。 论文地址： https://arxiv.org/abs/1706.03762

从其标题《Attention is all you need》你就能知道，Transfomer其实主张是"All in Attention"。

那么什么是Attention（注意力）呢？

在《Attention is all you need》论文中，可以看到其定义如下：

自我注意(self-Attention)，有时称为内部注意，是一种将单个序列的不同位置联系起来的注意力机制，以便计算序列的表示。自我注意已成功地应用于阅读理解、抽象概括、语篇包含和学习任务无关的句子表示等多种任务中

简单理解，就是单词与单词之间的关联度，通过注意力(Attention) 这个向量来描述。

比如说You are a good man(你是个好人)，AI在分析You的注意力向量时，可能是这么分析的：

从Your are a good man这句话中，通过注意力机制进行测算，You和You（自身）的注意力关联概率最高(0.7,70%)，毕竟 你(you)首先是你(you)；于是You,You的注意力向量是 0.7

You和man（人）的注意力关联其次(0.5，50%)，你(you)是个人(man),，于是You,man的注意力向量是0.5

You和good(好)的注意力关联度再次(0.4,40%)，你在人的基础上，还是一个好(good)人。于是You,good的注意力向量值是0.4

You,are向量值是 0.3；You,a的向量值是0.2。

于是最终You的注意力向量列表是【0.7 、 0.3、0.2、0.4、0.5】（仅本文举例）。

3.4、论文中对attention和Transfomer的价值描述

在论文中，google对于attention和transfomer的描述，主要强调了传统模型对顺序依赖存在，Transformer模型可以替代当前的递归模型，消减对输入输出的顺序依赖。

3.5、Transformer机制的深远意义

Transformer问世后，迅速取代循环神经网络RNN的系列变种，成为主流的模型架构基础。

如果说 可以并行、速度更快都是技术特征，让行外人士、普罗大众还不够直观，那么从 当前ChatGPT的震憾效果就可以窥知一二。

**Transformer从根本上解决了两个关键障碍，其推出是变革性的、革命性的**。

3.5.1、摆脱了人工标注数据集（大幅降低人工数量 ）

这个关键障碍就是：过往训练我们要训练一个深度学习模型，必须使用大规模的标记好的数据集合(Data set)来训练，这些数据集合需要人工标注，成本极高。

打个比方，就是机器学习需要大量教材，大量输入、输出的样本，让机器去学习、训练。这个教材需要量身制定，而且需求数量极大。

好比 以前要10000、10万名老师编写教材，现在只需要10人，降低成千上万倍。

那么这块是怎么解决的呢？简单描述一下，就是通过Mask机制，遮挡已有文章中的句段，让AI去填空。

好比是一篇已有的文章、诗句，挡住其中一句，让机器根据学习到的模型，依据上一句，去填补下一句。

如下图示例：

这样，很多现成的文章、网页、知乎问答、百度知道等，就是天然的标注数据集了(一个字，超省钱）。

3.5.2、化顺序计算为并行计算，巨幅降低训练时间

除了人工标注之外，在3.3.1小节中提到RNN的重大缺陷，就是顺序计算，单一流水线的问题。

Self-Attention机制，结合mask机制和算法优化，使得 一篇文章、一句话、一段话能够并行计算。

还是以You are a good man举例，可以看到，计算机有多少，Transformer就能有多快：

4、GPT(Generative Pre-Training)-2018年6月

接下来，就到了ChatGPT的前世-GPT(1)了。

2018年6月,OpenAI 发布论文Improving Language Understanding by Generative Pre-Training》(通过生成式预训练提升语言理解能力)，首次提出GPT模型(Generative Pre-Training)。论文地址： https://paperswithcode.com/method/gpt 。

4.1、GPT模型的核心主张1-预训练(pre-training)

GPT模型依托于Transformer解除了顺序关联和依赖性的前提，提出一个建设性的主张。

先通过大量的无监督预训练(Unsupervised pre-training)，

注：无监督是指不需要人介入，不需要标注数据集（不需要教材和老师）的预训练。

再通过少量有监督微调（Supervised fine-tunning)，来修正其理解能力。

4.1.1、打个比方

打个比方，就好像我们培养一个小孩，分了两个阶段：

1)、大规模自学阶段（自学1000万本书，没有老师）：给AI提供充足的算力，让其基于Attention机制，自学。

2)、小规模指导阶段(教10本书)：依据10本书，举一反"三"

4.1.2、论文开篇的描述

所谓开宗明义，从开篇introduction中，也可看到GPT模型对于监督学习、手动标注数据的说明。

4.2、GPT模型的核心主张2-生成式(Generative)

在机器学习里，有判别式模式(discriminative model)和生成式模式(Generative model)两种区别。

GPT(Generative Pre-Training)顾名思义，采用了生成式模型。

生成式模型相比判别式模型更适合大数据学习 ，后者更适合精确样本(人工标注的有效数据集）。要**更好实现预训练(Pre-Training)**，生成式模式会更合适。

注：本小节重点在于上面一句话（更适合大数据学习），如果觉得理解复杂，本小节下面可不看。

在wiki生成式模型的材料里（ https://en.wiki敏pedia感.org/wiki/Generative_model ） ，举了一个如下说明两者的区别：

单看上面可能不容易看懂，这里补充解释下。

上面的意思是说，假设有4个样本：

那么生成式(Generative Model)的特征就是概率不分组（计算样本内概率，除以样本总和），以上表为例，发现x=1，y=0的总共有1个，所以会认为x=1,y=0的几率为1/4(样本总数为4)。

同样的，x=2,y=0的总共有2个，则x=2,y=0的概率 为2/4.

而判别式(Discriminative Model)的特征则是**概率分组计算（计算组内概率 ，除以组内总和)**。 以上表为例，x=1，y=0一共有1个，同时x=1的分组一共有2个sample，所以其概率为 1/2。

同样的，x=2,y=0的总共有2个。且同时x=2的分组共有2个sample，则x=2,y=0的概率 为2/2=1（即100%)。

4.3、GPT相比原版Transfomer的模型改进

下面是GPT的模型说明，GPT训练了一个12层仅decoder的解码器（decoder-only,没有encoder)，从而使得模型更为简单。

注1：google论文《Attention is all you need》原版Transformer中，包含Encoder和Decoder两部分，前者(Encoder)对应的是 翻译，后者(Decoder)对应的是 生成。

注2：google以Encoder为核心，构建了一个BERT(Bidirectional Encoder Representations from Transformers,双向编码生成Transformer)模型。里面的双向(Bidirectional)，是指BERT是同时使用上文和下文预测单词，因此 BERT 更擅长处理自然语言理解任务 (NLU)。

注3：本小节要点，GPT基于Transformer，但是相比Transformer又简化了模型，去掉了Encoder，只保留了Decoder。同时，相比BERT的上下文预测(双向)，GPT主张仅使用单词的上文预测单词（单向），从而使模型更简单、计算更快，更适合于极致的生成，并因此GPT更擅长处理自然语言生成任务 (NLG)，也就是我们在AI-001-火爆全网的聊天机器人ChatGPT能做什么发现的，ChatGPT很擅长写"作文"、编瞎话。 理解本段后，本小节后面的可不看。

注4：从模拟人类来看，GPT的机制得更像真实人类。因为人类也是根据上文(前面说的)来推测下文(即说后面的），所谓说出去的话就像泼出去的水，人类也是没办法根据后面说的话，来调整前面说的话的，即使说错了，恶语伤人心，也只能基说出去的话(上文)进行补救、解释。

4.3.1、架构图对比

下图为Transfomer模型架构和GPT模型架构的对比（分别来自论文《Attention is all you need》和《Improving Language Understanding by Generative Pre-Training》）

4.4、GPT模型的训练规模

前面提到生成式模式更有利于大数据集的Pre-Training预训练，那么GPT使用了多大规模的data set(数据集)呢？

论文中有提到，它采用了一个名为BooksCorpus的数据集，包含了超过7000本未发表书籍。

5、GPT-2(2019年2月)

2019年2月，OpenAI 发布论文《Language Models are Unsupervised Multitask Learners》（语言模型应该是一个无监督多任务学习者），提出GPT-2模型。论文地址: https://paperswithcode.com/method/gpt-2

5.1、GPT-2模型相比GPT-1的核心变化

前面提到，GPT的核心主张有Generative(生成式)、Pre-Training。同时，GPT训练有两步：

1)、大规模自学阶段（Pre-Training预训练,自学1000万本书，没有老师）：给AI提供充足的算力，让其基于Attention机制，自学。

2)、小规模指导阶段(fine-tuning微调，教10本书)：依据10本书，举一反"三"

GPT-2的时候，OpenAI将有监督fine-tuning微调阶段给直接去掉了，将其变成了一个无监督的模型。

同时，增加了一个关键字**多任务(multitask)**，这点从其论文名称《Language Models are Unsupervised Multitask Learners》（语言模型应该是一个无监督多任务学习者）也可看出。

5.2、为什么这么调整？试图解决zero-shot问题

GPT-2为什么这么调整？从论文描述来看，是为了尝试解决**zero-shot(零次学习问题)**。

zero-shot(零次学习)是一个什么问题呢？简单可理解为推理能力。就是指面对未知事物时，AI也能自动认识它，即具备推理能力。

比如说，在去动物园前，我们告诉小朋友，像熊猫一样，是黑白色，并且呈黑白条纹的类马动物就是斑马，小朋友根据这个提示，能够正确找到斑马。

5.3、multitask多任务如何理解？

传统ML中，如果要训练一个模型，就需要一个专门的标注数据集，训练一个专门的AI。

比如说，要训练一个能认出狗狗图像的机器人，就需要一个标注了狗狗的100万张图片，训练后，AI就能认出狗狗。这个AI，是专用AI，也叫single task。

而multitask多任务，就是主张不要训练专用AI，而是喂取了海量数据后，任意任务都可完成。

5.4、GPT-2的数据和训练规模

数据集增加到800万网页，40GB大小。

而模型自身，也达到最大15亿参数、Transfomer堆叠至48层。简单类比，就像是模拟人类15亿神经元（仅举例，不完全等同）。

6、GPT-3(2020年5月)

2020年5月，OpenAI 发布论文《Language Models are Few-Shot Learners》(语言模型应该是一个少量样本(few-shot)学习者），提出GPT-3模型。论文地址： https://paperswithcode.com/method/gpt-3

6.1、GPT-3的突破式效果进展

论文中对于效果是这么描述的:

1、GPT-3在翻译 、问题回答和完形填空中表现出强大的性能，同时能够解读单词、句子中使用新单词或执行3位数算订。

2、GPT-3可以生成新闻文章的样本，人类已然区分不出来。

如下图：

6.2、GPT-3相比GPT-2的核心变化

前面提到GPT-2在追求无监督、zero-shot（零次学习），但是其实在GPT-2论文中，OpenAI也提出结果不达预期。这显然是需要调整的，于是GPT-3就进行了相关调整。 从标题《Language Models are Few-Shot Learners》(语言模型应该是一个少量样本(few-shot)学习者)也可看出。

说白了，zero-shot（零次学习）不靠谱。

并且，在训练过程中会对比Zero-shot零次学习 ；One-shot(单一样本学习)、Few-shot(少量样本学习)，以及fine-tuning人工微调的方式。

最后在多数情况下，few-shot(少量样本）的综合表现，是在无监督模式下最优的，但稍弱于fine-tuning微调模式。

从下述论文表格、图形中，也可看出few-shot是综合表现仅弱于fine-tuning微调的。

6.3、GPT-3的训练规模

GPT-3采用了过滤前45TB的压缩文本，并且在过滤后也仍有570GB的海量数据。

在模型参数上，从GPT-2的15亿，提升到1750亿，翻了110多倍；Transformer Layer也从48提升到96。

7、Instruction GPT(2022年2月)

2022年2月底，OpenAI 发布论文《Training language models to follow instructions with human feedback》（使用人类反馈指令流来训练语言模型），公布Instruction GPT模型。论文地址： https://arxiv.org/abs/2203.02155

7.1、Instruction GPT相比GPT-3的核心变化

Instruction GPT是基于GPT-3的一轮增强优化，所以也被称为GPT-3.5。

前面提到，GPT-3主张few-shot少样本学习，同时坚持无监督学习。

但是事实上,few-shot的效果，显然是差于fine-tuning监督微调的方式的。

那么怎么办呢？ 走回fine-tuning监督微调？显然不是。

OpenAI给出新的答案： 在GPT-3的基础上，基于人工反馈(RHLF）训练一个reward model(奖励模型),再用reward model(奖励模型，RM)去训练学习模型。

天啦噜，夭寿了。。要用机器(AI)来训练机器(AI)了。。

7.2、Insctruction GPT的核心训练步骤

Instruction GPT一共有3步：

1)、对GPT-3进行**fine-tuning(监督微调)**。

2)、再训练一个Reward Model(奖励模型，RM)

3)、最后通过增强学习优化SFT

值得注意的是，第2步、第3步是完全可以迭代、循环多次进行的。

7.3、Instruction GPT的训练规模

基础数据规模同GPT-3（见6.3小节），只是在其基础上增加了3个步骤（监督微调SFT、奖励模型训练Reward Model，增强学习优化RPO)。

下图中labeler是指OpenAI雇佣或有相关关系的**标注人员(labler)**。

而customer则是指GPT-3 API的调用用户（即其他一些机器学习研究者、程序员等）。

本次ChatGPT上线后据说有百万以上的用户，我们每个人都是其customer，所以可以预见，未来GPT-4发布时，其customer规模至少是百万起。

8、ChatGPT(2022年11月）

2022年11月30日，OpenAI推出ChatGPT模型，并提供试用，全网火爆。

见：AI-001-火爆全网的聊天机器人ChatGPT能做什么

8.1、ChatGPT和Instruction GPT

ChatGPT和InstructionGPT本质上是同一代际的，仅仅是在InstructionGPT的基础上，增加了Chat功能，同时开放到公众测试训练，以便产生更多有效标注数据。

8.2、【重要，建议浏览下面推荐的视频】从人的直观理解上，补充解释一下ChatGPT的核心原理

可参考 台大教授李宏毅的视频《ChatGPT是怎么炼成的？GPT社会化过程》，讲得很好。

https://www.inside.com.tw/article/30032-chatgpt-possible-4-steps-training

GPT是单向生成，即根据上文生成下文。

比如说有一句话：

向GPT模型给出输入 你好，下面一个字是接你好吗？你好帅？你好高？你好美？等等，GPT会计算出一个概率，给出最高的那个概率作为回答。

依此类推，如果给出一个指令（或称为Prompt)，ChatGPT也会依据上文（prompt)进行推算下文（回答），同时选择一个最大概率的上文进行回答。

如下图：

9、小结

总结：

1)、2017年，谷歌发布论文《Attention is all you need》，提出Transformer模型，为GPT铺就了前提。

2)、2018年6月，OpenAI发布了GPT生成式预训练模型，通过BooksCorpus大数据集（7000本书）进行训练，并主张通过大规模、无监督预训练（pre-training)+有监督微调(fine-tuning)进行模型构建。

3)、2019年2月，OpenAI发布GPT-2模型，进一步扩大了训练规模(使用了40GB数据集，最大15亿参数(parameters))。同时在思路上，去掉了fine-tuning微调过程，强调zero-shot(零次学习)和multitask(多任务)。但是最终zero-shot效果显著比不上fine-tuning微调。

4)、2020年5月，OpenAI发布GPT-3模型，进一步扩大了**训练规模(使用了570GB数据集，和1750亿参数)**。同时采取了few-shot(少量样本）学习的模式，取得了优异效果。 当然，在实验中同步对比了fine-tuning，比fine-tuning效果略差。

5)、2022年2月，OpenAI发布Instruction GPT模型，此次主要是在GPT-3的基础上，增加了监督微调(Supervised Fine-tuning)环节，并且基于此，进一步加入了Reward Model奖励模型，通过RM训练模型来对学习模型进行RPO增强学习优化。

6)、2022年11月30日，OpenAI发布ChatGPT模型，可以理解为一个多轮迭代训练后的InstructionGPT，并在此基础上增加了Chat对话聊天功能。

10、未来将来(GPT-4 or ?)

从种种迹象来看，GPT-4或许将于2023年亮相？它会有多强大呢？

同时ChatGPT的效果，牵引了业界众多目光，想必接下来更多基于GPT的训练模型及其应用，会更加百花齐放。

未来将来，拭目以待。

部分参考资料

ai.googleblog.com/2017/08/transformer-novel-neural-network.html

https://arxiv.org/abs/1706.03762

https://paperswithcode.com/method/gpt

https://paperswithcode.com/method/gpt-2

https://paperswithcode.com/method/gpt-3

https://arxiv.org/abs/2203.02155

https://zhuanlan.zhihu.com/p/464520503

https://zhuanlan.zhihu.com/p/82312421

https://cloud.tencent.com/developer/article/1656975

https://cloud.tencent.com/developer/article/1848106

https://zhuanlan.zhihu.com/p/353423931

https://zhuanlan.zhihu.com/p/353350370

https://juejin.cn/post/6969394206414471175

https://zhuanlan.zhihu.com/p/266202548

https://en.wiki敏pedia感.org/wiki/Generative_model

https://zhuanlan.zhihu.com/p/67119176

https://zhuanlan.zhihu.com/p/365554706

https://cloud.tencent.com/developer/article/1877406

https://zhuanlan.zhihu.com/p/34656727

https://zhuanlan.zhihu.com/p/590311003