域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過

OpenAI最近似乎搞了個(gè)大新聞，隨手一搜，”最大模型”、”15億參數(shù)”、”無(wú)需領(lǐng)域數(shù)據(jù)”等等躍然在目。當(dāng)然現(xiàn)在是標(biāo)題黨的年代，為了吸引眼球，外行媒體的夸張手法也能理解。當(dāng)然最大的爭(zhēng)議還是他們?cè)诠倬W(wǎng)上解釋為什么只提供小模型的理由：為了防止大模型用于生成欺詐和有歧視性的文章，我們只發(fā)布小規(guī)模的模型(Due to concerns about large language models being used to generate deceptive, biased, or abusive language at scale, we are only releasing a much smaller version of GPT-2 along with sampling code)。這個(gè)當(dāng)然引起了軒然大波，使得很多人在Reddit上吐槽。聽這語(yǔ)氣，人工智能已經(jīng)實(shí)現(xiàn)了，為了保護(hù)人類，他們不能把這個(gè)惡魔放出來。實(shí)際情況怎么樣呢？別聽專家的，最好還是我們自己讀讀論文跑跑代碼吧。

目錄

背景簡(jiǎn)介

BERT的缺陷

語(yǔ)言模型

Children’s Book

LAMBADA

Winograd Schema Challenge

Reading Comprehension

Summarization

機(jī)器翻譯

Question Answering

大翻盤

代碼

背景簡(jiǎn)介

2018年深度學(xué)習(xí)在NLP領(lǐng)域取得了比較大的突破，最大的新聞當(dāng)屬Google的BERT模型橫掃各大比賽的排行榜。作者認(rèn)為，深度學(xué)習(xí)在NLP領(lǐng)域比較重點(diǎn)的三大突破為：Word Embedding、RNN/LSTM/GRU+Seq2Seq+Attention+Self-Attention機(jī)制和Contextual Word Embedding(Universal Sentence Embedding)。

Word Embedding解決了傳統(tǒng)機(jī)器學(xué)習(xí)方法的特征稀疏問題，它通過把一個(gè)詞映射到一個(gè)低維稠密的語(yǔ)義空間，從而使得相似的詞可以共享上下文信息，從而提升泛化能力。而且通過無(wú)監(jiān)督的訓(xùn)練可以獲得高質(zhì)量的詞向量(比如Word2vec和Glove等方法)，從而把這些語(yǔ)義知識(shí)遷移到數(shù)據(jù)較少的具體任務(wù)上。但是Word Embedding學(xué)到的是一個(gè)詞的所有語(yǔ)義，比如bank可以是”銀行”也可以是”水邊。如果一定要用一個(gè)固定的向量來編碼其語(yǔ)義，那么我們只能把這兩個(gè)詞的語(yǔ)義都編碼進(jìn)去，但是實(shí)際一個(gè)句子中只有一個(gè)語(yǔ)義是合理的，這顯然是有問題的。

這時(shí)我們可以通過RNN/LSTM/GRU來編碼上下文的語(yǔ)義，這樣它能學(xué)到如果周圍是money，那么bank更可能是”銀行”的語(yǔ)義。最原始的RNN由于梯度消失和梯度爆炸等問題很難訓(xùn)練，后來引入了LSTM和GRU等模型來解決這個(gè)問題。最早的RNN只能用于分類、回歸和序列標(biāo)注等任務(wù)，通過引入兩個(gè)RNN構(gòu)成的Seq2Seq模型可以解決序列的變換問題。比如機(jī)器翻譯、摘要、問答和對(duì)話系統(tǒng)都可以使用這個(gè)模型。尤其機(jī)器翻譯這個(gè)任務(wù)的訓(xùn)練數(shù)據(jù)比較大，使用深度學(xué)習(xí)的方法的效果已經(jīng)超過傳統(tǒng)的機(jī)器學(xué)習(xí)方法，而且模型結(jié)構(gòu)更加簡(jiǎn)單。到了2017年，Google提出了Transformer模型，引入了Self-Attention。Self-Attention的初衷是為了用Attention替代LSTM，從而可以更好的并行(因?yàn)長(zhǎng)STM的時(shí)序依賴特效很難并行)，從而可以處理更大規(guī)模的語(yǔ)料。Transformer出來之后被廣泛的用于以前被RNN/LSTM/GRU霸占的地盤，Google更是在Transformer的論文里使用”Attention is all you need”這樣霸氣的標(biāo)題?，F(xiàn)在Transformer已經(jīng)成為Encoder/Decoder的霸主。

雖然RNN可以學(xué)到上下文的信息，但是這些上下文的語(yǔ)義是需要通過特定任務(wù)的標(biāo)注數(shù)據(jù)使用來有監(jiān)督的學(xué)習(xí)。很多任務(wù)的訓(xùn)練數(shù)據(jù)非常少并且獲取成本很高，因此在實(shí)際任務(wù)中RNN很難學(xué)到復(fù)雜的語(yǔ)義關(guān)系。當(dāng)然通過Multi-Task Learning，我們可以利用其它相關(guān)任務(wù)的數(shù)據(jù)。比如我們要做文本分類，我們可以利用機(jī)器翻譯的訓(xùn)練數(shù)據(jù)，通過同時(shí)優(yōu)化兩個(gè)(多個(gè))目標(biāo)，讓模型同時(shí)學(xué)到兩個(gè)任務(wù)上的語(yǔ)義信息，因?yàn)檫@兩個(gè)任務(wù)肯定是共享很多基礎(chǔ)語(yǔ)義信息的，所以它的效果要比單個(gè)任務(wù)好。但即使這樣，標(biāo)注的數(shù)據(jù)量還是非常有限的。

因此2018年的研究熱點(diǎn)就變成了怎么利用無(wú)監(jiān)督的數(shù)據(jù)學(xué)習(xí)Contextual Word Embedding(也叫做Universal Sentence Embedding)，也就是通過無(wú)監(jiān)督的方法，讓模型能夠?qū)W到一個(gè)詞在不同上下文的不同語(yǔ)義表示方法。當(dāng)然這個(gè)想法很早就有了，比如2015年的Skip Thought Vector，但是它只使用了BookCorpus，這只有一萬(wàn)多本書，七千多萬(wàn)個(gè)句子，因此效果并沒有太明顯的提升。

在BERT之前比較大的進(jìn)展是ELMo、ULMFiT和OpenAI GPT。尤其是OpenAI GPT，它在BERT出現(xiàn)之前已經(jīng)橫掃過各大排行榜一次了，當(dāng)然Google的BERT又橫掃了一次，并且PR效果更加明顯。所以O(shè)penAI看風(fēng)頭都被Google強(qiáng)勁，自然有些羨慕嫉妒恨，也就有了今天我們要討論的OpenAI GPT-2。

UMLFiT比較復(fù)雜，而且效果也不是特別好，我們暫且不提。ELMo和OpenAI GPT的思想其實(shí)非常非常簡(jiǎn)單，就是用海量的無(wú)標(biāo)注數(shù)據(jù)學(xué)習(xí)語(yǔ)言模型，在學(xué)習(xí)語(yǔ)言模型的過程中自然而然的就學(xué)到了上下文的語(yǔ)義關(guān)系。它們倆都是使用Transformer來學(xué)習(xí)語(yǔ)言模型，但是在進(jìn)行下游任務(wù)處理的時(shí)候就有所不同，ELMo是把它當(dāng)成特征。拿分類任務(wù)來說，輸入一個(gè)句子，用ELMo把它掃一次，這樣就可以得到每個(gè)詞的表示，這個(gè)表示是考慮上下文的，因此”He deposited his money in this bank”和”His soldiers were arrayed along the river bank”中的兩個(gè)bank的向量是不同的。下游任務(wù)用這些向量來做分類，它會(huì)增加一些網(wǎng)絡(luò)層，但是ELMo語(yǔ)言模型的參數(shù)是固定的。而OpenAI GPT不同，它直接用特定任務(wù)來Fine-Tuning Transformer的參數(shù)。因?yàn)橛锰囟ㄈ蝿?wù)的數(shù)據(jù)來調(diào)整Transformer的參數(shù)，這樣它更可能學(xué)習(xí)到與這個(gè)任務(wù)特定的上下文語(yǔ)義關(guān)系，因此效果也更好。

而BERT和OpenAI GPT的方法類似，也是Fine-Tuning的思路，但是它解決了OpenAI GPT(包括ELMo)單向信息流的問題，同時(shí)它的模型和語(yǔ)料庫(kù)也更大。依賴Google強(qiáng)大的計(jì)算能力和工程能力，BERT橫掃了OpenAI GPT，在后者霸主寶座屁股還沒坐熱的時(shí)候就把它趕下臺(tái)。成王敗寇，再加上Google的PR能力，很少還有人記得OpenAI GPT的貢獻(xiàn)了。要說BERT的學(xué)術(shù)貢獻(xiàn)，最多是利用了Mask LM(這個(gè)模型在上世紀(jì)就存在了)和Predicting Next Sentence這個(gè)Multi-task Learning而已，其余的方法都是完全follow OpenAI GPT的。因此OpenAI心情郁悶也就可以理解了，這次搞出個(gè)GPT-2也是想出來露個(gè)臉，刷一下存在感。

更多技術(shù)細(xì)節(jié)，有興趣的讀者可以參考詳解谷歌最強(qiáng)NLP模型BERT或者參與作者的BERT課程。地址：http://fancyerii.github.io/2019/03/05/bert-prerequisites/

BERT的缺陷

如果你是OpenAI GPT的科學(xué)家，你會(huì)怎么辦呢？當(dāng)然如果能提出一個(gè)更加突破性的模型，然后在各大比賽上橫掃BERT，這自然是最理想的。但是學(xué)術(shù)研究又不能像媒體宣傳的那樣天天突破(作者訂閱的各種公眾號(hào)倒是每天都能看到突破，因此經(jīng)常被震驚)，要拼資源和算力那顯然拼不過Google。其實(shí)除了OpenAI，其它公司也想搞點(diǎn)新聞，比如Microsoft最近搞了個(gè)MT-DNN，據(jù)說效果要比BERT好(一點(diǎn))，但是由于好的有限，而且有沒有源代碼甚至模型，誰(shuí)知道是不是用tricky的方法過擬合這些數(shù)據(jù)集呢？

我們回到OpenAI，顯然短期類無(wú)法超過BERT，Google開源的BERT模型橫掃了其它更多榜單，仿佛挑釁般的對(duì)其他對(duì)手說：不服你跑個(gè)分啊。被當(dāng)面打臉，顯然很郁悶。那怎么辦呢？OpenAI的科學(xué)家突然找到了BERT模型的一個(gè)弱點(diǎn)——它不是”正常的”語(yǔ)言模型，因此不能生成句子。BERT的Mask LM只能用來做完形填空題，也就是用手遮住一個(gè)句子的某個(gè)單詞，然后讓它猜哪個(gè)詞更可能，但是普通的語(yǔ)言模型是可以生成句子的。抓住這個(gè)點(diǎn)之后，OpenAI大作文章。它使用Common Crawl的8百萬(wàn)文章(共40GB，不知道是否壓縮過)訓(xùn)練了一個(gè)15億(1542M)參數(shù)的”最大模型”，不過參數(shù)雖然很多，但是訓(xùn)練數(shù)據(jù)確實(shí)有點(diǎn)少。作者訓(xùn)練個(gè)中文詞向量還得搞個(gè)幾千萬(wàn)的百科文章，Google的數(shù)據(jù)那得用TB來做單位吧。因此作者在文中強(qiáng)調(diào)模型是underfit的(All models still underfit Web-Text and held-out perplexity has as of yet improved givenmore training time.)，參數(shù)多，數(shù)據(jù)少，那自然不能訓(xùn)練太久，否則過擬合后效果更差(但是生成句子過擬合無(wú)所謂，直接把莎士比亞全集的句子背出來肯定能震驚很多人)。訓(xùn)練了這個(gè)模型用來刷榜？我猜測(cè)作者嘗試過，結(jié)果呢？那自然就不用說了，否則我們看到的就不是現(xiàn)在的這個(gè)新聞了。

不過沒關(guān)系，他們的目標(biāo)是BERT的軟肋——不能生成句子(段落和篇章當(dāng)然就更不行了)。我們來看看論文的實(shí)驗(yàn)是怎么設(shè)計(jì)的：

語(yǔ)言模型

BERT不是普通的語(yǔ)言模型吧，好，那咱們來PK一下(你是零分啊)。但是用Transformer去跑語(yǔ)言模型這樣的灌水文章別人早發(fā)過了，沒啥意思。因此要搞出一個(gè)Zero-shot的概念：你們?cè)谝粋€(gè)很小的語(yǔ)料庫(kù)訓(xùn)練一個(gè)語(yǔ)言模型然后大家比賽，俺不這么跟你玩。俺用很大的語(yǔ)料訓(xùn)練一個(gè)模型，然后不用你的數(shù)據(jù)，效果還能超過你們?cè)谛?shù)據(jù)上的效果。

當(dāng)然這個(gè)概念還是不錯(cuò)的，結(jié)果如下圖所示。

圖：不同數(shù)據(jù)集上語(yǔ)言模型的PPL，越小越好

我們看到，除了最后一個(gè)1BW的很大的語(yǔ)料庫(kù)，OpenAI都超過了它們。其實(shí)這也說明了，如果有很多的領(lǐng)域數(shù)據(jù)，還是領(lǐng)域數(shù)據(jù)好使，這在機(jī)器翻譯系統(tǒng)里也得到了驗(yàn)證。如果訓(xùn)練數(shù)據(jù)較少，我們通常使用預(yù)訓(xùn)練的詞向量作為模型詞向量的初始值。如果訓(xùn)練數(shù)據(jù)非常少，我們通常固定預(yù)訓(xùn)練的詞向量；如果訓(xùn)練數(shù)據(jù)還可以，那么就Fine-Tuning一下。如果訓(xùn)練數(shù)據(jù)很多，比如在機(jī)器翻譯任務(wù)里，預(yù)訓(xùn)練的詞向量和隨機(jī)初始化的效果沒什么區(qū)別(開始的時(shí)候好一點(diǎn)，因?yàn)楸容^是相對(duì)較好的初始值)。

Children’s Book

類似于完型填空，其實(shí)BERT是可以搞的。但是NLP的比賽那么多，Google總不能都做完吧。國(guó)內(nèi)很多AI公司天天發(fā)PR稿：我們又獲得了一個(gè)世界第一。其實(shí)很多外行的讀者并不知道這個(gè)比賽只有5個(gè)參數(shù)選手，可能其中2個(gè)還是某個(gè)在校學(xué)生擠出周末打游戲的時(shí)間去做的。

圖：Children’s Book任務(wù)

效果似乎還不錯(cuò)，離人類的水平相差不遠(yuǎn)。

LAMBADA

PPL從99.8降到8.6，測(cè)試的準(zhǔn)確率從19%提高到52.66%。作者不了解這個(gè)比賽，不做點(diǎn)評(píng)。

Winograd Schema Challenge

63%到70.7%，似乎還不錯(cuò)。作者也不了解這個(gè)比賽，不做點(diǎn)評(píng)。

Reading Comprehension

這是最近很火的比賽類型，有很多數(shù)據(jù)集，這里使用的是CoQA，BERT的baseline是89的F1得分(越大越好)，GPT-2的得分是55。這似乎差得太遠(yuǎn)啊，但是作者有高大上的解釋：BERT是用來監(jiān)督數(shù)據(jù)的，俺們不用訓(xùn)練數(shù)據(jù)。有點(diǎn)像考試不及格的學(xué)渣對(duì)學(xué)霸說，雖然你得了89分，但是你天天熬夜背題，俺天天翹課也差點(diǎn)及格了，說明俺比你有天賦。學(xué)霸說：那你也天天熬夜背題啊，看看能不能跑分跑過我？學(xué)渣說：俺們是搞素質(zhì)教育的，不搞題海戰(zhàn)術(shù)。

Summarization

摘要任務(wù)，分越高越好，成績(jī)單如下：

圖：Children’s Book任務(wù)

機(jī)器翻譯

SOTA的BLEU分(越高越好)33.5，俺不學(xué)習(xí)也得了11.5。

Question Answering

無(wú)監(jiān)督的效果慘不忍睹。

大翻盤

這是最終大殺器，咱們來PK生成文章了。論文附錄挑選了許多生成的”故事”，作者英語(yǔ)比較差，看不出好壞來。學(xué)術(shù)界最近對(duì)產(chǎn)生式(Generative)模型非常感興趣，尤其是在圖像和視覺領(lǐng)域。不過作者對(duì)此并不感興趣，作者是實(shí)用主義者，生成花里胡哨的東西并不能解決實(shí)際的問題。大家上網(wǎng)隨便一搜，都能找到各種作詩(shī)機(jī)器人、對(duì)聯(lián)機(jī)器人或者生成某些名人風(fēng)格的文字。看起來格律嚴(yán)謹(jǐn)對(duì)仗工整，其實(shí)都是毫無(wú)意義。當(dāng)然，也不是說生成的模型完全無(wú)用，比如Gmail用模型自動(dòng)生成郵件的回復(fù)，作者試了一下還不錯(cuò)。不管怎么說，OpenAI是扳回一城了，因此也就有了鋪天蓋地的新聞出來。

代碼

因?yàn)闆]有中文模型，只能跑英文，所以作者這三腳貓的英語(yǔ)水平還是藏拙的好，就不做點(diǎn)評(píng)了。讀者可以自己試試。

git clone https://github.com/openai/gpt-2.git && cd gpt-2

需要安裝Tensorflow 1.12.0(作者試了1.11也是可以的，因?yàn)锽ERT的官方實(shí)現(xiàn)要求1.11+)：

pip3 install tensorflow==1.12.0

安裝其它依賴：

pip3 install -r requirements.txt

下載模型：

python3 download_model.py 117M

因?yàn)槟Ｐ头旁趕torage.googleapis.com，所以需要科學(xué)上網(wǎng)，可以這樣修改代碼，請(qǐng)把”127.0.0.1:1080”改成你自己的代理：

$ git diffdiff --git a/download_model.py b/download_model.pyindex 2a38294..83d6fb8 100644--- a/download_model.py+++ b/download_model.py@@ -15,7 +15,11 @@ if not os.path.exists(subdir):  for filename in ['checkpoint','encoder.json','hparams.json','model.ckpt.data-00000-of-00001', 'model.ckpt.index', 'model.ckpt.meta', 'vocab.bpe']: -    r = requests.get("https://storage.googleapis.com/gpt-2/" + subdir + "/" + filename, stream=True)+    proxies = {+      'http': 'http://127.0.0.1:1080',+      'https': 'http://127.0.0.1:1080',+    }+    r = requests.get("https://storage.googleapis.com/gpt-2/" + subdir + "/" + filename, stream=True, proxies=proxies)      with open(os.path.join(subdir, filename), 'wb') as f:

使用前需要設(shè)置編碼：

export PYTHONIOENCODING=UTF-8

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！