[[431562]]

前不久，微軟和英偉達推出包含5300億參數的語言模型MT-NLG，這是一種基于transformer的模型，被譽為「世界上最強，最大的語言生成模型」。

不過，這真的是一件值得歡欣鼓舞的事情嗎？

大腦的深度學習研究人員估計，人類大腦平均包含860億個神經元和100萬億個突觸。但不是所有的都用于語言。有趣的是，GPT-4預計將有大約100萬億個參數。

兩個「100萬億」。

這會是一個巧合嗎？我們不禁思考，建立與人腦大小差不多的語言模型是否是一個長期可行的方法？

當然了，經過數百萬年的進化，我們的大腦已經成為了一個非常了不起的設備，而深度學習模型才發展了幾十年。誠然，我們的直覺告訴我們，有些東西不能夠通過計算來衡量的。

是深度學習，還是「深度錢包」？在龐大的文本數據集上訓練一個5300億個參數模型，無疑需要龐大的基礎設施。

事實上，微軟和英偉達使用數百臺DGX-A100的GPU服務器，每臺售價高達19.9萬美元，再加上網絡設備、主機等成本，任何想要重復這個實驗的人都必須花費大約1億美元。

嚴謹地來看，哪些公司有業務例子可以證明在深度學習基礎設備上花費1億美元是合理的？或者1000萬美元？如果設計出來，那這些模型是為誰而設計的呢？

GPU集群：散熱、環保都成問題實際上，在GPU上訓練深度學習模型是一項十分費力的事情。

據英偉達服務器參數表顯示，每臺英偉達 DGX A100服務器最高能耗為6.5千瓦。當然，數據中心（或者服務器）也至少需要同樣多的散熱設備。

除非你是史塔克家族的人，需要拯救臨冬城，否則散熱將成為一大難題。

而且，隨著公眾對氣候和社會責任問題的意識增強，公司還需要考慮他們的碳足跡問題。

馬薩諸塞大學2019年的一項研究「用GPU訓練BERT，其碳足跡大致相當于進行一次橫跨美國的飛行」。

而BERT-Large的參數數量更是高達3.4億，訓練起來的碳足跡究竟有多大？恐怕只是想想都害怕。

所以，我們真的應該為MT-NLG模型的5300億個參數感到興奮嗎?。用這么多參數和算力換來的基準測試性能改進，值得付出這些成本、復雜度和碳足跡嗎?

大力推廣這些巨型模型，真的有助于公司和個人理解和擁抱機器學習嗎?

而如果，我們把重點放在可操作性更高的技術上，就可以用來構建高質量的機器學習解決方案。比如下面這些技術：

使用預訓練模型絕大多數情況下，并不需要定制模型體系結構。

一個好的起點是尋找那些已經為能為你解決問題的(比如，總結英語文本)預訓練模型。

然后，快速嘗試幾個模型來預測數據。如果參數表明，某個參數良好，那么就完全可以了。

如果需要更準確的參數，那就嘗試微調模型 (下面會有詳細介紹)。

使用小模型

在評估模型時，應該盡量選擇能夠提供所需精度的最小模型。這樣做預測速度更快，訓練和推理所需要的硬件資源也更少。

算力昂貴，能省就省。

實際上，現在的機器學習模型越來越小，也早已不是什么新鮮事了。熟悉計算機視覺的人都會記得 2017年SqueezeNet 的問世，與 AlexNet 相比，SqueezeNet的規?？s小了98%，同時在精度表現上與AlexNet不相上下。

除了計算機視覺領域，NLP社區也在努力縮小模型的規模，其中大量使用了知識蒸餾等遷移學習技術。其中最出名的可能就是對谷歌BERT模型的改進型DistilBERT。

與原始 BERT 模型相比，DistilBERT保留了97%的語言理解能力，同時模型體積縮小了 40%，速度提高了60%。相同的方法已應用于其他模型，比如 Facebook 的 BART。

最近來自「Big Science」項目的最新模型也令人印象深刻。如下圖所示，這些項目中的 T0 模型在許多任務上都優于 GPT-3的性能，但模型大小只有GPT-3的1/16。

微調模型

如果需要在一個高度專門化領域使用模型，大可不必從頭開始訓練模型，這時應該對模型進行微調，也就是說，僅在自己的數據集上訓練幾個時期。

實際上，微調模型也是遷移學習的一種方式，目的還是節約資源，能省就??！

使用遷移學習的好處不少，比如：

• 需要收集、存儲、清理和注釋的數據更少
• 實驗和數據迭代的速度更快
• 獲得產出所需的資源更少

換句話說就是：省時、省錢、省資源！

使用云基礎設施

云計算企業知道如何構建高效的基礎設施。研究表明，基于云的基礎設施往往比替代方案能效更高、碳足跡更淺。Earth.org 表示，雖然云基礎設施目前并不完美，但仍然比替代方案更節能，可以促進對環境有益的服務，推動經濟增長。”

確實，在易用性、靈活性和「即用即付」方面，云當然有很多優勢。如果實在負擔不起自購 GPU，何不嘗試在 Amazon SageMaker（AWS 的機器學習托管服務）上微調模型呢？

優化模型從編譯器到虛擬機，軟件工程師長期以來一直使用工具來自動優化硬件代碼。

然而，和軟件行業相比，機器學習社區仍在為這個問題苦苦掙扎，這是有原因的。最重要的是，對機器學習模型的進行優化是一項極其復雜的任務，其中涉及以下技術和條件：

• 硬件：大量面向加速訓練任務（Graphcore、Habana）和推理任務（Google TPU、AWS Inferentia）的專用硬件。
• 剪枝：刪除對預測結果影響很小或沒有影響的模型參數。
• 融合：合并模型層（比如卷積和激活）。
• 量化：以較小的值存儲模型參數（比如使用8位存儲，而不是32位存儲）

所幸，現在已經開始出現可用的自動化工具，如Optimum 開源庫和 Infinity，這是一種容器化解決方案，延時低至1毫秒，但精度可以與Transformer相當。

另一個「摩爾定律」要來了嗎？

在過去的幾年里，大型語言模型的規模每年都以10倍的速度增長。看起來，另一個「摩爾定律」就要誕生了。

原來的摩爾定律，現在的命運如何？關于「摩爾定律行將終結」的話題，早幾年就已經甚囂塵上。

但有一點是確切無疑的，如果機器學習沿著「模型巨大化」的路走下去，路可能會越走越窄。收益遞減、成本增加、復雜度增加，這些可以預見的問題，可能會在不遠的未來，把機器學習行業逼進死胡同。

這就是人工智能未來的樣子嗎？

希望不是。與其追逐萬億參數的巨大模型，不如把更多精力放在構建解決現實世界問題的、實用且高效的解決更好么？