繼Windows Copilot發布後，微軟Build大會熱度又被一場演講引爆。
前特斯拉AI總監Andrej Karpathy在演講中認為思考樹（tree of thoughts）與AlphaGo的蒙特卡羅樹搜尋（MCTS）有異曲同工之妙！
網友高喊：這是關於如何使用大語言模型和GPT-4模型的最詳盡有趣的指南！
此外Karpathy透露，由於訓練和數據的擴展，LLAMA 65B“明顯比GPT-3 175B更強大”，並介紹了大模型匿名競技場ChatBot Arena:
Claude得分介於ChatGPT 3.5和ChatGPT 4之間。
網友表示，Karpathy的演講一向很棒，而這次的內容也一如既往沒有令大家失望。
隨著演講而爆火的，還有推特網友根據演講整理的一份筆記，足足有31條，目前轉讚量已超過3000 ：
所以，這段備受關注的演講，具體提到了哪些內容呢？
Karpathy這次的演講主要分為兩個部分。
第一部分，他講如何訓練一個「GPT助手」。
Karpathy主要講述了AI助手的四個訓練階段：
預訓練（pre-training）、監督微調（supervised fine tuning）、獎勵建模（reward modeling）和強化學習（reinforcement learning ）。
每一個階段都需要一個資料集。
在預訓練階段，需要動用大量的運算資源，收集大量的資料集。在大量無監督的資料集上訓練出一個基礎模型。
Karpathy用了更多例子來補充：
#接下來進入微調階段。
使用較小的監督資料集，透過監督學習對這個基礎模型進行微調，就能創建一個能夠回答問題的助手模型。
他也展示了一些模型的演化過程，相信很多人之前已經看過上面這張「演化樹」的圖了。
Karpathy認為目前最好的開源模型是Meta的LLaMA系列（因為OpenAI沒有開源任何關於GPT-4的內容）。
在這裡需要明確指出的是，基礎模型不是助手模型。
儘管基礎模型有解決問題的能力，但其給出的答案並不可信，而助手模型能夠提供可靠的答案。經過監督微調的助手模型，在基礎模型的基礎上訓練，其生成回復和理解文本結構的表現將優於基礎模型。
在訓練語言模型時，強化學習是另一個關鍵的過程。
訓練過程中採用高品質的人工標註數據，並以獎勵建模的方式創建損失函數，從而提高其性能。強化訓練可以透過增加積極標記和降低消極標記的機率來實現。
在涉及創造性任務時，人類的判斷力對於改進AI模型至關重要，透過加入人類的回饋可以更有效地訓練模型。
經過人類回饋的強化學習後，就可以得到一個RLHF模型了。
模型訓練好了，接下來就是如何有效利用這些模型解決問題了。
在第二部分，Karpathy主要討論了提示策略、微調、快速發展的工俱生態系統以及未來的擴展等問題。
Karpathy又給了一個具體範例來說明：
#在寫作時，我們需要進行許多心理活動，包括考慮自己的表達是否準確。 For GPT, this is merely a sequence of tokens being tagged.。
而提示（prompt）可以彌補這個認知差異。
Karpathy進一步解釋了思維鏈提示的工作方式。
對於推理問題，要讓自然語言處理中Transformer的表現更好，需要讓它一步一步地處理訊息，而不能直接拋給它一個非常複雜的問題。
如果你給它幾個例子，它會模仿這個例子的模版，最終產生的結果會更好。
模型只能按照它的序列來回答問題，如果它產生的內容是錯誤的，你可以進行提示，讓它重新生成。
如果你不要求它檢查，它自己是不會檢查的。
這就牽涉到了System1和System2的問題。
諾貝爾經濟學獎得主丹尼爾卡尼曼在《思考快與慢》中提出，人的認知系統包含System1和System2兩個子系統。 System1主要靠直覺，而System2是邏輯分析系統。
通俗來說，System1是一個快速自動產生的過程，而System2是經過深思熟慮的部分。
這在最近一篇挺火的論文「Tree of thought」（思考樹）中也被提及。
深思熟慮指的是，不是簡單的給出問題的答案，而更像是與Python膠水代碼一起使用的prompt，將許多prompt串聯在一起。為了擴展提示，模型需要維護多個提示並執行樹搜尋演算法。
Karpathy認為這個想法與AlphaGo非常相似：
AlphaGo在下圍棋時，需要考慮下一個棋子下在哪裡。最初它是靠模仿人類來學習的。
除此之外，它還實作了蒙特卡羅樹搜索，以獲取具有多種潛在策略的結果。它可以對多種可能的下法進行評估，只保留那些較好的策略。我認為這在某種程度上相當於AlphaGo。
對此，Karpathy也提到了AutoGPT：
我認為目前它的效果還不是很好，我不建議大家進行實際應用。我認為隨著時間的推移，我們或許可以從它的發展歷程中吸取啟示。
其次，還有一個小妙招是檢索增強生成（retrieval agumented generation）和有效提示。
視窗上下文的內容就是transformers在運行時的記憶（working memory），如果你可以將與任務相關的資訊加入到上下文中，那麼它的表現就會非常好，因為它可以立即訪問這些資訊。
簡而言之，就是可以為相關資料建立索引讓模型可以有效率地存取。
如果Transformers也有可參考的主要文件，它的表現會更好。
最後，Karpathy簡單講了一下在大語言模型中的約束提示（Constraint prompting）和微調。
可以透過約束提示和微調來改進大語言模型。約束提示在大語言模型的輸出中強制執行模板，而微調則調整模型的權重以提高效能。
我建議在低風險的應用中使用大語言模型，始終將它們與人工監督相結合，將它們看作是靈感和建議的來源，考慮copilots而不是讓它們完全自主代理。
#Andrej Karpathy博士畢業後的第一份工作，是在OpenAI研究電腦視覺。
後來OpenAI聯合創始人之一的馬斯克看上了Karpathy，把人挖到了特斯拉。馬斯克和OpenAI因此事不和，最後馬斯克被排除在外。 Karpathy負責特斯拉公司的Autopilot、FSD等專案。
今年二月份，離開特斯拉7個月後，Karpathy再次加入了OpenAI。
最近他發推文表示，目前對開源大語言模型生態系統的發展饒有興趣，有點像早期寒武紀爆發的跡象。
傳送門：
[1]https://www.youtube. com/watch?v=xO73EUwSegU（演講影片）
[2]https://arxiv.org/pdf/2305.10601.pdf（「Tree of thought」論文）
參考連結：
[1]https://twitter.com/altryne/status/1661236778458832896
[2]https://www.reddit.com/r/MachineLearning/comments/13qrtek/n_state_of_gpt_by_andrej_karpathy_in_msbuild_2023/
[ 3]https://www.wisdominanutshell.academy/state-of-gpt/
以上是GPT現狀終於有人講清楚了！ OpenAI大牛最新演講爆火，還得是馬斯克欽點的天才的詳細內容。更多資訊請關注PHP中文網其他相關文章！
