有人说 GPT3 是“暴力美学”的结晶，它的工作原理你知道吗？｜动图详解

如今，在科技领域掀起了一股GPT3的热潮。大规模语言模型（比如GPT3）的潜力惊艳了我们。虽然这些模型还没有成熟到大多数企业将之直接面对消费者，但却展示出一些智慧的火花，并让人坚信其将会加速自动化的进程，让人看到智能计算系统的希望。让我们拂去GPT3的神秘光环，来看一看它训练与工作的原理吧！

一个经过训练的GPT3语言模型可以生成文本。

我们可以选择一些文本作为输入，从而影响它的输出。

输出是由模型在扫描大量文本的训练期间 "学到 "的东西生成的。

训练是将模型暴露在大量文本中的过程。它已经做了一次并完成了。你现在看到的所有实验都是来自那个训练过的模型。据估计，它耗费了355个GPU年，花费了460万美元。

一个有3000亿个字符的数据集被用来生成模型的训练样本。例如，这是由上面那句话生成的三个训练样本。

你可以看到你如何在所有文本上滑动一个窗口，并生成很多例子。

当我们只给模型一个样本时：我们只给看特征，并让它预测下一个单词。

该模型的预测将是错误的。我们计算其预测中的错误，并更新模型，以便下次它做出更好的预测。

重复这个过程数百万次

现在让我们更详细地看看这些相同的步骤。

GPT3实际上一次只生成一个token的输出（现在我们假设一个token是一个词）。

请注意：这是对GPT-3工作原理的描述，而不是对它的新颖之处的讨论（主要是规模大得可笑）。其架构是基于的 transformer 解码器模型， 参见这篇论文（https://arxiv.org/pdf/1801.10198.pdf）。

GPT3 极其巨大。它将从训练中学习到的内容编码成1750亿个参数。这些参数用于计算每次运行时生成的 token。

未经训练的模型以随机参数开始。训练以期找到更好的预测值。

这些数字是模型里面数百个矩阵的一部分。预测主要就是大量的矩阵乘法。

在我的YouTube 上的人工智能介绍中（https://www.youtube.com/watch?v=mSTCzNgDJy4），我展示了一个简单的机器学习模型，它只有一个参数。为解读这个1750亿个参数的怪兽开了个好头。

为了理解这些参数是如何分布和使用的，我们需要打开模型看看里面的情况。

GPT3 的宽度是2048个 token。这是它的 "上下文窗口"。这意味着它沿着这2048条轨道处理 token。

让我们跟随紫轨，看看系统是如何处理"机器人"这个词并产生"A"的？

抽象的步骤：

将单词转换为代表单词的向量（数字列表）。

计算预测值

将所得向量转换为单词

GPT3的重要计算发生在其96个 transformer 解码层的堆栈中。

看到这些层了吗？这就是 "深度学习 "中的 "深度"。

这些层中的每一层都有1.8亿个参数来进行计算。

你可以在我的博文图解GPT2中看到解码器内部一切的详细解释。

与GPT3的不同之处在于密集自注意层和稀疏自注意层的交替。

这是GPT3内输入和响应（"Okay human"）的X光片。注意，每一个token是如何通过整个层堆栈的。我们不关心第一个词的输出。当输入完成后，我们开始关心输出。我们把每个词都反馈到模型中。

在React代码生成的例子中，描述会是输入提示(绿色)，此外还有几个对代码描述的例子吧。而 React 代码会像这里的粉色 token 一样一个个地生成。

我的假设是，将引例和描述作为输入，用特定的 token 将例子和结果分开，然后输入到模型中。

这种方式让人印象深刻。因为我们只要等到GPT3的微调推出。它的性能将更加惊人。

微调实际上是更新模型的权重，让模型在某项任务中表现得更好。