深度學(xué)習發(fā)展下的“摩爾困境”，人工智能又將如何破局？

編譯 | 禾木木

出品 | AI科技大本營(yíng)（ID:rgznai100）

前不久，微軟和英偉達推出包含5300億參數的語(yǔ)言模型MT-NLG，這是一款基于 Transformer 的模型被譽(yù)為“世界上最大、最強的生成語(yǔ)言模型”。

毫無(wú)疑問(wèn)，這是一場(chǎng)令人印象深刻的機器學(xué)習工程展示。

然而，我們是否應該對這種大型模型趨勢感到興奮？

大腦深度學(xué)習

研究人員估計，人腦平均包含 860 億個(gè)神經(jīng)元和 100 萬(wàn)億個(gè)突觸?？梢钥隙ǖ氖?，并非所有這些都用于語(yǔ)言。有趣的是，GPT-4 預計有大約 100 萬(wàn)億個(gè)參數……

盡管這個(gè)對比很粗糙，但是難道不應該懷疑構建與人腦大小差不多的語(yǔ)言模型是否是一個(gè)長(cháng)期可行的方法？

當然，我們的大腦是經(jīng)過(guò)數百萬(wàn)年進(jìn)化產(chǎn)生的奇妙裝置，而深度學(xué)習模型才有幾十年的歷史。盡管如此，直覺(jué)應該告訴我們，有些東西是無(wú)法計算的。

深度學(xué)習、還是深度錢(qián)包？

在龐大的文本數據集上訓練一個(gè) 5300 億參數的模型，毫無(wú)疑問(wèn)的是需要龐大的基礎設施。

事實(shí)上，微軟和英偉達使用了數百臺 DGX-A100 的 GPU 服務(wù)器。每件售價(jià)高達 199,000 美元，再加上網(wǎng)絡(luò )設備、主機等成本，任何想要復制這個(gè)實(shí)驗的人都必須花費近 1 億美元。

哪些公司有業(yè)務(wù)例子可以證明在深度學(xué)習基礎設施上花費 1 億美元是合理的？或者甚至是1000萬(wàn)美元？很少。

那么這些模型到底是為誰(shuí)準備的呢？

GPU 集群

盡管其工程才華橫溢，但在 GPU 上訓練深度學(xué)習模型是一種費力的事情。

根據服務(wù)器參數表顯示，每臺 DGX 服務(wù)器可以消耗高達 6.5 千瓦的電量。當然，數據中心（或服務(wù)器）至少需要同樣多的散熱能力。

除非你是史塔克家族的人，需要拯救臨冬城，否則散熱是必須處理的另一個(gè)問(wèn)題。

此外，隨著(zhù)公眾對氣候和社會(huì )責任問(wèn)題的認識不斷提高，公司還需要考慮到他們的碳足跡。馬薩諸塞大學(xué) 2019 年的一項研究，“在 GPU 上訓練 BERT 大致相當于一次跨美飛行”。

而 BERT-Large 擁有 3.4 億個(gè)參數，訓練起來(lái)的碳足跡究竟有多大？想想都害怕。

構建和推廣這些龐大的模型是否有助于公司和個(gè)人理解和使用機器學(xué)習呢？

相反，如果把重點(diǎn)放在可操作性更高的技術(shù)上，就可以用來(lái)構建高質(zhì)量的機器學(xué)習解決方案。

使用預訓練模型

在絕大多數情況下，并不需要自定義模型體系結構。

一個(gè)好的起點(diǎn)是尋找已針對您要解決的任務(wù)（例如，總結英文文本）進(jìn)行預訓練的模型。

然后，快速?lài)L試一些模型來(lái)預測自己的數據。如果參數標明某個(gè)參數良好，那么就完成了！如果需要更高的準確性，應該考慮對模型進(jìn)行微調。

使用較小的模型

在評估模型時(shí)，應該選擇能夠提供所需精度的最小模型。它將更快地預測并需要更少的硬件資源來(lái)進(jìn)行訓練和推理。

這也不是什么新鮮事。熟悉計算機視覺(jué)的人會(huì )記得 SqueezeNet 于 2017 年問(wèn)世時(shí)，與 AlexNet 相比，模型大小減少了 50 倍，同時(shí)達到或超過(guò)了其準確性。

自然語(yǔ)言處理社區也在努力縮小規模，使用知識蒸餾等遷移學(xué)習技術(shù)。DistilBERT 可能是其最廣為人知的成就。

與原始 BERT 模型相比，它保留了 97% 的語(yǔ)言理解能力，同時(shí)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，例如 Facebook 的 BART。

Big Science 項目的最新模型也令人印象深刻。如下圖所示，他們的 T0 模型在許多任務(wù)上都優(yōu)于 GPT-3，同時(shí)模型大小縮小了 16 倍。

微調模型

如果需要專(zhuān)門(mén)化一個(gè)模型，不需要從頭開(kāi)始訓練模型。相反，應該對其進(jìn)行微調，也就是說(shuō)，僅在自己的數據上訓練幾個(gè)時(shí)期。

使用遷移學(xué)習的好處，比如：

需要收集、存儲、清理和注釋的數據更少

實(shí)驗和數據迭代的速度更快

獲得產(chǎn)出所需的資源更少

換句話(huà)說(shuō)：省時(shí)、省錢(qián)、省硬件資源、拯救世界！

使用基于云的基礎設施

不管喜歡與否，云計算公司都知道如何構建高效的基礎設施。研究表明，基于云的基礎設施比替代方案更具能源和碳效率。Earth.org 表示，雖然云基礎設施并不完美，但仍然比替代方案更節能，并促進(jìn)對環(huán)境有益的服務(wù)和經(jīng)濟增長(cháng)?！?/p>

在易用性、靈活性和即用即付方面，云當然有很多優(yōu)勢。

優(yōu)化模型

從編譯器到虛擬機，軟件工程師長(cháng)期以來(lái)一直使用工具來(lái)自動(dòng)優(yōu)化硬件代碼。

然而，機器學(xué)習社區仍在為這個(gè)話(huà)題苦苦掙扎，這是有充分理由的。優(yōu)化模型的大小和速度是一項極其復雜的任務(wù)，其中涉及以下技術(shù)：

硬件：大量面向加速訓練任務(wù)（Graphcore、Habana）和推理任務(wù)（Google TPU、AWS Inferentia）的專(zhuān)用硬件。

剪枝：刪除對預測結果影響很小或沒(méi)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）

幸運的是，自動(dòng)化工具已經(jīng)開(kāi)始出現，例如 Optimum 開(kāi)源庫和 Infinity，這是一種容器化解決方案，可以以 1 毫秒的延遲提供 Transformers 的準確性。

結論

在過(guò)去的幾年里，大型語(yǔ)言模型的規模每年都以 10 倍的速度增長(cháng)。這看起來(lái)像另一個(gè)摩爾定律。

如果機器學(xué)習沿著(zhù)模型巨大化這條路走下去，會(huì )導致收益遞減、成本增加、復雜度增加等。

這是所期待的人工智能未來(lái)的樣子嗎？

與其追逐萬(wàn)億參數模型，不如把更多經(jīng)歷放在構建解決現實(shí)世界問(wèn)題的實(shí)用且高效的解決方案，豈不是更好？

參考鏈接：

https://huggingface.co/blog/large-language-models#deep-learning-deep-pockets