中英文最大AI模型世界纪录产生,大模型竞赛新阶段来了

边策发自凹非寺量子位报道公众号QbitAI超大AI模型训练成本太高hold不住?连市值万亿的公司都开始寻求合作了。本周,英伟达与微软联合发布了5300亿参数的“威震天-图灵”(Megatron-Turing),成为迄今为止全球最大AI单体模型。仅仅在半个月前,国内的浪潮发布了

NetSmell 出品

  边策发自凹非寺

  量子位报道公众号 QbitAI

  超大 AI 模型训练成本太高 hold 不住?连市值万亿的公司都开始寻求合作了。

  本周,英伟达与微软联合发布了5300 亿参数“威震天-图灵”(Megatron-Turing),成为迄今为止全球最大 AI 单体模型。

  仅仅在半个月前,国内的浪潮发布了2500 亿参数中文AI 巨量模型“源1.0”

  不到一个月的时间里,最大英文和中文 AI 单体模型的纪录分别被刷新。

  而值得注意的是:

  技术发展如此之快,“威震天-图灵”和“源 1.0”还是没有达到指数规律的预期。

  要知道,从 2018 年开始,NLP 模型参数近乎以每年一个数量级的速度在增长。

  △ 近年来 NLP 模型参数呈指数级上涨(图片来自微软)

  而 GPT-3 出现后,虽然有 Switch Transformer 等万亿参数混合模型出现,但单体模型增长速度已经明显放缓。

  无论是国外的“威震天-图灵”,还是国内的“源 1.0”,其规模和 GPT-3 没有数量级上的差异。即便“威震天-图灵”和“源 1.0”都用上了各自最强大的硬件集群。

  单体模型是发展遇到瓶颈了么?

  超大模型的三个模式

  回答这个疑问,首先得梳理一下近年来出现的超大规模 NLP 模型。

  如果从模型的开发者来看,超大规模 NLP 模型的研发随时间发展逐渐形成了三种模式。

  一、以研究机构为主导

  无论是开发 ELMo 的 Allen 研究所、还是开发 GPT-2 的 OpenAI(当时还未引入微软投资)都不是以盈利为目标。

  且这一阶段的超大 NLP 模型都是开源的,得到了开源社区的各种复现与改进。

  ELMo 有超过 40 个非官方实现,GPT-2 也被国内开发者引入,用于中文处理。

  二、科技企业巨头主导

  由于模型越来越大,训练过程中硬件的优化变得尤为重要。

  从 2019 年下半年开始,各家分别开发出大规模并行训练、模型扩展技术,以期开发出更大的 NLP 模型。英伟达 Megatron-LM、谷歌 T5、微软 Turing-NLG 相继出现。

  今年国内科技公司也开始了类似研究,中文 AI 模型“源 1.0”便是国内硬件公司的一次突破——

  成就中文领域最大 NLP 模型,更一度刷新参数最多的大模型纪录。

  “源 1.0”不仅有高达 5TB 的全球最大中文高质量数据集,在总计算量和训练效率优化上都是空前的。

  三、巨头与研究机构或巨头之间相互合作

  拥有技术的 OpenAI 由于难以承受高昂成本,引入了微软 10 亿美元投资。依靠海量的硬件与数据集资源,1750 亿参数的 GPT-3 于去年问世。

  但是,今年万亿参数模型的 GPT-4 并没有如期出现,反而是微软与英伟达联手,推出了“威震天-图灵”。

  我们再把目光放回到国内。

  “威震天-图灵”发布之前,国内外涌现了了不少超大 AI 单体模型,国内就有阿里达摩院 PLUG、“源 1.0”等。

  像英伟达、微软、谷歌、华为、浪潮等公司加入,一方面是为 AI 研究提供大量的算力支持,另一方面是因为他们在大规模并行计算上具有丰富的经验。

  当 AI 模型参数与日俱增,达到千亿量级,训练模型的可行性面临两大挑战:

  1、即使是最强大的 GPU,也不再可能将模型参数拟合到单卡的显存中;

  2、如果不特别注意优化算法、软件和硬件堆栈,那么超大计算会让训练时长变得不切实际。

  而现有的三大并行策略在计算效率方面存在妥协,难以做到鱼与熊掌兼得。

  英伟达与微软合体正是为此,同样面对该问题,浪潮在“源 1.0”中也用了前沿的技术路径解决训练效率问题。

  从“源 1.0”的 arXiv 论文中,我们可以窥见这种提高计算效率的方法。

  在对源的大规模分布式训练中,浪潮采用了张量并行、流水线并行和数据并行的三维并行策略。

  “威震天-图灵”和“源 1.0”一样,在张量并行策略中,模型的层在节点内的设备之间进行划分。

  流水线并行将模型的层序列在多个节点之间进行分割,以解决存储空间不足的问题。

  另外还有数据并行策略,将全局批次规模按照流水线分组进行分割。

  三家公司运用各自的技术,将最先进的 GPU 与尖端的分布式学习软件堆栈进行融合,实现了前所未有的训练效率,最终分别打造出英文领域和中文领域的最大 AI 单体模型。

  训练超大规模自然语言模型成本升高,技术上殊途同归,形成研究机构与科技巨头协同发展,三种探索模式并驾齐驱的局面。

  中英 AI 模型互有胜负

  训练成本趋高,技术趋同,为何各家公司还是选择独自研究,不寻求合作?

  我们从 GPT-3 身上或许可见一斑。

  去年发布的 GPT-3 不仅未开源,甚至连 API 都是限量提供,由于获得微软的投资,今后 GPT-3 将由微软独享知识产权,其他企业或个人想使用完整功能只能望洋兴叹。

  训练成本奇高、道德伦理问题以及为了保证行业领先地位,让微软不敢下放技术。其他科技公司也不可能将自己的命运交给微软,只能选择独自开发。

  尤其对于中国用户来说,以上一批超大模型都不是用中文数据集训练,无法使用在中文语境中。

  中文语言的训练也比英文更难。英文由单词组成,具有天然的分词属性。

  而中文需要对句子首先进行分词处理,如“南京市长江大桥”, 南京市长江大桥、南京市长江大桥,错误的分词会让 AI 产生歧义。

  相比于英文有空格作为分隔符,中文分词缺乏统一标准,同样一个词汇在不同语境、不同句子中的含义可能会相差甚远,加上各种网络新词汇参差不齐、中英文混合词汇等情况,要打造出一款出色的中文语言模型需要付出更多努力。

  所以国内公司更积极研究中文模型也就不难理解了。

  即便难度更高,国内公司还一度处于全球领先,比如数据集和训练效率方面。

  据浪潮论文透露,“源 1.0”硬件上使用了 2128 块 GPU,浪潮共搜集了 850TB 数据,最终清洗得到 5TB 高质量中文数据集。

  其文字数据体积多于“威震天-图灵”(835GB),而且中文信息熵大大高于英文,信息量其实更大。

  在训练效率方面,“源 1.0”训练用了 16 天,“图灵威-震天”用了一个多月,前者数据量是后者 3 倍有余,耗时却只有后者一半——

  其专注中文,关注效率努力也可见一斑。

  大模型你来我往间能看出,发展已走入百花齐放互不相让的阶段,这给我们带来新的思考:AI 巨量模型既然不“闭门造车”,那如何走向合作?

  多方合作可能才是未来

  表面上“威震天-图灵”(Megatron-Turing NLG)是第一次由两家科技巨头合作推出超大 AI 模型。

  其背后,双方不仅组成了“超豪华”硬件阵容,在算法上也有融合。强强联合成为超大 AI 模型落地的一种新方式,

  国外巨头开启先例,那么国内公司的现状又是如何呢?其实有机构已经迈出合作的第一步。

  诸如浪潮的“源 1.0”,和当初的“威震天”一样,也是由硬件厂商主导开发的超大规模自然语言模型。

  浪潮透露,实际上 9 月 28 日的发布会上,他们邀请了国内的学者和数家科技公司共同探讨未来“源 1.0”合作的可能性。

  在产业界,浪潮早就提出了“元脑计划”的生态联盟,“源 1.0”未来将向元脑生态社区内所有开发者开放 API,所有加入生态的 AI 技术公司都可以利用“源 1.0”进行二次开发,从而制造出更强大的功能。

  国内超大规模自然语言模型合作的时代正在开启。

  合作开发巨量模型能带来什么?李飞飞等知名学者已经给出答案:当数据规模和参数规模大到一定程度时,量变最终能产生质变,GPT-3 就是先例。

  如今大模型越来越多,但未来关键还在于如何纵横捭阖,打造属于一套开放合作体系,让所有技术公司群策群力。

  而 AI 巨量模型在这样的生态体系下会带来怎样的变化,在“源 1.0”等一大批模型开放后,应该很快就能看见。

  参考链接:

  [1]https://arxiv.org/abs/2110.04725

  [2]https://www.microsoft.com/en-us/research/blog/turing-nlg-a-17-billion-parameter-language-model-by-microsoft/

  [3]https://mp.weixin.qq.com/s/0SE3rv3MdDzbqwAVFtSe8Q

显示余下内容
 

发表评论

邮箱地址不会被公开。 必填项已用*标注