文/卫剑钒
前段时间学习了大模型的工作原理，学完之后，我决定改变自己的大脑思维模式，向大模型学习。
大模型的智能，显然还不是人类的智能，但它的结构和训练过程，非常值得学习。正是这独特的模型和方法，让它产生了令人震惊的效果。
大模型本身是受人脑启发的，所以，它做的好的，我们人脑完全可以学习。
本文所称大模型，是指大语言模型LLM，是指基于Transformer结构的大模型，如果举例，本文主要以GPT3为例。
一、学习大模型的字字珠玑
你知道吗，在大模型里，每个字都有一串不同的数值，就像是这个字的密码一样，神秘而不可名状。这些神奇的数值被送入大模型神奇的注意力机制和神经网络，就出现了神奇的效果。
举个例子，我们看看“变形金刚”这四个字在大模型中是怎么表示的吧：
“变”：[-0.09, 0.06,-0.78, 0.25,-0.00, ..., 1.41, 0.76,-0.75, 1.13,-0.92]
“形”： [-0.30, 0.23,-0.09,-0.67,-0.57, ..., 0.72, 0.20,-0.58, 0.21, 0.08]
“金”： [-1.15,-0.46,-0.02, 1.10,-0.43, ..., 0.42,-0.41,-0.62, 0.44, 1.21]
“刚”： [1.20,-0.91,-0.19,-0.40,-0.88, ...,-0.38, 0.09,-0.81, 0.61, 0.93]
注意，省略号代表省略了一堆数值。从术语上讲，可以把这些数值称为一个字的“特征向量”，数值的个数就是向量的维度。
对于GPT3，其维度高达12288，就是说，每个字由12288个数值来表达！
这些数值代表了什么呢？打个比方，我们说“狗”是动物、是哺乳类、有毛发、会叫、有一定智能、比较忠诚、有一定攻击性、杂食、需要适度运动，可以用 9个数值来表达，但是GPT3却用了12288个数值！
没人能说清，这么多维度中的每个数值表达了什么含义，只有大模型自己知道。
这些数值如何得来？当然不是人赋的，而是训练出来的。大模型在学习大量语料的过程中，不断调整对每个字的认识，直至整个模型令人满意时，训练结束，这些值也就定下来了。
大模型的这个特点，让我觉得，对每个字、每个概念，应做细致的考察和理解，要尽可能全面地抓住它的意思，这样，才能更好理解和掌握文字。
越全面，智能越强。
每个文字进入大模型先转为特征向量
二、学习大模型的融会贯通
曾有哲人说过，“你想要了解一个事物，就需要了解一切”。
现在看来，他不仅是对的，而且是太对了。
想要成为经济学家？单啃经济学的书可不行，你还得懂政治、懂社会、懂人性、懂历史，懂哲学。
想成为军事家？准备好跨界吧！你需要知道的不止是行军打仗，还得懂农业生产、武器制造、工程建设、金融资助、物资运输、信息科技，当然，你更要懂人性、懂文化。
想成为人工智能专家？这可不是敲敲键盘那么简单，你得懂语言学、逻辑学、数学、心理学、脑科学、工程学，还得懂哲学！
真正的天才，事实上都是通才。
大模型就是个通才。
ChatGPT之所以惊艳世界，是因为它几乎无所不知。
而这背后，是它啃了45TB语料的结果。45TB，相当于数百万本书的信息量！
正是通过对这些语料的刻苦训练，大模型学会了给每个字合适的特征向量，学会了建立靠谱的神经网络条件反射，学会了算出最适合的下一个字。
大模型并不记录任何知识，比如，它并不记录“中国的首都是北京”，但你问他中国首都是哪里，它肯定能回答出来是北京。所有的信息都在神经元连接的权重参数之中，他看到“中国”和“首都”，就能下意识反应说“北京”。
这些用于构成条件反射的权重参数，数量庞大（对GPT3而言，有1750亿个），没人知道这些权重都是什么含义，人们只是知道它们能呈现出惊人的效果。
这些权重并不是人工赋值的，它们也是训练出来的，计算机逼着大模型学习海量语料中的任意一段文字，逼其调整权重，使之能够预测任意一段文字的下一个字，而且误差要让人满意。
一旦做到这点，就意味着，它知道人怎么说话，人怎么想问题，人怎么看世界，大模型以它的结构和它的参数，拟合了数百万本图书量的高质量文字，它相当于掌握人类的知识。
相比之下，每个人学的东西太少了，每个人懂的也太少了。高人和一般人的区别就在于，高人掌握更多高质量的信息，高人拥有更多靠谱的神经连接。
虽然机器和人学习的方式并不一样，但有一点是肯定的，博览群书、见多识广，总比不读书、闭塞要好。
向大模型学习，看得更多，懂得更多。
三、学习大模型的心领神会
大模型只是在不断输出下一个字，但每一个字的输出，都是经过反复锤炼的。
我们知道，一个字，在不同的句子中，有不同的含义，比如“我喜欢黄金首饰”和“这是一个变形金刚”，虽然里面都有“金”字，但“金”的含义大不相同。
大模型是靠注意力计算和前馈神经网络来识别语义、形成语境的。
所谓注意力计算，就是对一段文本中求得其中每一个字对其他每一个字的关系（本质上是字和字的特征向量间的点积计算），然后用这个关系对每个字的特征向量进行调整。
比如，对于“金”字，训练好后，就是一个初始的向量值，想知道“金”字在某段文本中的含义，要看周围的字。
“金”字附近，是“黄”，是“首饰”，那么这个“金”字，就会是黄金首饰的“金”。
“金”字附近，是“刚”，是“变形”，那么这个“金”字，就会是变形金刚的“金”。
经过注意力计算后，“金”在这段文本中的特征向量会调整到合适的位置。
不光“金”字，文本中的所有字都会被调整，调整为贴合人意的语境。
之后，这些特征向量，会送往前馈神经网络，让大模型做进一步的联想和推理，大模型很了解，人们在说“我喜欢黄金首饰”时，通常接着会说“我想买一个”之类的话。
以上的“注意力计算 + 前馈神经网络”就是一层计算，做完一层后，会再做一层这样的计算，循环往复，做若干层。对于GPT3，做96层。
大模型通过层层注意力计算和神经网络实现智能
研究表明，前几层计算专注于理解语法、解决词汇的歧义，后面的层则致力于对整个文字做高层次理解。
比如，你扔给大模型一段故事：
“大壮有个表弟叫小帅，他喜欢变形金刚……有一天，大壮发现……于是，大壮前往英国……”（故事略去）
LLM的前面若干层计算中，基本上是做语法分析，比如这里的“金”是“金刚”而不是“金子”，“变形”是个形容词而不是动词，“大壮”是一个人名而不是“大壮山河”，“他”指的是“小帅”而不是“大壮”。
在后面的层次的计算中，会做更高层的逻辑分析，对一个人的刻画也更精确和完善，比如算到第60层时，GPT3基本上就分析出来：
“大壮”有如下特点：主角、男性、小美的男朋友，小帅的表哥，来自美国，目前在英国，试图找到他丢失的钻石。
经过96层的分析计算，大模型掌握了故事里面每个人、每件物品、每件事，了解它们的特征、处境、历史和现状，然后将这些信息存放在每个字的特征向量之中。
然后，这些值被送到最后一个神经网络，以输出要预测的下一个字。在做了前面那么多分析和研究后，下一个字几乎是呼之欲出的。
比如对于“我喜欢黄金首饰”，可能就会接着一个逗号，然后接着“戴着真漂亮”或者“我想买一个”。
对于“这是一个变形金钢”，可能也会接着一个逗号，然后接着“真酷”，或者“我想玩它”之类的。
大模型告诉我们，想要深刻理解一个东西，就要不断思考，翻来覆去思考，从各个层面思考，最终，肯定会越来越明白。这就是“书读百遍，其义自现”。
反过来是一样的，如果我想让人比较容易地理解一件事，我最好能营造出丰富、生动和完整的语境，让听者身临其境，然后，他自然就能领会我的意思。
四、学习大模型的自我修炼
大模型的训练方法，是反向传播算法，它计算输出和期望的差距，通过偏导计算，逐层逐步调整模型参数，使输出逼近期望。
做人是一样的，了解现状，定位目标，分析差距，反思原因，调整要素，然后再看调整后的系统效果，不满意就再来一轮。这是很常见也很自然的做法。
比如，你发现自己的演讲能力不够好，那就可能需要调整思想力、表达力、演讲技巧和自信心。当然，这并不容易，正确分析出问题症结，比大模型求偏导要难得多。
然而，人类有一种自动调节的能力，就是模仿、重复、背诵、演练，这就是对人脑的训练。
人工智能历史上，有两大派，符号派（将一切抽象为符号，建立逻辑系统）喜欢理性分析、逻辑推理；连接派（神经连接的意思，大模型就是连接派的产物）喜欢野蛮训练，大力出奇迹。
现在，连接派胜出了，符号派投降了。
比如，学习英语，符号派会去学习语法，连接派会去做大量阅读和背诵，谁能学得更好？
古人明白这点，他们“熟读唐诗三百首，不会作诗也会吟”。
五、学习大模型的举重若轻
马斯克今年3月份开源的大模型叫grok，这个名字取得可真巧妙。
grok，来自科幻小说《异乡异客》（Stranger in a Strange Land，1961），是火星人（说的是真火星人哦）使用的一个词语，指“理解深刻、符合直觉”（to understand profoundly and intuitively）。
大模型已经练就这样的能力：随便你扔给它什么问题，它都不怕，它不慌不忙，按照内部神经连接，完成计算，吐出答案。
它从来不会因为问题很难，就思考半天。
它像下意识般，口吐莲花，输出一个又一个字。
这种能力，要求对文字有深入理解，要求对世界领悟深刻，大模型经过千锤百炼，它能做到。
我们，最好也能这样，内功深厚，见招拆招，举重若轻。