著名NLP学者斯坦福大学的Chris Manning教授近期在美国人文与科学学院期刊的AI & Society特刊上发表了一篇题Human Language Understanding & Reasoning的论文。

文章在简单回顾了NLP的历史发展的基础上，分析了预训练的transformer模型何有此威力，探讨了语义和语言理解的本质，进而展望了大模型的未来，对新手还是老兵都颇有启发。本文就聊一聊论文的要点。顺便提一句，论文谈的是NLP，但本质也是在说或许我们已经在通用人工智能（Artificial general intelligence, AGI）上迈出了坚定的一步。

1. NLP领域的范式转移

文章先简要回顾了自然语言处理（NLP）的几个阶段，这对于新一代炼丹师可能过于遥远，所以我们也一笔带过：

• 第一阶段，发轫于冷战时期1950-1969的机器翻译工作，以现在的观点看数据和计算量都小的可怜，同时没太多语言结构或者机器学习技巧介入。

• 第二阶段，1978-1992的符号主义，没错，约等于规则，那种很系统且elegant的规则。

• 第三阶段，1993-2012的，实证主义，也就是基于语料库的机器学习时代。

• 第四阶段，2013开始一直到现在，深度学习时代。

深度学习本身当然意义巨大，但2018年出现的大规模自监督（self-supervised）神经网络才是真正具有革命性的。这类模型的精髓是从自然语言句子中创造出一些预测任务来，比如预测下一个词或者预测被掩码（遮挡）词或短语。

这时，大量高质量文本语料就意味着自动获得了海量的标注数据。让模型从自己的预测错误中学习10亿+次之后，它就慢慢积累很多语言和世界知识，这让模型在问答或者文本分类等更有意义的任务中也取得好的效果。没错，说的就是BERT (Devlin et al, 2019)和GPT-3之类的大规模预训练语言模型，large pretrained language model (LPLM)，中文世界也常称之为大模型。

2. 为什么大模型有革命性意义？

用Manning自己的话来说，在未标注的海量语料上训练大模型可以：

Produce one large pretrained model that can be very easily adapted, via fine-tuning or prompting, to give strong results on all sorts of natural language understanding and generation tasks.

从此，NLP领域的进展迎来了井喷。

Transformer 架构(Vaswani et al., 2017) 自2018年开始统治NLP领域。为何预训练的transformer有如此威力？论文从transformer的基本原理讲起，其中最重要的思想是attention，也就是注意力机制。

Attention其实非常简单，就是句子中每个位置的表征（representation，一般是一个稠密向量）是通过其他位置的表征加权求和而得到。Transformer模型通过每个位置的query, key以及value的表征计算来预测被掩码位置的单词。网上有很多介绍transformer的资料，不熟悉的同学可以自行搜索，大致过程如下图所示：

为什么这么简单的结构和任务能取得如此威力？

此处颇有insight。Manning认为通过简单的transformer结构执行如此简单的训练任务之所以能威力巨大的原因在其：通用性。

预测下一个单词这类任务是如此简单和通用，以至于几乎所有形式的语言学和世界知识，从句子结构、词义引申、基本事实都能帮助这个任务取得更好的效果。因此，大模型也在训练过程中学到了这些信息，这也让单个模型在接收少量的指令后就能解决各种不同的NLP问题。也许，大模型就是“大道至简”的最好诠释。

基于大模型完成多种NLP任务，在2018年之前靠fine-tuning（微调），也就是在少量针对任务构建的有监督数据上继续训练模型。最近则出现了prompt（提示学习）这种形式，只需要对任务用语言描述，或者给几个例子，模型就能很好的执行以前从未训练过的任务 (Brown et al, 2020).  

3. NLP的大模型范式

传统的NLP是流水线范式：先做词法（如分词、命名实体识别）处理，再做句法处理（如自动句法分析等），然后再用这些特征进行领域任务（如智能问答、情感分析）。这个范式下，每个模块都是由不同模型完成的，并需要在不同标注数据集上训练。而大模型出现后，就完全代替了流水线模式，比如：

• 机器翻译：用一个模型同时搞多语言对之间的翻译

• 智能问答：基于LPLM微调的模型效果明显提升

• 其他NLU任务如NER、情感分析也是类似

更值得一提的是自然语言生成 (natural language generation,  NLG)，大模型在生成通顺文本上取得了革命性突破，对于这一点玩过GPT-3的同学一定深有体会。

这种能力还能用在更为实用的医学影像生成任务上。大模型能在NLP任务上取得优异效果是毋庸置疑的，但我们仍然有理由怀疑大模型真的理解语言吗，还是说它们仅仅是鹦鹉学舌？

4. 大模型能真正理解人类语言吗？

要讨论这个问题，涉及到什么是语义，以及语言理解的本质是什么。关于语义，语言学和计算机科学领域的主流理论是指称语义（denotational semantics），是说一个单词短语或句子的语义就是它所指代的客观世界的对象。

与之形成鲜明对比的是，深度学习NLP遵循的分布式语义（distributional semantics），也就是单词的语义可以由其出现的语境所决定。Manning认为两者可以统一起来，用他的原话来说，就是：

Meaning arises from understanding the network of connections between a linguistic form and other things, whether they be objects in the world or other linguistic forms.

用对语言形式之间的连接来衡量语义的话，现在的大模型对语言的理解已经做的很好了。但目前的局限性在于，这种理解仍然缺乏世界知识，也需要用其他模态的感知来增强，毕竟用语言对图像和声音等的描述，远不如这些信号本身来的直接。这也正是很多大模型的改进方向。

5. 大模型的未来

大模型在语言理解任务的成功，以及向其他数据模态，比如图像、知识、生物信息等的拓展巨大的前景指向了一个更通用的方向。在这个方向上，Manning本人也参与提出了近期大火的foundation model（基础模型）的概念。

基础模型是指百万以上参数，通过自监督学习在预料上训练的，可以轻松适配到多种下游任务的大模型（Bommasani et al., 2021）。BERT和GPT-3就是典型的例子，但最近在两个方向上涌现出不少的拓展性工作：

• 大模型连接知识，无论是以连接知识图谱神经网络，还是实时搜索文本知识的形式。

• 多模态的foundation model，比如DALL·E模型，这个方向也更激动人心。

Foundation model仍然在早期，但Manning描绘了一个可能的未来：

Most information processing and analysis tasks, and perhaps even things like robotic control, will be handled by a specialization of one of a relatively small number of foundation models. 

These models will be expensive and time-consuming to train, but adapting them to different tasks will be quite easy; indeed, one might be able to do it simply with natural language instructions.

AI模型收敛到少数几个大模型会带来伦理上的风险。但是大模型这种将海量数据中学来的知识应用到多种多样任务上的能力，在历史上第一次地非常地接近了（通用）AI的目标：对单一的机器模型发出简单的指令就做到各种各样的事情。

这类大模型可能只拥有非常局限的逻辑推理能力，但是大模型的有效性会让它们得到非常广泛的部署，在未来数十年它们会让人们领略通用人工智能的一瞥。

Reference