在日常生活让 AI 帮忙完成一些任务，已经不是新鲜事。智能音箱里的 AI，可以告诉你“明天天气怎么样”；翻译软件里的 AI，能准确翻译一大段话甚至一篇文章；写作 AI 则会输出作文。

但它们都只能干一件事，翻译的 AI 写不了作文，问答的 AI 也不会翻译。它们更像一个个工具，而不是一个智能体。一个真正智能的 AI 应该是什么样的？它应该是通用的，既可以对付问答、写文章，也能搞定翻译。

最近在硅谷大火的 GPT-3，就是这么一个 AI。问答、写文、翻译都不在话下，还能写代码、算公式、做表格、画图标（详细的例子参见 PingWest 品玩之前的文章：API 开放之后，我们才真正领略 GPT-3 的强大……）。

本质上，GPT-3 其实是一个语言模型。所谓语言模型，就是让机器理解并预测人类语言的一项技术。如果说以前的语言模型是专才，那 GPT-3 就是一个通才，而且样样都干得还不错。

当我们仔细回顾和梳理它的诞生故事会发现，AI 领域的一个明显趋势正在浮出水面：要训练一个有颠覆性进步的模型，最终比拼的是数据量和算力规模，这意味着这个行业的门槛越来越高，最终可能导致 AI 技术的竞争变成少数“烧得起钱”的大公司之间的游戏。

预训练筑起数量门槛

GPT-3的故事要从2018年说起。

2018 年初，艾伦人工智能研究所和华盛顿大学的研究人员提出了 ELMo（Embedding from Language Models）模型。这之前的模型，无法理解上下文，不能根据语境去判断一个多义词的正确含义，ELMo 第一次解决了这个问题。

在训练 ELMo 模型过程中，研究人员采用了一种关键的方法——预训练。通常，训练一个模型需要大量经过人工标注的数据。而在标注数据很少的情况下，训练出来的模型精度很差。

预训练则摆脱了对标注数据的依赖，用大量没有标注的语料去训练（即无监督学习），得到一套模型参数，再把这套模型参数应用于具体任务上。这种模式训练出来的语言模型被证明了，在自然语言处理（以下简称 NLP）任务中能实现很好的效果。可以说，预训练这种方式的成功，开创了自然语言研究的新范式。

2018 年 6 月，在 ELMo 基础上，OpenAI 提出了 GPT。GPT 全称 Generative Pre-training，字面意思是“生成式预训练”。

GPT 同样基于预训练模式，但和 ELMo 不同的是，它加入了第二阶段训练：精调（Fine-tuning，又称“微调”），开创了“预训练+精调”的先河。所谓精调，即在第一阶段训练好的模型基础上，使用少量标注语料，针对具体的 NLP 任务来做调整（即有监督学习）。

除了开创“预训练+精调”模式，GPT 还在特征提取器上采用更加强大的 Transformer。所谓特征提取器，就是用来提取语义特征的。Google 在 2017 年推出的 Transformer，比 ELMo 所用的特征提取器 RNN，在综合效果和速度方面有优势。并且，数据量越大，越能凸显出 Transformer 的优点。

GPT 在预训练阶段设计了 12 层 Transformer（层数越多规模越大），并且使用“单向语言模型”作为训练任务。上文说到，ELMo 模型能理解上下文，上文和下文的信息都被充分利用。而 GPT 和之后的迭代版本，坚持用单向语言模型，只使用上文信息。

GPT 的设计思路奠定了此后迭代的基础，但由于它的规模和效果没有很出众，风头很快被 2018 年底亮相的 BERT 所盖过。

BERT 由 Google 打造，刷新 11 项 NLP 任务的最好水平，颠覆了整个 NLP 领域。BERT 的成功其实有 GPT 功劳，它们大框架上基本相同，都采用“预训练+精调”模式。差异的地方在于，GPT 是单向语言模型，而 BERT 采用双向语言模型。

BERT 虽然取得了巨大成功，但它有两个缺点。其一，虽然采用无监督学习和有监督学习结合（即“预训练+精调”）的模式，但还是少不了特定领域一定量的标注数据。其二，因为领域标注数据有限，会导致 BERT 模型过拟合（模型过于死板，只适用于训练数据），难以应用到其他领域，即通用能力不足。

2019 年 2 月亮相的 GPT-2，解决了 BERT 的短板。为了摆脱对标注数据的依赖，OpenAI 在设计 GPT-2 模型时，基本上采用无监督学习（即预训练），减小了精调阶段有监督学习的比重，尝试在一些任务上不进行精调。

其次，为了增强通用性，OpenAI 选取了范围更广、质量更高的数据，用 800 万个互联网网页的语料（大小 40 GB）去训练，几乎覆盖所有领域。此外，OpenAI 还加大了 GPT-2 模型的规模，把参数增加到 15 亿，是 GPT（1.17 亿个参数）的 10 倍，是 BERT-Large（BERT 一个规模较大的版本，有 3 亿个参数）的 5 倍。

GPT-2 亮相后，很快吸引了整个 NLP 领域的目光。它在做具体 NLP 任务时（如问答、翻译和摘要），用的都是预训练阶段的模型，都能比较好的完成这些任务。特别是给定短文续写文章方面，表现十分出色。

沿着大规模预训练的思路，OpenAI 继续“大水漫灌”，用更多无标注数据、更多参数和更多算力去训练模型，终于在 2020 年 5 月推出了 GPT-3。7 月，又开发了 API（应用程序接口），让更多开发者可以调用 GPT-3 的预训练模型，彻底引爆了整个 NLP 圈。

堆人、堆算力规模

从 GPT-1 的“平平无奇”到 GPT-3 的突破，充分体现了什么叫“大力出奇迹”。

首先看人力。初代 GPT 的论文只有四位作者，GPT-2 论文有六位作者。到了 GPT-3，论文作者猛增为 31 位。

并且，这 31 位作者分工明确，有人负责训练模型，有人负责收集和过滤数据，有人负责实施具体的自然语言任务，有人负责开发更快的 GPU 内核，跟公司不同部门间合作没啥区别。

再看看算力。从初代 GPT 到 GPT-3，算法模型基本没有变化，都是基于 Transformer 做预训练，但训练数据量和模型规模十倍、千倍地增长。相应地，所需要的算力也越来越夸张。初代 GPT 在 8 个 GPU 上训练一个月就行，而 GPT-2 需要在 256 个 Google Cloud TPU v3 上训练（256 美元每小时），训练时长未知。

到 GPT-3，算力费用已经是千万级别。据 GPT-3 的论文，所有模型都是在高带宽集群中的英伟达 V100 GPU 上训练的，训练费用预估为 1200 万美元。

甚至，由于成本过于地高，研究者在发现了一个 Bug 的情况下，没有选择再去训练一次，而是把涉及的部分排除在论文之外。

显然，没有强大的算力（其实相当于财力）支持，GPT-3 根本不可能被训练出来。那么，OpenAI 的算力支持源自何处？这要说回到一笔投资。2019 年 7 月，微软向 OpenAI 注资 10 亿美元。双方协定，微软给 OpenAI 提供算力支持，而 OpenAI 则将部分 AI 知识产权授权给微软进行商业化。

2020 年 5 月，微软推出了一台专门为 OpenAI 设计的超级计算机。它托管在 Azure 上，包含超过 28.5 万个处理器内核和 1 万块 GPU，每个显卡服务器的连接速度为 400 Gbps/s。它的性能在超级计算机排名中，可以排到前五。

最后，再来说说 OpenAI 这家机构。埃隆・马斯克和原 Y Combinator 总裁山姆·奥特曼主导成立于 2015 年的 OpenAI，原本是一个纯粹的非营利 AI 研究组织，但经过一次转型和架构调整，加上引入微软投资，现在已经成为混合了营利与非营利性质的企业。

一直以来，OpenAI 的目标都是创建“通用人工智能”（Artificial General Intelligence，简称AGI），就好像文章开头所说的，AGI 是一个可以胜任所有智力任务的 AI。

打造 AGI 的路径有两种，一种是开发出更加强大的算法，另一种是在现有算法基础上进行规模化。OpenAI 就是第二种路径的信仰者。2019 年，OpenAI 核算了自 2012 年来所有模型所用的计算量，包括 AlexNet 和 AlphaGo，发现最大规模 AI 模型所需算力，已经增长了 30 万倍，每 3.4 个月翻一番。而摩尔定律指出，芯片性能翻倍周期是 18–24 个月。这就意味着，最大规模 AI 模型对算力需求的增长，远超芯片性能的提升。

毫无疑问，算力已经成为 NLP 研究甚至 AI 研究的壁垒。知乎用户“李渔”说得好：GPT-3 仅仅只是一个开始，随着这类工作的常态化开展，类似 OpenAI 的机构很可能形成系统性的 AI 技术垄断。