環(huán)信AI公開課：OpenAI通用語言模型GPT-2論文解析

OpenAI最近似乎搞了個大新聞,隨手一搜,”最大模型”、”15億參數(shù)”、”無需領(lǐng)域數(shù)據(jù)”等等躍然在目。當(dāng)然現(xiàn)在是標(biāo)題黨的年代,為了吸引眼球,外行媒體的夸張手法也能理解。當(dāng)然最大的爭議還是他們在官網(wǎng)上解釋為什么只提供小模型的理由:為了防止大模型用于生成欺詐和有歧視性的文章,我們只發(fā)布小規(guī)模的模型(Due to concerns about large language models being used to generate deceptive, biased, or abusive language at scale, we are only releasing a much smaller version of GPT-2 along with sampling code)。這個當(dāng)然引起了軒然大波,使得很多人在Reddit上吐槽。聽這語氣,人工智能已經(jīng)實(shí)現(xiàn)了,為了保護(hù)人類,他們不能把這個惡魔放出來。實(shí)際情況怎么樣呢?別聽專家的,最好還是我們自己讀讀論文跑跑代碼吧。

目錄

背景簡介

BERT的缺陷

語言模型

Children’s Book

LAMBADA

Winograd Schema Challenge

Reading Comprehension

Summarization

機(jī)器翻譯

Question Answering

大翻盤

代碼

背景簡介

2018年深度學(xué)習(xí)在NLP領(lǐng)域取得了比較大的突破,最大的新聞當(dāng)屬Google的BERT模型橫掃各大比賽的排行榜。作者認(rèn)為,深度學(xué)習(xí)在NLP領(lǐng)域比較重點(diǎn)的三大突破為:Word Embedding、RNN/LSTM/GRU+Seq2Seq+Attention+Self-Attention機(jī)制和Contextual Word Embedding(Universal Sentence Embedding)。

Word Embedding解決了傳統(tǒng)機(jī)器學(xué)習(xí)方法的特征稀疏問題,它通過把一個詞映射到一個低維稠密的語義空間,從而使得相似的詞可以共享上下文信息,從而提升泛化能力。而且通過無監(jiān)督的訓(xùn)練可以獲得高質(zhì)量的詞向量(比如Word2vec和Glove等方法),從而把這些語義知識遷移到數(shù)據(jù)較少的具體任務(wù)上。但是Word Embedding學(xué)到的是一個詞的所有語義,比如bank可以是”銀行”也可以是”水邊。如果一定要用一個固定的向量來編碼其語義,那么我們只能把這兩個詞的語義都編碼進(jìn)去,但是實(shí)際一個句子中只有一個語義是合理的,這顯然是有問題的。

這時我們可以通過RNN/LSTM/GRU來編碼上下文的語義,這樣它能學(xué)到如果周圍是money,那么bank更可能是”銀行”的語義。最原始的RNN由于梯度消失和梯度爆炸等問題很難訓(xùn)練,后來引入了LSTM和GRU等模型來解決這個問題。最早的RNN只能用于分類、回歸和序列標(biāo)注等任務(wù),通過引入兩個RNN構(gòu)成的Seq2Seq模型可以解決序列的變換問題。比如機(jī)器翻譯、摘要、問答和對話系統(tǒng)都可以使用這個模型。尤其機(jī)器翻譯這個任務(wù)的訓(xùn)練數(shù)據(jù)比較大,使用深度學(xué)習(xí)的方法的效果已經(jīng)超過傳統(tǒng)的機(jī)器學(xué)習(xí)方法,而且模型結(jié)構(gòu)更加簡單。到了2017年,Google提出了Transformer模型,引入了Self-Attention。Self-Attention的初衷是為了用Attention替代LSTM,從而可以更好的并行(因?yàn)長STM的時序依賴特效很難并行),從而可以處理更大規(guī)模的語料。Transformer出來之后被廣泛的用于以前被RNN/LSTM/GRU霸占的地盤,Google更是在Transformer的論文里使用”Attention is all you need”這樣霸氣的標(biāo)題?，F(xiàn)在Transformer已經(jīng)成為Encoder/Decoder的霸主。

雖然RNN可以學(xué)到上下文的信息,但是這些上下文的語義是需要通過特定任務(wù)的標(biāo)注數(shù)據(jù)使用來有監(jiān)督的學(xué)習(xí)。很多任務(wù)的訓(xùn)練數(shù)據(jù)非常少并且獲取成本很高,因此在實(shí)際任務(wù)中RNN很難學(xué)到復(fù)雜的語義關(guān)系。當(dāng)然通過Multi-Task Learning,我們可以利用其它相關(guān)任務(wù)的數(shù)據(jù)。比如我們要做文本分類,我們可以利用機(jī)器翻譯的訓(xùn)練數(shù)據(jù),通過同時優(yōu)化兩個(多個)目標(biāo),讓模型同時學(xué)到兩個任務(wù)上的語義信息,因?yàn)檫@兩個任務(wù)肯定是共享很多基礎(chǔ)語義信息的,所以它的效果要比單個任務(wù)好。但即使這樣,標(biāo)注的數(shù)據(jù)量還是非常有限的。

因此2018年的研究熱點(diǎn)就變成了怎么利用無監(jiān)督的數(shù)據(jù)學(xué)習(xí)Contextual Word Embedding(也叫做Universal Sentence Embedding),也就是通過無監(jiān)督的方法,讓模型能夠?qū)W到一個詞在不同上下文的不同語義表示方法。當(dāng)然這個想法很早就有了,比如2015年的Skip Thought Vector,但是它只使用了BookCorpus,這只有一萬多本書,七千多萬個句子,因此效果并沒有太明顯的提升。

在BERT之前比較大的進(jìn)展是ELMo、ULMFiT和OpenAI GPT。尤其是OpenAI GPT,它在BERT出現(xiàn)之前已經(jīng)橫掃過各大排行榜一次了,當(dāng)然Google的BERT又橫掃了一次,并且PR效果更加明顯。所以O(shè)penAI看風(fēng)頭都被Google強(qiáng)勁,自然有些羨慕嫉妒恨,也就有了今天我們要討論的OpenAI GPT-2。

UMLFiT比較復(fù)雜,而且效果也不是特別好,我們暫且不提。ELMo和OpenAI GPT的思想其實(shí)非常非常簡單,就是用海量的無標(biāo)注數(shù)據(jù)學(xué)習(xí)語言模型,在學(xué)習(xí)語言模型的過程中自然而然的就學(xué)到了上下文的語義關(guān)系。它們倆都是使用Transformer來學(xué)習(xí)語言模型,但是在進(jìn)行下游任務(wù)處理的時候就有所不同,ELMo是把它當(dāng)成特征。拿分類任務(wù)來說,輸入一個句子,用ELMo把它掃一次,這樣就可以得到每個詞的表示,這個表示是考慮上下文的,因此”He deposited his money in this bank”和”His soldiers were arrayed along the river bank”中的兩個bank的向量是不同的。下游任務(wù)用這些向量來做分類,它會增加一些網(wǎng)絡(luò)層,但是ELMo語言模型的參數(shù)是固定的。而OpenAI GPT不同,它直接用特定任務(wù)來Fine-Tuning Transformer的參數(shù)。因?yàn)橛锰囟ㄈ蝿?wù)的數(shù)據(jù)來調(diào)整Transformer的參數(shù),這樣它更可能學(xué)習(xí)到與這個任務(wù)特定的上下文語義關(guān)系,因此效果也更好。

而BERT和OpenAI GPT的方法類似,也是Fine-Tuning的思路,但是它解決了OpenAI GPT(包括ELMo)單向信息流的問題,同時它的模型和語料庫也更大。依賴Google強(qiáng)大的計(jì)算能力和工程能力,BERT橫掃了OpenAI GPT,在后者霸主寶座屁股還沒坐熱的時候就把它趕下臺。成王敗寇,再加上Google的PR能力,很少還有人記得OpenAI GPT的貢獻(xiàn)了。要說BERT的學(xué)術(shù)貢獻(xiàn),最多是利用了Mask LM(這個模型在上世紀(jì)就存在了)和Predicting Next Sentence這個Multi-task Learning而已,其余的方法都是完全follow OpenAI GPT的。因此OpenAI心情郁悶也就可以理解了,這次搞出個GPT-2也是想出來露個臉,刷一下存在感。

更多技術(shù)細(xì)節(jié),有興趣的讀者可以參考詳解谷歌最強(qiáng)NLP模型BERT或者參與作者的BERT課程。地址:http://fancyerii.github.io/2019/03/05/bert-prerequisites/

BERT的缺陷

如果你是OpenAI GPT的科學(xué)家,你會怎么辦呢?當(dāng)然如果能提出一個更加突破性的模型,然后在各大比賽上橫掃BERT,這自然是最理想的。但是學(xué)術(shù)研究又不能像媒體宣傳的那樣天天突破(作者訂閱的各種公眾號倒是每天都能看到突破,因此經(jīng)常被震驚),要拼資源和算力那顯然拼不過Google。其實(shí)除了OpenAI,其它公司也想搞點(diǎn)新聞,比如Microsoft最近搞了個MT-DNN,據(jù)說效果要比BERT好(一點(diǎn)),但是由于好的有限,而且有沒有源代碼甚至模型,誰知道是不是用tricky的方法過擬合這些數(shù)據(jù)集呢?

我們回到OpenAI,顯然短期類無法超過BERT,Google開源的BERT模型橫掃了其它更多榜單,仿佛挑釁般的對其他對手說:不服你跑個分啊。被當(dāng)面打臉,顯然很郁悶。那怎么辦呢?OpenAI的科學(xué)家突然找到了BERT模型的一個弱點(diǎn)——它不是”正常的”語言模型,因此不能生成句子。BERT的Mask LM只能用來做完形填空題,也就是用手遮住一個句子的某個單詞,然后讓它猜哪個詞更可能,但是普通的語言模型是可以生成句子的。抓住這個點(diǎn)之后,OpenAI大作文章。它使用Common Crawl的8百萬文章(共40GB,不知道是否壓縮過)訓(xùn)練了一個15億(1542M)參數(shù)的”最大模型”,不過參數(shù)雖然很多,但是訓(xùn)練數(shù)據(jù)確實(shí)有點(diǎn)少。作者訓(xùn)練個中文詞向量還得搞個幾千萬的百科文章,Google的數(shù)據(jù)那得用TB來做單位吧。因此作者在文中強(qiáng)調(diào)模型是underfit的(All models still underfit Web-Text and held-out perplexity has as of yet improved givenmore training time.),參數(shù)多,數(shù)據(jù)少,那自然不能訓(xùn)練太久,否則過擬合后效果更差(但是生成句子過擬合無所謂,直接把莎士比亞全集的句子背出來肯定能震驚很多人)。訓(xùn)練了這個模型用來刷榜?我猜測作者嘗試過,結(jié)果呢?那自然就不用說了,否則我們看到的就不是現(xiàn)在的這個新聞了。

不過沒關(guān)系,他們的目標(biāo)是BERT的軟肋——不能生成句子(段落和篇章當(dāng)然就更不行了)。我們來看看論文的實(shí)驗(yàn)是怎么設(shè)計(jì)的:

語言模型

BERT不是普通的語言模型吧,好,那咱們來PK一下(你是零分啊)。但是用Transformer去跑語言模型這樣的灌水文章別人早發(fā)過了,沒啥意思。因此要搞出一個Zero-shot的概念:你們在一個很小的語料庫訓(xùn)練一個語言模型然后大家比賽,俺不這么跟你玩。俺用很大的語料訓(xùn)練一個模型,然后不用你的數(shù)據(jù),效果還能超過你們在小數(shù)據(jù)上的效果。

當(dāng)然這個概念還是不錯的,結(jié)果如下圖所示。

圖:不同數(shù)據(jù)集上語言模型的PPL,越小越好

我們看到,除了最后一個1BW的很大的語料庫,OpenAI都超過了它們。其實(shí)這也說明了,如果有很多的領(lǐng)域數(shù)據(jù),還是領(lǐng)域數(shù)據(jù)好使,這在機(jī)器翻譯系統(tǒng)里也得到了驗(yàn)證。如果訓(xùn)練數(shù)據(jù)較少,我們通常使用預(yù)訓(xùn)練的詞向量作為模型詞向量的初始值。如果訓(xùn)練數(shù)據(jù)非常少,我們通常固定預(yù)訓(xùn)練的詞向量;如果訓(xùn)練數(shù)據(jù)還可以,那么就Fine-Tuning一下。如果訓(xùn)練數(shù)據(jù)很多,比如在機(jī)器翻譯任務(wù)里,預(yù)訓(xùn)練的詞向量和隨機(jī)初始化的效果沒什么區(qū)別(開始的時候好一點(diǎn),因?yàn)楸容^是相對較好的初始值)。

Children’s Book

類似于完型填空,其實(shí)BERT是可以搞的。但是NLP的比賽那么多,Google總不能都做完吧。國內(nèi)很多AI公司天天發(fā)PR稿:我們又獲得了一個世界第一。其實(shí)很多外行的讀者并不知道這個比賽只有5個參數(shù)選手,可能其中2個還是某個在校學(xué)生擠出周末打游戲的時間去做的。

圖:Children’s Book任務(wù)

效果似乎還不錯,離人類的水平相差不遠(yuǎn)。

LAMBADA

PPL從99.8降到8.6,測試的準(zhǔn)確率從19%提高到52.66%。作者不了解這個比賽,不做點(diǎn)評。

Winograd Schema Challenge

63%到70.7%,似乎還不錯。作者也不了解這個比賽,不做點(diǎn)評。

Reading Comprehension

這是最近很火的比賽類型,有很多數(shù)據(jù)集,這里使用的是CoQA,BERT的baseline是89的F1得分(越大越好),GPT-2的得分是55。這似乎差得太遠(yuǎn)啊,但是作者有高大上的解釋:BERT是用來監(jiān)督數(shù)據(jù)的,俺們不用訓(xùn)練數(shù)據(jù)。有點(diǎn)像考試不及格的學(xué)渣對學(xué)霸說,雖然你得了89分,但是你天天熬夜背題,俺天天翹課也差點(diǎn)及格了,說明俺比你有天賦。學(xué)霸說:那你也天天熬夜背題啊,看看能不能跑分跑過我?學(xué)渣說:俺們是搞素質(zhì)教育的,不搞題海戰(zhàn)術(shù)。

Summarization

摘要任務(wù),分越高越好,成績單如下:

圖:Children’s Book任務(wù)

機(jī)器翻譯

SOTA的BLEU分(越高越好)33.5,俺不學(xué)習(xí)也得了11.5。

Question Answering

無監(jiān)督的效果慘不忍睹。

大翻盤

這是最終大殺器,咱們來PK生成文章了。論文附錄挑選了許多生成的”故事”,作者英語比較差,看不出好壞來。學(xué)術(shù)界最近對產(chǎn)生式(Generative)模型非常感興趣,尤其是在圖像和視覺領(lǐng)域。不過作者對此并不感興趣,作者是實(shí)用主義者,生成花里胡哨的東西并不能解決實(shí)際的問題。大家上網(wǎng)隨便一搜,都能找到各種作詩機(jī)器人、對聯(lián)機(jī)器人或者生成某些名人風(fēng)格的文字。看起來格律嚴(yán)謹(jǐn)對仗工整,其實(shí)都是毫無意義。當(dāng)然,也不是說生成的模型完全無用,比如Gmail用模型自動生成郵件的回復(fù),作者試了一下還不錯。不管怎么說,OpenAI是扳回一城了,因此也就有了鋪天蓋地的新聞出來。

代碼

因?yàn)闆]有中文模型,只能跑英文,所以作者這三腳貓的英語水平還是藏拙的好,就不做點(diǎn)評了。讀者可以自己試試。

gitclonehttps://github.com/openai/gpt-2.git&&cdgpt-2

需要安裝Tensorflow 1.12.0(作者試了1.11也是可以的,因?yàn)锽ERT的官方實(shí)現(xiàn)要求1.11+):

pip3installtensorflow==1.12.0

安裝其它依賴:

pip3install-rrequirements.txt

下載模型:

python3download_model.py117M

因?yàn)槟Ｐ头旁趕torage.googleapis.com,所以需要科學(xué)上網(wǎng),可以這樣修改代碼,請把”127.0.0.1:1080”改成你自己的代理:

$gitdiffdiff--gita/download_model.pyb/download_model.pyindex2a38294..83d6fb8100644---a/download_model.py+++b/download_model.py@@-15,7+15,11@@ifnotos.path.exists(subdir):forfilenamein['checkpoint','encoder.json','hparams.json','model.ckpt.data-00000-of-00001','model.ckpt.index','model.ckpt.meta','vocab.bpe']:-r=requests.get("https://storage.googleapis.com/gpt-2/"+subdir+"/"+filename,stream=True)+proxies={+'http':'http://127.0.0.1:1080',+'https':'http://127.0.0.1:1080',+}+r=requests.get("https://storage.googleapis.com/gpt-2/"+subdir+"/"+filename,stream=True,proxies=proxies)withopen(os.path.join(subdir,filename),'wb')asf:

使用前需要設(shè)置編碼:

exportPYTHONIOENCODING=UTF-8

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。