火星网校
谷歌大模型研究陷重大争议：训练数据之外完全无法泛化？网友：AGI奇点推迟了
发布时间：2023-11-11 17:48:53 浏览量：102次
网友找出论文中更多关键却被忽略的细节，比如只做了GPT-2规模的试验等
克雷西 发自 凹非寺
|
针对Transformer，谷歌DeepMind一项新的发现引起了不小争议：
它的泛化能力，无法扩展到训练数据以外的内容。
目前这一结论还没有进一步得到验证，但已经惊动了一众大佬，比如Keras之父Francois Chollet表示，如果消息为真，将成为大模型界的一件大事。
谷歌Transformer是今天大模型背后的基础架构，我们所熟悉的GPT里的“T”指的就是它。
一系列大模型表现出强大的上下文学习能力，可以快速学习示例并完成新的任务。
但现在，同样来自Google的研究人员似乎指出了它的致命缺陷——超出训练数据也就是人类已有知识之外，全都无能为力。
一时间，不少从业者认为AGI再次变得遥不可及。
然而，也有网友找出论文中更多关键却被忽略的细节，比如只做了GPT-2规模的试验，训练数据也不是语言等。
随着时间的推移，更多认真研究了这篇论文的网友则指出，研究结论本身没什么问题，但人们却基于此做出过度的解读。
而论文引发网友热议之后，其中一名作者也出来做了两点澄清：
首先实验中使用的是简单Transformer，既不“大”也不是语言模型；
其次，模型是可以学习新任务的，只是无法泛化到新类型的任务
此后，又有网友在Colab中重复了这一实验，却得到了完全不同的结果。
那么，我们就先来看看这篇论文，还有提出不同结果的Samuel，到底都说了什么。
新函数几乎无法预测
实验中，作者在基于Jax的机器学习框架上训练了规模接近GPT-2、只包含解码器的Transformer。
其中包括了12层，8个注意力头，嵌入空间维度为256，参数量约为950万。
为了测试它的泛化能力，作者使用了函数作为测试对象——将线性函数和正弦函数一起作为训练数据喂模型。
这两种函数对于此时的模型来说是已知，预测的结果自然也很好，但当研究者把线性函数和正弦函数进行了凸性组合时，问题就出现了。
凸性组合并没有那么神秘，作者构建出了形如f(x)=a·kx+(1-a)sin(x)的函数，在我们看来不过是两个函数按比例简单相加。
但我们之所以会这么认为，正是因为我们的大脑拥有这方面的泛化能力，而大模型就不一样了。
别看就是简单相加，对于只见过线性和正弦函数的模型来说，这就是一种全新的函数。
对于这种新函数，Transformer给出的预测可以说是毫无准确性可言（图4c）——于是作者就认为模型在函数上没有泛化能力。
为了进一步验证自己的结论，作者调整了线性或正弦函数的权重，但即使这样Transformer的预测表现也没有显著的变化。
只有一点例外——当其中一项的权重接近1时，模型的预测结果和实际就比较吻合了。
但权重为1意味着，陌生的新函数直接变成了训练时见过的函数，这样的数据对于泛化能力来说显然没有什么意义。
进一步实验还显示，Transformer不仅对于函数的种类十分敏感，甚至同种函数也可能变成陌生条件。
研究人员发现，哪怕是单纯的正弦函数，只是改变其中的频率，模型的预测结果也会发生线束变化。
只有当频率接近训练数据中的函数时，模型才能给出比较准确的预测，当频率过高或过低时，预测结果出现了严重的偏差……
据此，作者认为，条件只要稍微有点不一样，大模型就不知道怎么做了，这不就是说明泛化能力差吗？
作者在文中也自述了研究中存在的一些局限性，如何将函数数据上的观察应用到token化的自然语言问题上。
团队也在语言模型上尝试了相似的试验但遇到一些障碍，如何适当定义任务族（相当于这里的函数种类）、凸组合等还有待解决。
而Samuel这边的模型规模更小，仅有4层，在Colab上训练5分钟后就可以泛化到线性与正弦函数的组合。
不能泛化又如何
综合全文来看，Quora CEO这篇文章的结论非常窄，只在很多假设下才能成立。
斯隆奖得主、UCLA教授顾全全说，这篇论文本身的结论不存在争议，但不应该被过度解读。
结合先前的研究，Transformer只是无法泛化到与预训练数据“明显不同”的内容，而实际上，大模型的泛化能力通常用任务多样性和任务复杂性来衡量。
如果仔细追究Transformer的泛化能力，恐怕要让子弹再飞一会儿了。
但是，就算真的缺乏泛化能力，又能怎么样呢？
英伟达AI科学家Jim Fan就说，这种现象其实没啥奇怪的，因为Transformer本来就不是万金油，大模型表现得好，是因为训练数据刚好是我们关心的内容。
Jim进一步补充道，这就好像是在说，用一千亿张猫狗的照片训练视觉模型，接着让模型去识别飞机，然后发现，哇，居然真的不认识诶。
不只是大模型，人类在遇到一些未知任务时也不一定能有解决方案，这是否也说明人类缺乏泛化能力呢？
所以，在目标导向之下，无论是大模型还是人类，最终的目的还是要回到解决问题上来，而泛化只是一种手段。
借用这个表情包的说法，既然泛化能力欠缺，那就把它训练到没有训练之外的数据为止。
那么，对于这项研究，你有什么看法呢？
论文地址：
https://arxiv.org/abs/2311.00871
热门课程推荐
热门资讯
-
想将照片变成漫画效果？这篇文章分享了4个方法，包括Photoshop、聪明灵犀、VanceAI Toongineer、醒图，简单操作就能实现，快来尝试一下吧！
-
2. AI视频制作神器Viggle：让静态人物动起来，创意无限！
Viggle AI是一款免费制作视频的AI工具，能让静态人物图片动起来，快来了解Viggle AI的功能和优势吧！
-
3. 华为手机神奇“AI修图”功能，一键消除衣服！原图变身大V领深V！
最近华为手机Pura70推出的“AI修图”功能引发热议，通过简单操作可以让照片中的人物换装。想了解更多这款神奇功能的使用方法吗？点击查看！
-
4. AI显卡绘画排行榜:4090无悬念，最具性价比出人意料
在AI绘图领域，Stable Diffusion的显卡绘图性能备受关注。本文整理了Stable Diffusion显卡的硬件要求和性能表现，以及2023年3月显卡AI绘图效率排行榜和性价比排行榜。欢迎查看最新的AI显卡算力排行榜。
-
近年来,人工智能逐渐走入公众视野,其中的AI图像生成技术尤为引人注目。只需在特定软件中输入关键词描述语以及上传参考图就能智能高效生成符合要求的...
-
就能快速生成一幅极具艺术效果的作品,让现实中不懂绘画的人也能参与其中创作!真的超赞哒~趣趣分享几款超厉害的AI绘画软件,提供详细操作!有需要的快来...
-
7. 零基础10分钟生成漫画，教大家如何用AI生成自己的漫画
接下来,我将亲自引导你,使用AI工具,创作一本既有趣又能带来盈利的漫画。我们将一起探索如何利用这个工具,发挥你的创意,制作出令人惊叹的漫画作品。让...
-
8. 10个建筑AI工具，从设计到施工全覆盖!肯定有你从来没听过的
讲述了建筑业比较著名的AI公司小库科技做出的探索,在这儿就不多说了。今天,我们试着在规划设计、建筑方案设计、住宅设计、管道设计、出渲染图、3D扫...
-
AI技术的快速发展为各行各业带来了许多创新应用,其中之一就是AI小说生成视频。这种技术利用人工智能算法和语言模型,将文本转化为视频剧情,加上配图、...
-
以下是一些免费的AI视频制作网站或工具,帮助您制作各种类型的视频。 1. Lumen5:Lumen5是一个基于AI的视频制作工具,可将文本转换为视频。 用户可以使...
最新文章
