文心一言是一個大語言模型、生成式AI 產(chǎn)品，發(fā)布會上演示了五個使用場景中的綜合能力。其中，文學創(chuàng)作、商業(yè)文案創(chuàng)作、數(shù)理推算是大語言模型常見的能力，在此基礎上，中文理解及多模態(tài)生成能力更能體現(xiàn)技術水平。

到今日晚間，「光錐智能」拿到文心一言的內(nèi)測邀請碼，在提出多個問題測試之后我們發(fā)現(xiàn)，文心一言與New Bing雖然有差距，但整體要比預期更好。?比如在為商業(yè)訪談類欄目起名、對洛希極限的解釋上都十分完整。但同時也存在一些不足，比如在計算“同時抽水和放水”的數(shù)學問題時，文心一言就出現(xiàn)了審題錯誤。

金玉在前，百度在文心一言發(fā)布會召開后，無論是產(chǎn)品口碑，還是股價表現(xiàn)，短期內(nèi)一定會有壓力。畢竟，世界上還只有一個OpenAI。

事實上，在ChatGPT驚艷亮相之前，GPT的1～3版本，都是在長期低調(diào)開源測試后，才達到了后面的結(jié)果。

短期表現(xiàn)和長期價值還是有所不同，拋開情緒，我們更關心，文心一言和GPT-4在技術上有哪些相同和不同？模型真的是越大越好嗎？利用大模型的產(chǎn)業(yè)化之路，應該怎么走？

文心一言在發(fā)布會上相對出彩的展示，莫過于多模態(tài)生成。

在發(fā)布會上，李彥宏先是讓文心一言為2023智能智能交通大會生成了一張海報，然后又讓其撰寫了一段關于智能交通的文字，并讓其用四川話讀出來，最后還讓文心一言用這些素材生成了一段視頻。

昨天，在GPT-4的發(fā)布會上，Open AI總裁和聯(lián)合創(chuàng)始人 Greg Brockman展示了GPT-4基于一張草圖生成網(wǎng)站的過程，讓許多人知道了大模型單模態(tài)與多模態(tài)的區(qū)別。

GPT-4是一個典型的多模態(tài)預訓練模型，它能夠支持圖像和文本的輸入，然后以文本的方式輸出。而文心一言展示的則是以文本的方式輸入，以文本、語音、圖像和視頻的方式輸出。

輸入和輸出其實具有本質(zhì)上的區(qū)別。

有AI開發(fā)從業(yè)者向光錐智能表示，多模態(tài)輸出其實并不難，難的是輸入。比如輸出語音，不過是先輸出文字然后再加一個TTS技術，已經(jīng)很成熟了。

比如這次GPT-4 令人驚艷的強大，就表現(xiàn)在圖片理解上。

給到一個物理題的照片，GPT-4能夠讀懂題目然后解答。

GPT-4還能識別圖片中的幽默部分，比如給 GPT-4 一個長相奇怪的充電器的圖片，問為什么這很可笑？GPT-4能回答說，因為VGA線充 iPhone。

但無論怎么說，從GPT-4到文心一言都在說明李彥宏的那句話，“多模態(tài)是生成式AI一個明確的發(fā)展趨勢。”

據(jù)王海峰介紹，文心一言主要脫胎于兩大模型，百度ERNIE系列知識增強千億大模型，以及百度大規(guī)模開放域?qū)υ捘Ｐ蚉LATO。

此基礎上，主要采用了六項核心技術，包括監(jiān)督精調(diào)、人類反饋強化學習（RLHF）、提示構(gòu)建、知識增強、檢索增強和對話增強技術。

其中，人類反饋強化學習是目前大模型訓練中普遍應用到的技術，ChatGPT能夠在GPT-3的基礎上產(chǎn)生質(zhì)變，成為跨時代的產(chǎn)品，很大程度上依賴于此。

其中，知識增強主要包含知識內(nèi)化和知識外用兩部分，知識內(nèi)化又包括語義學習和數(shù)據(jù)構(gòu)造，知識外用則包含知識推理和提示構(gòu)架。

這些技術又都基于百度的知識圖譜。所謂知識圖譜是一個宏大的數(shù)據(jù)模型，是指一個由世間萬物構(gòu)成的“實體”以及他們之間的“關系”構(gòu)建起來的龐大“知識”網(wǎng)絡。

百度CTO王海峰曾介紹，“百度構(gòu)建了世界上最大規(guī)模的知識圖譜，擁有超過50億實體，5500億事實，能夠通過語言、聽覺、視覺等獲得對世界的統(tǒng)一認知，突破了實際應用中場景復雜多變、數(shù)據(jù)稀缺等難題。”

在這個知識圖譜中，除了基礎的通用圖譜之外，百度還針對不同的應用場景和知識形態(tài)，構(gòu)建了事件圖譜、多媒體圖譜、行業(yè)知識圖譜等多種圖譜。

檢索增強則與百度在搜索引擎上的技術積累有關，簡單理解就是，當用戶問出一個問題后，文心一言會先通過搜索引擎將知識都檢索一遍，然后再篩選整合其中有用的信息作為輸出。

最后的對話理解，則包含百度積累的記憶機制，上下文理解，對話規(guī)劃等等。

除了基礎技術架構(gòu)，百度并沒有公布模型結(jié)構(gòu)和參數(shù)，而是花了大量的時間用來解釋自己在文心大模型、產(chǎn)業(yè)大模型、AI技術四層構(gòu)架上的布局。

由于這都是此前積累的能力，因此這次文心一言的發(fā)布，不像是百度研發(fā)了一個新產(chǎn)品和新技術，更像是百度將之前所有的工作打包，以文心一言的方式整合輸出。所以，我們會在文心一言里看到文心一格的圖片生成，會看到已經(jīng)在百家號應用的自動圖文轉(zhuǎn)視頻的功能。

就像李彥宏提到的一樣，“從某種意義上說，我們已經(jīng)為此準備了多年，十幾年前就開始投入AI研究，2019年就推出了文心大語言模型，今天的文心一言是過去多年努力的延續(xù)。”

雖然除了OpenAI，其他的公司目前都是others，但大家都在摸著GPT過河，在尋找更優(yōu)質(zhì)的模型方案。中國公司也一直在積極探索相應大模型的研發(fā)和應用，并總結(jié)出了許多“中國經(jīng)驗”。

什么樣的模型是一個好模型？模型真的是越大越好嗎？

涌現(xiàn)現(xiàn)象，是指在當大模型的數(shù)規(guī)模達到一定程度時，其解決問題的能力就會發(fā)生突變。大模型能力的提升，很大程度上依賴于這種涌現(xiàn)能力，也就是“大力出奇跡”。所以，現(xiàn)在模型規(guī)模被越做越大，一定程度上因為大家想要通過增大參數(shù)規(guī)模來獲得更多的涌現(xiàn)能力。

目前這一能力通常在百億、千億級別的參數(shù)區(qū)間出現(xiàn)?！暗唧w多少參數(shù)能夠出現(xiàn)涌現(xiàn)現(xiàn)象，也與具體任務、具體模型有關，某些任務13B規(guī)模即可，有些任務需要540B，大部分要達到70B。”新浪新技術研發(fā)負責人張俊林提到。

但模型做大之后，卻又帶來產(chǎn)業(yè)落地方面的問題。比如更大的模型通常意味著更大的算力消耗，更高的部署成本，這讓一些垂類領域，如學校，醫(yī)院等場景很難負擔得起。

張俊林提到幾個例子，比如DeepMind發(fā)布的Chinchilla和Meta發(fā)布的LLaMA，其中Chinchilla的模型規(guī)模只有70B，LLaMA的模型規(guī)模在7B到65B之間，都是目前規(guī)模相對較小的模型。

而從實驗結(jié)果上看，即使模型規(guī)模相對較小也同樣可以具備涌現(xiàn)能力，但前提是增加更多的訓練數(shù)據(jù)量。以Chinchilla為例，其對標的模型規(guī)模是280B是Gopher，而Chinchilla能夠以70B的參數(shù)規(guī)模做出同樣的效果，代價是將訓練數(shù)據(jù)提升了4倍。

在解決了涌現(xiàn)能力之外，將模型做小的另一個原因在于，現(xiàn)在大模型的許多參數(shù)其實并沒有被有效利用。

DeepMind在2022年的一個研究中提到，在給定總計算量不變的情況下，模型訓練Loss在模型參數(shù)量和訓練數(shù)據(jù)量的變化存在一個最優(yōu)的平衡點。

該研究給出了三種最優(yōu)計算方式，并且比較了GPT-3等千億模型，發(fā)現(xiàn)它們都沒有達到理論上的最優(yōu)點，這意味著GPT-3龐大的參數(shù)其實并沒有被充分利用。

Meta在這方面就曾做過嘗試，2023年Meta推出百億規(guī)模的模型LLaMA，雖然參數(shù)規(guī)模只有百億，不到GPT-3的十分之一，但通過實驗顯示在下游任務中的表現(xiàn)好于GPT-3等千億規(guī)模的模型。這其中的關鍵在于，Meta使用了1.4萬億Token，是GPT3的近4.7倍。

所以陳運文也認為，“整體來看盡管模型的參數(shù)規(guī)模越大越好，但性價比更高的參數(shù)規(guī)模方案仍然值得探索?！?/div>