「小模型周」过去了 ，小模型的最新战场才刚刚开辟。
上周GPT-4o mini和Mistral NeMo二连发，「麻雀虽小，五脏俱全」的小模型成为业界大佬密切关注的新方向。这么说来，难道大模型要失宠了? Scaling Law要失效了？前OpenAI和特斯拉AI研究员Andrej Karpathy刚刚入局AI教育，「K老师」最近发表推文指导行业迷津，揭秘科技巨头纷纷转向小模型研发的背后新趋势：AI大模型的竞争即将逆转。人工智能巨头公司和一些新晋独角兽，最近都发布了与其他同行相比更紧凑、更强大、更实惠的人工智能模型，最新的例子是OpenAI的GPT-4o mini。Karpathy预测这一趋势将持续下去。他写道，「我敢打赌，我们会看到很多能够有效可靠思考的模型，而且体积非常小。」
在LLM发展的初期阶段，吞吐更多数据，把模型往大了做是必然的趋势。这主要基于以下几个原因：生活在一个数据爆炸的时代，大量丰富和多样化的数据需要更强大的模型来处理和理解。大模型具备容纳和处理海量数据的能力，通过大规模的数据训练，能够挖掘出深层次的模式和规律。硬件技术的不断进步，GPU等高性能计算设备的发展，为大模型的训练提供了强大的算力支持。使得训练大型、复杂的模型成为可能。大模型通常能够在语言理解、生成、图像识别等多个领域展现出卓越的性能，懂的越多，生成出来的结果也就越准确。大模型能够更好地处理未曾见过的新问题和新任务，能够基于之前学到的知识进行合理的推测和回答，具有更强的泛化能力。再加上AI领域竞争激烈，各研究机构和巨头都致力于开发更大更强的模型，展示技术实力和领先地位，卷模型大小自然成了LLM的发展大方向。Karpathy也将当前最强大模型的规模归因于训练数据的复杂性，并补充说大语言模型在记忆方面表现出色，超越了人类的记忆能力。类比一下，期末周如果你要接受闭卷考试，考试要求根据前几个单词背诵书本上的某个段落。这就是当今大模型的预训练目标。Karpathy表示，现在的大模型就像是一个贪吃蛇，只想把所有能用的数据全部吞进肚子里。它们不仅能背诵常见数字的SHA系列哈算法，还能记住所有领域大大小小的知识。但是，这种学习方式就像是你为了考试，把整个图书馆和互联网上的内容通通都背下来。不可否认能做到这种记忆能力的是天才，但是结果考试时只用到了其中的一页！对于这种天才学生——LLM想要做得更好之所以困难，是因为在训练数据的过程中，思维演示与知识「纠缠」在一起。而且，一方面从实际应用的角度来看，大模型在部署和运行时面临着高昂的成本和资源消耗，包括计算资源、存储资源以及能源消耗等。小模型更易于在各种设备和场景中进行部署，满足使用便利性和低功耗的要求。另一方面，从技术成熟的角度考虑，当通过大模型充分探索和理解了问题的本质和规律后，可以将这些知识和模式提炼并应用于小模型的设计和优化中。使得小模型在保持大模型同等性能甚至更优性能的前提下，降低规模和成本。虽然大模型发展遇到了瓶颈，小模型逐渐成为新趋势，但是Karpathy强调，大模型仍然是需要的，即使它们没有得到有效的训练，但是小模型正是从大模型中浓缩而来。Karpathy预计，每个模型都会不断改进，为下一个模型生成训练数据，直到出现「完美的训练集」。即使是像GPT-2这样，拥有15亿个参数的已经out模型，当你用这个完美的训练集来训练GPT-2时，它可能会变成一个按今天标准来看非常强大且智能的模型。这个用完美的训练集训练过的GPT-2可能在例如大规模多任务语言理解（MMLU）测试中的分数会稍低一些，MMLU测试涵盖57项任务，包括初等数学、美国历史、计算机科学、法律等，用以评测大模型基本的知识覆盖范围和理解能力。但未来更智能的人工智能模型并不走量取胜，它可以更可靠地检索信息并验证事实。正如一个学霸做开卷考试，虽然不是所有的知识都烂熟于心，但是能够精准地定位到正确答案。据报道，OpenAI的Strawberry项目就着重在解决这个问题。
正如Karpathy所说，经过海量数据训练出来的超大模型（如GPT-4），大部分其实是用来记住大量的无关紧要细节的，也就是死记硬背资料。这与模型预训练的目的有关，在预训练阶段，模型被要求尽可能准确的复述接下来的内容，这相当于背课文，背的越准得分越高。虽然，模型能学会里面反复出现的知识，但是，数据资料有时也会出现错误和偏见，模型还要先全部记住再进行微调。Karpathy相信如果有更高质量的训练数据集，完全可以训练出一个规模更小，能力更强，更有推理能力的模型。可以在超大模型的帮助下，自动生成，清洗出质量更高的训练数据集。类似GPT-4o mini，就是用GPT-4清洗出来的数据训练的。先把模型做大，然后在此基础上「瘦身」，这可能是一种模型发展的新趋势。做个生动的比喻就像当前的大模型存在数据集过多虚胖的问题，经过数据清洗和大量训练，摇身一变一身精瘦肌肉的小模型。这个过程就像是一个阶梯式的进化，每一代模型都会帮助生成下一代的训练数据，直到我们最终得到一个「完美的训练集」。OpenAI首席执行官Sam Altman也发表了类似言论，早在2023年4月就宣布大型AI模型的「时代结束」。并且，数据质量是AI训练的关键成功因素也越来越成为共识，无论是真实数据还是合成数据。奥特曼认为，关键问题是人工智能系统如何从更少的数据中学到更多的东西。微软研究人员在开发Phi模型时也做出了相同的判断，Hugging Face AI研究人员也同意对于高质量数据集的追求，并发布了高质量的训练数据集。这意味着一味扩张不再是科技巨头们唯一的技术目标，即使是小型的高质量模型也可以受益于更多、更多样化、更高质量的数据。回到更小、更高效的模型可以被视为下一个整合阶段的目标，OpenAI的模型发布就清晰地表明未来的发展方向。
Karpathy还提到了特斯拉在自动驾驶网络上的类似做法。特斯拉有一个叫「离线追踪器」的东西，通过运行先前的较弱模型，生成更干净的训练数据。一听到特斯拉技术被cue走在时代前列，马斯克迅速赶往评论区：评论区的网友对于Karpathy的远见卓识也纷纷表示，臣附议！对于未来的通用人工智能来说，更小、更高效的人工智能模型可能会重新定义人工智能中的「智能」，挑战「越大越好」的假设。《Python机器学习》作者Sebastian Raschka认为，这就像是知识蒸馏，从27B的大模型蒸馏出Gemma-2这样的小模型。他也提醒我们，MMLU这种多选题测试，可以测试知识，但不能完全反映实际能力。也有网友脑洞大开，如果小模型表现得好，那么术业有专攻，为什么不用更多的小模型来生成一个个回答呢？召集10个AI助手，然后让最聪明的那个做最后的总结，简直是AI版的智囊团。那么，AGI到底是一个全能大模型，还是来自许多小模型的协作呢？
