今天我们继续聊英伟达的GTC。在这次GTC上,黄仁勋除了第一天有个主题演讲之外,公开的活动就只有一场圆桌讨论,主题是Transforming AI。在当地时间早上7:00,距离这场圆桌讨论开始还有4个小时,就有观众来到了圣何塞McEnery会议中心。圆桌讨论开始前1个小时,门口已经排起长龙。观众如此关注这场圆桌讨论的原因,除了黄仁勋之外,还有英伟达预告的重磅嘉宾阿什什·瓦斯瓦尼Ashish Vaswani、诺姆·沙泽尔Noam Shazeer、尼基·帕尔玛 Niki Parmar(家里有事未能到场)、雅各布·乌什科瑞特Jakob Uszkoreit、利昂·琼斯Llion Jones、艾丹·戈麦斯Aidan Gomez、卢卡斯·凯撒Lukasz Kaiser和伊利亚·波罗苏欣Illia Polosukhin,他们都曾就职于Google,也是论文Attention Is All You Need的作者,被称为Transformer论文八子,而这篇论文也被称为梦开始的地方。

2017年,Google团队发表了论文Attention Is All You Need。这篇开创性的论文介绍了基于Transformer的深度学习架构,Transformer彻底改变了自然语言处理NLP领域,它的自注意力机制也被广泛应用于计算机视觉等其他领域,并且对AI研究产生了深远影响,成为了AI发展史上的一个里程碑。截至今天,这篇论文的被引用次数已高达112576。黄仁勋也是这篇论文的受益者之一。如果说ChatGPT是席卷AI行业的一场风暴,那么Transformer就是扇动翅膀的那只蝴蝶;如果说英伟达是AI时代的卖铲人,那么这篇论文带来的巨大算力需求就是其背后的底气。俗话说吃水不忘挖井人,黄仁勋这次把这篇论文的七位作者都邀请到了现场,在此之前,他们从未以这样的形式出现在同一场合解读Transformer。

值得一提的是,到场的七位嘉宾中,除了卢卡斯·凯撒Lukasz Kaiser在OpenAI担任工程师,其他人都在创业。黄仁勋在介绍到场嘉宾时说,这年头大家创业的公司名称几乎都包含AI,其实我们NVIDIA的名字也包含AI,只不过字母顺序反了。我一直都知道我需要字母A和字母I。黄仁勋的幽默也引发了全场的笑声。

面对七位嘉宾,黄仁勋像一位综艺节目主持人一样问了很多直白朴素的问题,比方说,这个主意怎么想出来的?为什么要起这样一个论文标题?Transformer这个词是怎么来的?当时还有其他可选的词吗?新的模型技术将是什么?你们想要探索什么?等等。七位嘉宾分别回答了相关问题。 不过艾丹·戈麦斯Aidan Gomez说出了一句意味深长的话,我们希望世界可以诞生比Transformer更好的东西。 首先是Transformer是如何被创造出来的。黄仁勋在开始的时候说,今天我们所享受的一切,都能够追溯到Transformer出现的那一刻。我们从大量的数据中学习,以一种有序的方式,有序的数据以及空间数据,但是从大量的数据中学习来找到关系和模式,并且创建这些巨大的模型,是非常具有变革性的。 随着黄仁勋抛出第一个问题,是什么驱动你们创造出了Transformer,圆桌讨论正式开始。Transformer的最初目标是解决一个朴素的问题------机器翻译。以前我们通常遇到问题就会去Google搜索,但是如果需要在它反馈回来的大量网页中做快速处理,当时的循环神经网络RNN是无法做到的,因为它们需要逐个单词地处理文本。最初的目标是解决处理序列数据,比如文本、音频等的问题。 在一个特定时期,由于生成训练数据的速度远超过训练复杂神经网络架构的能力,因此在实际应用中更倾向于使用简单而且训练速度更快的模型,比如以n-gram为输入特征的前馈神经网络。在拥有大量训练数据的情况下,更简单的模型架构,比如仅包含前馈网络的模型,在处理大规模数据时表现得比更复杂的RNN和LSTM更好,因为它们的训练速度更快。 诺姆·沙泽尔Noam Shazeer当时主要关注在自注意力机制的引入和模型的扩展性上,他们在2015年左右就注意到这些Scaling law,也就是缩放法则。他还幽默地表示,RNN就像蒸汽机一样,而Transformer模型则像内燃机,我们当然可以在坐在蒸汽机上完成工业革命,只不过屁股会烧很疼,内燃机的效果则要好得多。 阿什什·瓦斯瓦尼Ashish Vaswani则更倾向让模型自主学习并设计一个具有广泛适用性的框架。他用之前在工作中遇到的两个教训阐述了自己的思考。第一个教训是,我们需要明白梯度下降是一位出色的老师。他在研究机器翻译时,领悟道相比于自己去学习语言规则,让梯度下降这种训练模型的算法来处理会更高效。第二个教训是,可扩展的通用架构一定会胜利。谈到这里时,阿什什·瓦斯瓦尼Ashish Vaswani用了苦涩的教训中的说法,即那些可以扩展并且具有通用性的架构最终会更胜一筹。他认为能够像Transformer一样处理各种不同任务和数据类型的模型,一定会比专为特定任务设计的模型效果更好。 卢卡斯·凯撒Lukasz Kaiser和利昂·琼斯Llion Jones,也分享了他们对模型直观性的看法,尤其是在机器翻译领域的应用,同时他们也提到了如何通过消融实验来改进模型性能。 Attention is all you need这个论文标题,就是Llion Jones想到的,他还透露,起标题时只是在做消融术。至于Transformer这个名字,则是由雅各布·乌什科瑞特Jakob Uszkoreit提议的,他的理由非常直接,因为模型改变了他们处理数据的方式,所有的机器学习都是Transformer,都是颠覆者。 诺姆·沙泽尔Noam Shazee还提到他之前想过很多名字,比如Cargornet,但是投票没有通过。黄仁勋这时还调侃了一句,说这个名字还好被否决了。应该说Transformer这个名字体现了它的核心能力,能够全面且广泛地转换数据。 Transformer完全抛弃了RNN的逻辑,由自注意力机制组成,这一点与人脑处理信息时的方式不谋而合。人脑在理解句子时能自然地忽略次要细节,更专注于关键信息,Transformer就采用了类似的策略,能够识别并理解序列数据中不同元素之间的相关性,从而提高数据处理的效率和准确性。通过这个技术,模型能够在处理文本、音频等连续数据时,更加灵活、高效地调整信息,得到更准确、内容更丰富的结果。Transformer模型的一个关键能力,就是它能够在每一步处理时,都全面转换它正在处理的信息,而不是仅仅关注信息的一小部分,这种全方位的处理能力也是它命名为Transformer的原因之一。 Transformer带来的另一个重要创新是,能够利用并行计算,极大地加速深度学习模型的训练过程,这为大规模预训练模型的发展奠定了基础,开启了迈向通用人工智能的道路。而GPU非常适合并行计算,擅长研发、生产GPU的英伟达也因此成为了AI时代卖铲人。黄仁勋也从当年在小米手机活动上自称的米粉,变成了AI行业中几乎所有人都想接近的AI教主。 除了在自然语言处理领域取得的成绩,Transformer技术还被广泛应用到了语音识别和计算机视觉等多个领域,证明了它在处理各种序列数据上的通用性和有效性。正是这些创新的技术,推动了人工智能领域的快速发展,让我们能够预见到一个与智能机器无缝交流的未来。 随后引出了我认为这场圆桌最有价值的信息,那就是世界需要比Transformer更好的东西。 Transformer的问世,离不开这篇论文每一位作者的付出。最初是雅各布·乌什科瑞特Jakob Uszkoreit提出了用自注意力机制替换RNN的想法,并且评估了这个想法。阿什什·瓦斯瓦尼Ashish Vaswani与伊利亚·波罗苏欣Illia Polosukhin一起设计并实现了第一个Transformer模型;诺姆·沙泽尔Noam Shazeer提出了缩放点积注意力、多头注意力和无参数位置表示;尼基·帕尔玛Niki Parmar在原始代码库和tensor2tensor中设计、实现、调优和评估了无数模型变体;利昂·琼斯Llion Jones尝试了新型模型变体,他主要负责最初的代码库以及高效推理和可视化;卢卡斯·凯撒Lukasz Kaiser和艾丹·戈麦斯Aidan Gomez花费了无数漫长的时间,设计和实现了tensor2tensor的各个部分,取代了早期的代码库,加快了研究进程。 不过现在,Transformer创造者的目光已经不再局限于Transformer了,他们在不同的领域共同探讨着下一步的AI走向。 艾丹·戈麦斯Aidan Gomez语气很坚定的说道,世界需要比Transformer更好的东西。他认为,如果Transformer是他们能做到的极致,这会很可悲,但是他话锋一转又说道,虽然提交报告的第二天起我就这么认为了,我希望它能被其他好10倍的框架取代,这样每个人都能拥有更好10倍的模型。 目前,Transformer的内存方面存在许多效率低下的问题,而且许多架构组件从一开始就保持不变,应该重新探索、重新考虑。例如,一个很长的上下文会变得昂贵且无法扩展,此外,参数化可能可以进一步压缩,通过更频繁地共享权重,可能能将参数降低一个数量级。未来重点要思考的是如何分配资源,而不是一共消耗了多少资源。我们不希望在一个容易得问题上花太多钱,或者在一个太难的问题上花太少钱而最终得不到解决方案。比方说2+2=4,如果你正确地将他输入到这个模型中,它就会使用一万亿个参数,所以我认为自适应计算是接下来必须出现的事情之一。我们知道在特定问题上应该花费多少计算资源。根本性问题在于,哪些知识应该内置于模型之中,哪些知识应该置于模型之外?同样地,这也涉及到推理问题,即哪些推理任务应该通过外部的符号系统来完成,哪些推理任务应该直接在模型内部执行。这在很大程度上是一个关于效率的讨论。大型模型最终会学会如何进行2+2这样的计算,但是如果要计算2+2,却通过累加数字来进行,那显然是低效的。如果AI只需要计算2+2,那么它应该直接使用计算器,用最少的能量来完成这个任务。 诺姆·沙泽尔Noam Shazeer认为,AGI是很多AI初创企业的目标,但是他创业的真正原因是想推动技术发展,用技术攻克难题,比如医学上的疑难杂症。他指出,AI能加速许多研究的进程,与其直接研究医学,不如研究AI。他提到,如果你观察一个拥有五千亿参数的模型,并且每个token进行一万亿次计算,那就大概是1美元百万token,这比外出购买一本平装书并阅读它的成本要便宜100倍。我们的应用程序在价值上,比巨型神经网络上的高效计算高出百万倍或更多,它们无疑比治愈癌症等事情更有价值。 但是不仅如此,阿什什·瓦斯瓦尼Ashish Vaswani认为,让世界变得更聪明,就是指如何去获得来自于世界的反馈,我们能否实现多任务、多线程的并行。尽管其他嘉宾也有所共鸣,但是艾丹·戈麦斯Aidan Gomez认为,大家对于这一改变会在何时发生持有不同的看法,人们对于它是否真的会发生也各有立场,但无一例外,大家都渴望看到进步,好像我们每个人的内心都住着一个小小的科学家,都想看到事情变得更好。 在讨论中,利昂·琼斯Llion Jones还提出了一个观点,要想让AI真正向前迈进,超越当前的技术模型,不仅仅是做得更好那么简单,你得做到足够的优秀,让人一看就知道。在他看来,尽管技术上可能有更先进的模型存在,但是当前的进展似乎还是停留在了原点。艾丹·戈麦斯Aidan Gomez对此表示认同,他认为Transformer之所以受到追捧,不单单是因为它本身的优势,更因为人们对它的热情,两者缺一不可。如果没能同时抓住这两点,就很难推动整个社区前进。如果想要促成从一种架构向另一种架构的转变,就确实需要拿出一些能够激发大家兴趣的东西。 最后生成式AI到底意味着什么,黄仁勋在现场分享到,生成式AI是一种全新的软件,它也能够创造软件,它还依赖于众多科学家的共同努力。想象一下,你让AI的原材料,也就是数据,进入到了一栋建筑,也就是我们说的GPU之中,它就能够输出神奇的结果,它正在重塑一切,我们正在见证AI工厂的诞生。 圆桌对话结束后,黄仁勋特意拿出了一款专门为深度学习和AI研究设计的高性能计算平台DGX-1,送给了阿什什瓦斯瓦尼。DGX-1上面写着一句话:you transformed the world,你改变了世界。这就像是一次callback,2016年,黄仁勋向OpenAI捐赠了第一台的DGX-1,当时接收到这个礼物的还是艾隆马斯克。当时黄仁勋在DGX-1上写道:致艾隆和OpenAI团队,致计算和人类的未来,我为你们呈上世界上首台DGX-1。 曾经的Transformer论文八子,如今都已经成了独当一面的狠角色。他们每个人都是在谷歌成长,又先后从谷歌离开,大家见证了Transformer黑帮的诞生,也看到了他们在硅谷开枝散叶生生不息。用黄仁勋的一句话来说就是:你不会希望错过未来的十年,我也希望我们在未来的十年,能够出现超越transformer的东西,能够亲眼见证AGI的到来。