今天小編分享的科學經驗：大模型“湧現”的思維鏈，究竟是一種什麼能力？，歡迎閲讀。
聽説最近 AI 大廠的開發人員和高校的 NLP 研究人員，都在琢磨，怎麼讓大模型 " 湧現 "。那畫面莫名就讓我想到了程式員給伺服器上香來保佑不宕機，都有種求諸于天的玄學。
所謂 " 湧現 ", 在大模型領網域指的是當模型突破某個規模時，性能顯著提升，表現出讓人驚豔、意想不到的能力。比如語言理解能力、生成能力、邏輯推理能力等。一般來説，模型在 100 億到 1000 億參數區間，可能產生能力湧現。
但老話説得好 " 氪不救非，玄不改命 "。靠砸錢和運氣，只一味把模型做的大大大，也未必能讓 AI" 顯靈 "。
強大的邏輯推理是大語言模型 " 智能湧現 " 出的核心能力之一，好像 AI 有了人的意識一樣。而推理能力的關鍵，在于一個技術——思維鏈（Chain of Thought，CoT）。
大家如果看過類 GPT 應用的翻車問題，會發現大多都是數學算術題、邏輯思考題等，這類需要精确推理的問題，而這正是思維鏈能夠重點解決的。現在訓練大語言模型的企業和機構很多，但能夠訓練出思維鏈并應用的很少。
換句話説，只有解鎖了思維鏈技術，大語言模型才有可能 " 湧現 "，才能在 " 大煉模型 " 的競争中具備能力優勢。
思維鏈的故事，我們從一個奇男子説起。
一個神奇的男子
思維鏈，在人工智能領網域，是一個非常非常新的概念。
2022 年 1 月，它的相關論文才被放到 arxiv 上，成果也特别驚豔，谷歌在當年五月的年度開發者大會 Google I/O 2022，也對思維鏈這一研究成果進行了宣傳。當時同台宣傳的還有大模型 PaLM 和 Pixel 系列手機等。
你可能發現了華點，怎麼讓思維鏈聞名世界的，卻變成了 OpenAI 的 ChatGPT 呢？
這就要提到一個奇男子——思維鏈的提出者 Jason Wei。
之所以神奇，一是本人能力卓絕。
這位華人科學家，2020 年本科畢業成為谷歌大腦的高級研究員，在任職期間，提出了思維鏈的概念，發現思維鏈可以在大語言模型中增強推理能力。
（Jason Wei 的個人博客 www.jasonwei.net）
二是他的個人際遇，對 AI 影響很大，2022 年 2 月他離開谷歌，加入了 OpenAI，進入 ChatGPT 團隊，這也是思維鏈在 OpenAI 發揚光大，讓 ChatGPT 拔得頭籌的原因之一。
那這位奇男子和同事的工作，究竟幹了什麼呢？
谷歌之前在大模型下了很大功夫，GPT 生成式預訓練模型中的 "T"，也就是 Transformer，就是谷歌大腦搞出來的。但是，預訓練 + 精調的大模型搞了幾年，仍然沒辦法很好地完成多步驟推理任務，比如數學問題和常識推理。
所以 Jason Wei 等人提出了思維鏈提示的方法，真的一下子就讓大模型的邏輯推理能力不一樣了。
具體來説，有三個不一樣：
1. 常識推理能力趕超人類。以前的語言模型，在很多挑戰性任務上都達不到人類水平，而采用思維鏈提示的大語言模型，在 Bench Hard ( BBH ) 評測基準的 23 個任務中，有 17 個任務的表現都優于人類基線。
比如常識推理中會包括對身體和互動的理解，而在運動理解 sports understanding 方面，思維鏈的表現就超過了運動愛好者（95% vs 84%）。
（思想鏈被高亮顯示）
2. 數學邏輯推理大幅提升。
一般來説，語言模型在算術推理任務上的表現不太好，而應用了思維鏈之後，大語言模型的邏輯推理能力突飛猛進。
MultiArith 和 GSM8K 這兩個數據集，測試的是語言模型解決數學問題的能力，而通過思維鏈提示，PaLM 這個大語言模型比傳統提示學習的性能提高了 300%！
在 MultiArith 和 GSM8K 上的表現提升巨大，甚至超過了有監督學習的最優表現。
這意味着，大語言模型也可以解決那些需要精确的、分步驟計算的復雜數學問題了。
3. 大語言模型更具可解釋性，更加可信。
我們知道超大規模的無監督深度學習，打造出來的大模型是一個黑盒，推理決策鏈不可知，這就會讓模型結果變得不夠可信。
而思維鏈将一個邏輯推理問題，分解成了多個步驟，來一步步進行，這樣生成的結果就有着更加清晰的邏輯鏈路，提供了一定的可解釋性，讓人知道答案是怎麼來的。
Jason Wei 這位奇男子提出的思維鏈，可以説是大語言模型驚豔世界的必要條件。
一句神奇的咒語
花式調戲大語言模型，有一句非常神奇的咒語，能讓 LLM 的回答結果大不一樣，那就是——"Let ’ s think step by step"。
此前很多用户就發現，一旦在問題中加上 "Let ’ s think step by step"，ChatGPT 就好像被施了魔法，原本做錯的數學題，突然就會做了；原本的胡説八道，突然就有理有據了。
這就是思維鏈的魔力。
思維鏈 ( Chain-of-thought，CoT ) ，指的是一系列有邏輯關系的思考步驟，形成一個完整的思考過程。
人在日常生活中，随時随地都會用思維鏈來解決問題，比如工作、讀書經常用到的思維導圖，就是為了盡可能全面拆解步驟，不忽略重要細節，從而充分地考慮問題。
這種步驟分解的方式用在提示學習中，就被稱為思維鏈提示，将大語言模型的推理過程，分解成一個個步驟，直觀地展現出來，這樣開發人員可以在 LLM 推理出現錯誤時，就及時地修復。
相當于讓 AI 做分析題，而不是 " 填空題 "，要把推理過程詳細説清楚，按步驟得分，最後給出答案。
Jason Wei 等在 2022 年的論文中，展示了标準提示學習和思維鏈提示的不同之處：
可以看到，類似的算術題，思維鏈提示會在給出答案之前，還會自動給出推理步驟：
" 羅傑先有 5 個球，2 罐 3 個網球等于 6 個，5 + 6 = 11"
" 食堂原來有 23 個蘋果，用 20 個做午餐，23-20=3；又買了 6 個蘋果，3+6=9"。
思維鏈提示給出了正确答案，而直接報答案的傳統提示學習，給出的答案就是錯的，連小學程度的加減法都做不好。
簡單來説，語言模型很難将所有的語義直接轉化為一個方程，因為這是一個更加復雜的思考過程，但可以通過中間步驟，來更好地推理問題的每個部分。
思維鏈提示，就是把一個多步驟推理問題，分解成很多個中間步驟，分配給更多的計算量，生成更多的 token，再把這些答案拼接在一起進行求解。
再舉個例子，大家都特别希望有一個全能家政機器人，但目前的機器人看起來都挺傻的，只能執行一些很簡單的開關燈指令。如果用户問：" 我把可樂灑在桌子上了，你能把它扔掉，然後拿點東西來幫我清理嗎？"
機器人該怎麼辦呢？
這時候有思維鏈的語言模型，會分析問題：用户把可樂灑在桌子上了。我會把它扔掉，然後給用户一塊海綿。
拆解步驟：找 ( 可樂 ) ，揀 ( 可樂 ) ，找 ( 垃圾 ) ，扔 ( 可樂 ) ，找 ( 海綿 ) ，揀 ( 海綿 ) ，找 ( 桌子 ) ，放 ( 海綿 ) 。
總的來説，思維鏈就相當于讓大語言模型做 " 因式分解 "，把一個復雜的推理問題進行拆解，逐步解決，自然也就更容易得到高質量的答案了。
一個打破僵局的靈
你可能會問，大語言模型 " 智能湧現 "，思維鏈是必須的嗎？目前階段，确實。
因為，預訓練的大語言模型參數規模巨大，很容易被不相關的上下文分散注意力，影響性能表現，相當于學生上課走神了，被老師叫起來回答問題只能胡言亂語。這時候就需要提示學習（Prompt Learning）來進行微調，相當于旁邊有人給提了個醒，更好地完成下遊任務。
但離散式的硬提示（Discrete Prompt），需要人為設計提示詞 prompt，而人類覺得不錯的提示詞，語言模型卻不一定覺得好，最後還是回答的一塌糊塗，而且，離散的 token 作為提示詞，優化難度也特别大。
所以，連續化的軟提示（Continuous Prompt），限制了模型參數不被調整，直接優化低維向量，這樣就可以用較小的微調來提升模型性能。這個方法省事兒，效果也不錯，但一直走這條路還是沒辦法讓語言模型搞懂邏輯推理。
思維鏈的提出，用的是離散式的 token，又能自動構建問題、推理步驟和樣例，這就解決了離散提示人工設計難的問題，而且還能讓語言模型擁有可解釋性。
所以説，思維鏈 promoting，可以算是打破了大語言模型能力僵局的神來之筆。有時候技術的突破靠的就是一個靈感，而造就這個靈感的人才機制、創新環境、組織模式等，卻需要漫長的時間去培育。
一些待解的問題
説了這麼多，是不是有了思維鏈，大語言模型就所向披靡了呢？照這麼發展下去，真能媲美人類的能力了？
大可不必擔心，思維鏈本身還是有很多局限的，而它的局限也是大語言模型的局限。
首先，思維鏈必須在模型規模足夠大時才能湧現。
在 Jason Wei 等的研究中，PaLM 在擴展到 540B 參數時，與思維鏈提示結合，才表現出了先進的性能。一些小規模模型，思維鏈并沒有太大的影響，能力提升也不會很大。
谷歌大腦的研究人員認為，策略問題需要大量的世界知識，而小型模型沒有足夠的參數來記憶這些世界知識，所以也不太可能產生正确的推理步驟。
但問題是，能落地到產業的模型，規模必然不會太大，思維鏈拆解了更多的步驟、用到更多的計算資源，相當于更加耗費腦力，很多研究機構和企業是負擔不起 175B 參數以上的大模型。
所以思維鏈必須要探索，如何在較小的模型中進行推理，降低實際應用的成本。
（62B 比 540B 的語言模型更容易出錯）
其次，思維鏈的應用領網域是有限的。
目前，思維鏈只是在一些有限的領網域，比如數學問題，五個常識推理基準（CommonsenseQA，StrategyQA，Date Understanding 和 Sports Understanding 以及 SayCan）上顯現出作用，其他類型的任務，像是機器翻譯，性能提升效果還有待評估。
而且，相關研究用到的模型（GPT-3 API）或數據集，都是半公開或不公開的，這就使其難以被復現和驗證。嚴謹來看，思維鏈的效果還需要被進一步探索，才能下定論。
此外，即使有思維鏈提示，大語言模型依然不能解決小學水平的數學問題。
沒有思維鏈，數學推理是指定不行。但有了思維鏈，大語言模型也可能出現錯誤推理，尤其是非常簡單的計算錯誤。Jason Wei 等的論文中，曾展示過在 GSM8K 的一個子集中，大語言模型出現了 8% 的計算錯誤，比如 6 * 13 = 68（正确答案是 78）。
這説明，即使有了思維鏈，大語言模型還是沒有真正理解數學邏輯，不知道加減乘除的真實意義，只是通過更精細的疊加來 " 照葫蘆畫瓢 "，所以，對于有精确要求的任務，還要進一步探索新的技術。
思維鏈确實增強了大語言模型的能力，但邏輯推理仍然是大語言模型的弱項，等待着更多突破。
One more thing
通過思維鏈，我們可以看到大語言模型為什麼強，也為什麼弱。
它強在，模型規模的提高，讓語義理解、符号映射、連貫文本生成等能力躍升，從而讓多步驟推理的思維鏈成為可能，帶來 " 智能湧現 "。
它弱在，即使大語言模型表現出了前所未有的能力，但思維鏈暴露了它，依然是鹦鹉學舌，而非真的產生了意識。
認知心理學教授斯坦尼斯拉斯 · 迪昂（Stanislas Dehaene）在《精準學習》中提出，緩慢地、理智地、符号化地運作，是人腦的特權。它可以在任何可能的時候，提取具有普遍性、邏輯性的、明确的原則。
五六歲的兒童學會了較小數字的加法，就可以理解其含義，用到更大的數字的加法中，而目前最強大的大語言模型，還連 " 加法 " 這個簡單的抽象定律都理解不了。
這麼説，并不是讓大家小看 AI 的能力，而是想説明，人腦和 AI，各有所長。
大語言模型，正如科幻作家特德 · 姜所説，是網上所有文本的模糊影像，一張有損壓縮的 JPEG，但它可以用遠超人腦的算力和數據，極其高產地做好文本生成、影像生成這樣的模糊任務。而人腦更擅長精确的、邏輯性的任務，就像特德 · 姜説的：" 當你還有原始圖片的時候，一張模糊的 JPEG 到底有多大用處呢？"
智能時代的生存策略，就是不要以己之短，硬碰 AI 之長。而是用 AI 之長，讓自己的長板變得更長；用人腦的精确，讓 AI 生成的模糊答案變得更高質量；用好思維鏈提示，讓 LLM 生成時事半功倍。
《哈利波特》電影中，有一個 " 有求必應屋 "，裏面全是人所需要的東西，海倫娜形容它：
If you have to ask, you'll never know. If you know, you need only ask.
如果你還需要問，就永遠不會明白；如果你明白，你只需要開口問。
有問必答的 AI 時代，是智者的天堂，也是愚者的地獄。永遠不要讓 AI 代替你思考。
>
