MetaはGPT-3を模倣し、OpenAIを「裏切り」、完全なモデルの重みとトレーニングコードが完全に公開される

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

数千億のパラメータを持つ大規模な AI モデルのコードは実際に入手できるのでしょうか? ！

目が覚めると、AI界隈でセンセーションが起こっていた――

Meta AI は、1,750 億のパラメータを持つ大規模言語モデルOPT-175Bをリリースしました。GPT-3 の 3,750 億よりもパラメータ数が少ないだけでなく、パフォーマンスも GPT-3 と同等です。

これは、AI 科学者がついに GPT-3 のような大規模なモデルを「こじ開けて」、内部にどんな秘密があるのか​​を見ることができるようになることを意味します。

GPT-3 は驚くべき結果を出しましたが、十分にオープンではありませんでした。そのソースコードはマイクロソフトに独占的にライセンスされていました。マスク氏でさえ、OpenAI は十分にオープンではないと批判しました。

論文は存在しますが、さらに研究を進めたい場合は、まずそれを再現する必要があります。

今回、Meta は完全なモデルからトレーニング コード、デプロイメント コードまで完全にオープンになっています。

公式発表前に、まだアップロードされていない GitHub リポジトリを入手して詳細を調べている人もいました。

また、一部の人々は「争いを起こそう」として OpenAI にタグを付けました。

では、Meta モデルの特徴は何でしょうか。また、環境に優しく低エネルギー消費を実現するにはどうすればよいのでしょうか。また、なぜ外部に公開する必要があるのでしょうか。見てみましょう。

16台のV100で動作可能

OPT は Open Pre-trained Transformer Language Models の略で、「オープンな事前トレーニング済み Transformer 言語モデル」を意味します。

GPTと比較すると、名前がGenerativeからOpenに直接変更されており、非常に意味深いと言えます。 （手動犬頭）

論文の中で、Meta AIはOPT-175BがGPT-3のベンチマークであると主張することをためらわず、さらにそれがより環境に優しいものであることを示唆した。

Meta AI は、OPT はオープンコードを目的としており、より多くの人が大規模なモデルを研究できるようにするには、環境構成をできるだけ経済的にする必要があると説明しました。

動作中に発生する二酸化炭素排出量は GPT-3 の1/7 以下であり、まさに省エネかつ効率的です。

研究者が「能力の範囲内で行動」できるようにするために、Meta AI は 1 億 2,500 万パラメータから 1,750 億パラメータまで、さまざまなサイズの OPT モデルを開発しました。

そのうち、660億のパラメータを持つモデルはまだ開発中であり、まもなく誰でも利用できるようになります。

では、最大の OPT-175B モデルの効率はどの程度でしょうか。また、その効率はどのようにして実現されるのでしょうか。

パフォーマンスに関しては、Meta AI は14 の NLP タスクを使用して OPT-175B と GPT-3 でテストされました。

結果は、ゼロショット学習であろうとマルチショット学習であろうと、これらのタスクにおける OPT の平均精度は GPT-3 のそれとそれほど変わらないことを示しています。点線は GPT、実線は OPT です。

△ 左はゼロサンプル学習、右はマルチサンプル学習

具体的なタスクを見てみましょう。対話タスクでは、教師なし学習法を使用して OPT-175B をトレーニングし、その効果は教師あり学習によってトレーニングされたいくつかのタイプのモデルと同様です。

ヘイトスピーチ検出タスクに対する効果は、GPT-3 モデルの Davinci バージョン (GPT-3 の 4 つのバージョンの中で最高) よりもさらに優れています。

トレーニング ハードウェアに関しては、Meta AI は OPT のトレーニングに 992 個の NVIDIA A100 GPU (80 GB) を使用し、各 GPU の平均コンピューティング効率は最大147 TFLOP/sに達しました。

この効率は、Nvidia 自身の研究者が使用した効率の約17%よりもさらに高いものです。

Meta AIは、一方ではFSDP（Fully Sharded Data Parallel）と呼ばれる独自のGPUメモリ節約ツールを使用し、大規模なトレーニングを従来の方法よりも約5倍高速化したことを明らかにしました。

一方、NVIDIA の Megatron-LM モデルのテンソル並列方式も借用し、複数のプロセッサに同時に演算を分散させました。

Meta AI でさえ、OPT-175B モデルをトレーニングして展開するには、少なくとも 16 個の NVIDIA V100 GPU が必要であると述べています。

ネットユーザーの中には、すぐにでも試してみたい人もいる。

もちろん、Meta AI は、OPT-175B の大規模モデルが直面している問題のいくつか、たとえば「有害な言語」(攻撃的な言葉の使用、言語差別など) を生成する可能性が高くなることについて語ることをためらっていません。

研究者らは、開設後、より多くの人々が研究に参加し、これらの問題を真に解決することを期待していると述べた。

GPT-3を段階的に複製する方法を教えます

前述の通り、この OPT モデルシリーズでは、300 億パラメータ以下のバージョンは直接ダウンロード可能で、660 億バージョンも現在開発中です。

完全な 1750 億バージョンのみ、作業単位、目的、関連出版物などの質問を含む追加の申請書に記入する必要があります。

トレーニングとデプロイメント用のコード ツールキットである metaseq は GitHub で公開されており、チュートリアルとドキュメントが付属しています。

有名な fairseq ツールキットのブランチとして、metaseq は 1750 億規模の大規模モデルに焦点を当て、大規模モデルのトレーニングと使用に不要な部分を削除します。

多くの開発者は、モデルやコードと同時に公開される「隠れた宝物」である開発ログにも特別な注目を払っています。

大規模モデルの開発プロセスで Meta チームが遭遇した問題、その解決策、および決定の根拠が詳細に記録されています。

Pytorch 誕生以前から存在していた機械学習研究における一連の問題点や混乱に対する、大手メーカーのソリューションに関する直接的な情報を提供します。

これほどのオープンさは前例のないものと言えるでしょう。当然ながら多くの賞賛を受けました。

たとえば、HuggingFace の主任科学者である Thomas Wolf 氏は、オープンソースの大規模モデル プロジェクトにも取り組んでいます。

しかし、1750億パラメータ版を申請する必要性については依然として疑問を呈する声もあった。

私は学者でも実務家でもないのですが、私の申請は受け入れられるでしょうか?

一部の開発者は、Meta が OpenAI のようなデモをいくつか提供することを提案しました。人々がその結果を見れば、研究や改善に参加する意欲が高まります。そうでなければ、開発環境をセットアップするだけではやる気が失せてしまいます。

スタンフォード大学基礎モデル研究センター所長で准教授のパーシー・リャン氏は、大規模モデルの公開度を4つのレベルにまとめ、このことに対する見解を述べた。公開レベルが高ければ高いほど、研究者はより深い問題に集中できる。

最初のレベルの論文は公開されており、いくつかのアイデアの実現可能性を証明し、構築のアイデアを提供しています。

2 番目のレイヤーのAPI はオープンであり、研究者は既存のモデルの機能 (推論能力など) と制限 (バイアスなど) を調査して評価できます。

第 3 層モデルの重みとトレーニング データは公開されています。研究者が既存のモデルを段階的に改善し、より深い解釈技術とより効果的な微調整方法を開発し、モデルの動作におけるトレーニング データの役割をより深く理解できるようにします。

コンピューティング能力の第 4 層はオープンであり、研究者は新しいアーキテクチャ、トレーニング目標、プロセスを試し、データ融合を実行し、さまざまな分野でまったく新しいモデルを開発できます。

パーシー・リャン氏は、オープン性が高まるとリスクも高まると考えている。

コミュニティ標準を策定する時期が来ているのではないでしょうか?

もう一つ

Meta の論文の共同筆頭著者は 3 人おり、そのうちの 1 人である Susan Zhang は Meta に入社する前は OpenAI に所属していました。

しかし、OpenAI 在籍中、彼女は GPT-3 の開発には携わっておらず、代わりに Dota をプレイするための OpenAI Five 強化学習プロジェクトや、大規模なマルチモーダル モデルの研究に参加していました。

プロジェクトアドレス:

https://github.com/facebookresearch/metaseq/tree/main/projects/OPT

論文の宛先:

https://arxiv.org/abs/2205.01068