目录
随着近期ChatGPT的火热，引发各行各业都开始讨论AI，以及AI可以如何应用到各个细分场景。为了不被时代“抛弃”，我也投入了相当的精力用于研究和探索。但在试验的过程中，我的直观感受是，NLP很厉害，但GPT并不好用，反倒是BERT更加顺手，如臂使指。
同样是大语言模型，那引爆AI浪潮的，为什么是GPT，而不是BERT呢？尝试对这个话题进行一下探讨。
BERT和GPT简介
Encoder-Decoder是NLP中的经典架构：Encoder对文本进行编码，输出Embedding；Decoder基于Embedding进行计算，完成各种任务，得到输出。示例如下：
之所以会诞生这种架构，个人认为，是因为对文本进行特征工程，转化为机器可以处理的向量，是一件反人类的事情。因此，专门设计了Encoder来完成这个工作。
2017年，Google提出了Transformer，在性能、结果、稳定性等多个方面都优于RNN模型，使得NLP领域进入了下一个阶段。紧接着2018年，Google基于Transformer架构，提出了BERT，将“预训练”这一模式发扬光大。而随着OpenAI炼丹多年，发布了ChatGPT，将NLP带入大众视野，使得GPT变成了当前的主流。
BERT和GPT的实现原理，简单来说就是：BERT是Encoder-only，即上图的左半边；GPT是Decoder-only，即上图的右半边。
具体来说，BERT的最终输出其实是Embedding，它并不关注任务具体是什么。而这个Embedding足够好用，使得其可以通过拼接其他算法，完成各种任务（比如基于Embedding去分类）。
而GPT则是有固定任务的，predict next word。GPT的工作模式，就是通过不断的predict next word，拼接成完整的语句，得到结果。这就是所谓的“生成式”。
各类NLP算法的工作范式如下：
三个阶段的NLP技术范式。引用自：关于ChatGPT：GPT和BERT的差别（易懂版） - 知乎
BERT和GPT核心差异
BERT的核心产出是Embedding。在接触之后，Embedding的效果可以用“惊艳”来形容。下面基于几个具体示例来展示Embedding的强大之处：
TransE
在知识图谱中，有一种基于距离的模型，可以用来完成两个实体间关系的挖掘和构建。其大致效果如下：
Washington和US作为两个实体，被Embedding后，形成了一个类似于力矩的空间，可以轻松完成各种加减运算，得到目标结果。
KeyBert
类似的，在文本摘要任务中，有一种基于余弦相似度的算法。其原理和TransE类似，在Embedding把文本进行向量化表示的情况下，Embedding之间的余弦相似度就等同于词义之间的相似度。
机器擅长于处理向量的各种运算，但语言是一种非结构化的信息，这是两者之间最大的GAP。为了调和这个GAP，我们设计了各种各样的编程语言，由人来完成自然语言到机器语言的转化工作。但Embedding的出现，让机器能够自己将自然语言进行向量化表示，并且向量化结果还能够匹配人类所理解的各种语言和认知逻辑，这也是我认为机器理解人类世界的关键所在。
与BERT专注于编码不同，GPT专注于回答问题。我认为这也是GPT的Decoder-only架构在结果表现上最核心的优势：
- 对于BERT来说，Encoder生产完Embedding只是第一步，还需要嵌套一层其他算法，才能完成具体任务。而由于Embedding比较好用，往往又不倾向于再叠加更复杂的算法，基本都是一个线性层+softmax搞定。
- 对于GPT来说，则不关注中间过程，直接回答结果。因此，在同等参数量级情况下，理论上Decoder-only会有更多的资源投入到完成任务中去，所以会获得更好的结果表现。
因此，ChatGPT表现出了通用智能的效果（完成任务能力更强），而BERT仍然需要经过特定领域的fine-tuning（每个领域下的embedding逻辑并不通用），才能完成应用。
关于为什么现在LLM都在搞Decoder-only，知乎上有相关讨论（为什么现在的LLM都是Decoder only的架构？ - 知乎），但没有明确结论。基于讨论内容，个人倾向于判断，各种架构在结果上其实是没有太大差异的，纯粹是因为现在大家都追求高效&通用，所以更适合Decoder-only来进行处理。
进一步展开，BERT和GPT的核心差异，我认为在于这个中间结果，Embedding。
当大家都在讨论GPT随着参数量的扩增，出现智能的“涌现”时，我尝试去思考了一个问题：为什么没人去扩增BERT的参数量？搜索良久不得答案后，我想到了一个可能：“够用了”。
Embedding是为了具体任务而生的，不同场景下，同一个词会展现为不同的词性，因此需要通过fine-tuning来让BERT迁移到不同的领域中去。而当模型只是为了完成某个特定领域的任务，扩增参数就变得完全没有必要了。而反过来，Embedding也限制了BERT只能成为特定领域的专家工具，具备较高的使用门槛，因此很难得到普及。
GPT的优势
OpenAI最大的功劳，应该是设计出了对话模式，大幅度降低了AI的“体验”门槛（注意，是体验，不是应用），从而让各行各业都开始关注AI的变化和可能。
那么，冷静下来思考，GPT的强大之处到底是什么呢。是GPT能够处理非结构化的文本信息吗？是GPT所拥有的庞大知识储备吗？我认为，这都不是GPT的独有能力，BERT增加参数量和训练量后应该同样能够做到。
而人们真正感到兴奋的，应该是GPT展现出来的创造能力。在这之前，机器无法取代人类的场景，基本都是多领域融合的问题。比如写文档、编程，不是仅仅会打字和懂语法就够了，你还得理解背后的业务逻辑，才能够完成。（类比于翻译，虽然也会涉及一定的专业背景，但即使啥都不懂，依靠词典和例句，也能翻译个大概。所以过往机器能够完成翻译任务。）而这种多领域融合的创造能力，是GPT在结合“Transformer的知识储备”和“生成式的通用解题范式”，所带来的独有能力。
- BERT虽然也有强大的知识储备，但完成任务的模式相对固定。如果要处理复杂任务，还得训练同等量级的Decoder，反倒不如GPT的Decoder-only来得直接。
- RNN虽然是生成式的，但串型结构带来的效率瓶颈和遗忘问题，限制其了知识储备。
因此，GPT的这种创造力，可以大幅度扩展AI的应用场景，使得更多的人类工作被替代。
GPT的劣势
既然GPT拥有更好的通用性，那我们应该万物皆GPT嘛？我倒觉得大可不必。
ROI考量
任何能力的扩增，其实都会带来运算成本的增长，因此，我们需要在ROI上进行考量。
举个简单的例子，你要完成一个数学运算，是使用计算器合适，还是问GPT更合适呢？答案显然是前者，哪怕GPT增加插件模式，可以准确完成数学运算，但它的计算开销是远高于计算器本身的。同理，在流水线工作中，使用单一功能的机器，ROI也远高于雇一个人。
所以，越是固定的任务，其所需要的模型能力越低。明明有固定的输入输出模式，非得转成对话模式去做处理，多少有点“杀鸡用牛刀”的感觉了。
数据量限制
目前GPT（或者NLP领域）能够处理的输入长度都是有限制的。相比于其内部计算的百亿级参数，几千个token的输入长度，多少显得有点不够看了。
语言是一种非结构化信息，它的信息传输效率是远低于结构化的特征的。过去在进行推荐、分类等各种任务时，我们可以人工运算出十万维度的特征来，交由模型去进行处理。但在GPT模式下，如何把这十万维的特征以文本的形态输入GPT进去呢？又或者，可以在GPT之前增加一个Encoder来负责处理。但这样一来，通用性无法得到保障，很可能需要自己训练一个GPT，而不是直接使用大公司预训练好的模型。
因此，GPT目前更擅长的，其实是引经据典，回答各种知识点性质的问题。而对于基于庞大输入完成的综合决策过程，并不适合使用GPT来解决。
总结
本篇一定程度上是因面对GPT的过度吹捧，有感而发。个人认为，目前火热的不是GPT，而是ChatGPT把AI重新带回大众视野，引发了更多的AI应用尝试。
而这波热潮带给我的最大收益，是引发了NLP对于非结构化数据的处理能力的研究思考，应当能够解决过往很多数据处理的难题。
至于GPT本身，因为接收输入的不足，我认为不足以作为一个线上功能去使用。（所以现在的产品形态基本都是Copilot，相当于更高阶版的搜索引擎。）但其展现的创造性潜力，确实值得我们保持关注和探索。