- 逆水行舟，不进则退。每一次偷懒的后果都会反噬自己。
- 透过现象看本质。热点永远层出不穷，不能以有限的精力来应对无限的新闻。但也不能两耳不闻窗外事，否则换了人间都不知。
- 用进废退。记忆是有限的，不可能面面俱到。
——-
舒适圈还是躺太久了，忘了外面的血腥残酷。
Category: 读书有感
Categories
大语言模型LLM的基本逻辑
上一篇说到我准备入个坑，结果就是最近埋头苦苦补习最基本的一些知识。随便写点东西梳理一下思路吧，这样万一我真的开始做点什么也算是一个基本素材。一些英文的名词我就不翻译了，反正现在大家英语都挺好的。
先来一些可以基本望文生义的名词解释。LLM=large language model = 大语言模型。这简直是个不能再俗的名字了。GPT = generative pre-trained transformer ，也是够直白的。
再来个极其简单的（受限于园主阅历）历史回顾。自然语言处理基本上经历了 word2vec, RNN，然后就是现在的transformer了。其实说到底，自然语言处理的基本问题就是一个时间序列问题。当园主意识到这点的时候也是惊掉了下巴，什么，计量里面的时间序列不是Autoregression, moving average，stationary 那些东西么，怎么看都跟自然语言扯不上关系了。后面看到做量化的人都在跟这个方向的进展，才明白说到底都是时间序列嘛。想想也是，自然语言就是一个把词按照特定顺序排列起来的数据，词与词之间的关联和顺序最终表达了一定的意义。
nlp模型想法差不多，就是基于已经有的词，预测对应的下一个词的概率。建模不是问题，但数据上来后计算是问题啊……于是有了transformer 那篇著名的 Attention is all you need，伴随着经典的encoder-decoder结构，就出现了让图灵测试不再是问题的大语言模型们。
再来一轮名词解释。自然语言到建模之前，需要先把unstructured data转换为可以计算的数字，这就是embedding 这一步，也叫token 化。然后再怎么办呢？transformer的核心是再算一下attention 矩阵，这个矩阵主要涵盖了词与词之间关联程度（不贴公式了），然后要做的就是放到神经网络里面去算了。这里有意思的是，encoder里面不只有一个基于attention数据的模型，而是多个，所以称之为 multi-head attention （多头注意力）。为啥需要多个模型呢，因为神经网络很有名的一个feature（bug）是local optima，即随着初始值的不同，参数可能会迭代到一个局部最优。至于全局最优嘛，存不存在都还是个迷。反映到encoder这里，有意思的是每个单独的模型就有可能抓住语言的某一个层面的特征，比如语法，比如逻辑，比如修辞，比如情绪，以及一些语义学还无法解释的神秘模型。但不要紧，大力出奇迹，只要计算机能算得出来就行。
encoder到这里已经可以做很多任务了，最显著的大概是sentiment analysis, 就是判断里面的情绪。比如一个评价是正面负面，或者是关于价格还是物流速度，等等。这些分类模型对于很多应用场景都是很有价值的信息提取过程，也称为auto-encoding。
decoder呢，任务就更直接，就是通过输入的新数据来预测并生成下文。这也是GPT的厉害之处，可以自己写小作文了。所以这一类也叫autoregressive model ，即AR！再看下去，其实decoder的架构和encoder很像，所以他们的并不是模型架构本身，而是任务的目标不同。
那什么时候我们会同时需要encoder和decoder呢？典型的例子就是两种语言之间的翻译。大概的数学任务就是，给定前后的词，来猜中间缺失的词是什么。这一类就是sequence to sequence 模型了。至于模型的评价，现有Rouge, Bleu等指标（怎么都是法语里的颜色……）。
好了，现在我们有一个transformer模型了，就可以高枕无忧了么？当然不是，下一阶段就是，fine-tuning 或者更准确的说，instruction fine tuning。
这一步，说到底就是让模型理解人们的意图。比如，我想让ChatGPT给我写代码，那我就会先给一个指令，help me write a code in python，这样它才可以理解我要的是代码而不是一个翻译任务。这类对于指定任务类型的 instruction 的训练，不仅仅在于理解目的，还牵扯到对于不同类型任务的参数细调。最简单粗暴的，我们可以要求对某一类型任务完全刷新所有参数，即full fine tuning，也可以省点资源，来只训练部分参数，即parameter efficient fine tuning PEFT。近期还有比较有意思的LoRa方法，在原来的参数矩阵外额外训练两个rank小很多的矩阵，最后再把新的两个小矩阵的乘起来，加到原始的参数矩阵上。甚至我们可以对instruct 的数据单独做一个小模型单独训练，然后在embedding 那一步把数据预处理后再喂给encoder or decoder。
fine tuning之后，理论上llm模型已经有了不错的预测能力了，但还需要一步alignment，即通过reinforcement learning 来进一步训练模型给出更符合人们需求的回答，比如 HHS (helpful, honest, harmless)。这一步主要是利用额外的人为标记的数据，比如对于多个候选答案之间的排序等等。当然，我们还可以搞个单独用来打分的模型给GPT的答案打分，哈哈，让机器自动自我修正。
这一些做完，基本上就是chatGPT 的雏形了。然后我们发现，不够，远远不够，一个AGI不能只有对话功能。下一步显然就是多模态Multimodality，即文字语音图像视频等等形式的结合。到这里，我们大概可以窥见这是一种“搭积木”的挑战了，即每一块儿自己的AI模型要和其他领域的结合起来，互通有无。
再来一组名词解释。Langchain，主要想法是各领域最后都转化为一个文本语言问题，然后互通有无。RAG (retrieval augmented generation) ，主要用来引入额外的信息来补全LLM的知识储备。ReAct (Reasoning and Acting augments) 主要是理解指令并利用各种多模态的模块来执行具体任务。
——
对了，为啥么这里园主通篇不提prompt。因为，园主觉得这就是个成长过程中不成熟阶段的伪命题……过两年可能就完全嵌入大模型本身了。
——
园主这些知识大概一半是Coursera 这门Generative AI with LLM 课扫盲来的。这门课主打一个深入浅出，适合理清大模型的整体逻辑，极其适合入门。剩下一半就是读各类的新闻和paper，还有各种视频。只能说，互联网时代，知识本身触手可及，考验的是系统学习的鉴别能力。
——
这篇本来是想写个提纲然后扔给GPT帮我完成的，结果最后还是老老实实的手动敲完了。哎，下次试试能不能用GPT写的更好一些。
Categories
消费主义、造星运动与宗教
久闻法国教育注重批判性思维，直到近日方才有机会亲身体验。法语学着学着，终于不是无聊的每日生存话题，开始进入讨论阶段。于是在我们的法语课本上，冒出来一章“信仰”。我本来对此话题不慎感冒，以为就是增加一堆宗教相关的词汇。出乎我意料之外的是，它并不单单是展现一些词汇，更有一篇有趣的文章，谈论宗教信仰和当下的消费主义。哎，这个话题我略有观察，很有趣。
原文不详细复述了，毕竟是为教法语而展现。让我有所思考的是文章的引入方式：六七成法国人当下其实是没有传统的宗教信仰的，那么他们的精神世界里面填充的又是什么呢？文章列举了两个很有意思的点：消费主义带来的奢侈品和造星运动。
这两个怕是当下小红书平台上的热点引爆器。（题外话，我对小红书的感想就一句：她是如何让人们主动去展现了人性中最恶的一面的？）那么就不妨细细分析一下他们和宗教的相似之处。
消费主义于我来说就是广义上的营销洗脑，反正无外乎屡试不爽的三条1）重复多了不信也信，2）人们总是相信自己希望相信的，以及3）人们总是从众的。只要钱砸得多，品牌总会出来的。奢侈品迎合了人们对于比较的需求，从而产生了对于消费者的效用（另一个题外话，这些年我对经济学和其立足的功利主义反思也越来越多了），使得品牌带来的溢价远远超出其物品本身的效用。这其实和宗教的底层逻辑并无二致，都是营造出“神圣”的品牌标签。
造星运动，或者说粉丝文化，就更直接了。消费主义注重的是在物质生活之上附加一层虚无缥缈的优越感，而造星运动则是从精神层面出发，直击人们本质的对于完美形象的需求。一个好的偶像本身如何并不重要，只要他们能表演出一个符合粉丝幻想中的模样，那就够了。（广义上的）爱其实是很难以界定情感倾注的对象的，比如我爱的到底是那个真实的他，还是我脑海里自我认定的他的模样？如果是后者，那我又是如何构建脑海中那个完美的形象的呢？回到前面那个逻辑，人的偏好其实很容易被左右，所谓的完美形象反映的无非是若干年来生活经历中的“罕见与缺失”，所谓物以稀为贵。一旦不稀有了，那很快就会移情别恋了。而罕见的感觉，其实是容易被影响和洗脑的。宗教里面的神或多或少都有一些异于常人的特点，比如超自然的能力，比如独特的个性（一般是正面的），比如美丽的外表，比如超凡的思维。这些都是罕见的，很容易引起人们的崇拜心理。那偶像呢，从这方面逻辑上来讲也并无二致。
想到这里，其实大概可以总结一下三者的共同点：对于精神需求的满足。我思故我在，人天生渴望精神上的充盈。实现的方式可以有所不同，但并无对错之分。宗教是对于神的信仰，消费主义是对于品牌的信仰，造星运动是对于偶像的信仰，就连科学，也逃不过一种对于理性的信仰。至此可见，每个人会有自己对于精神满足方式的选择，而理解了个中逻辑，也就不难理解他人不同的选择了。
狡猾地说一句。虽然我个人觉得每个人都应该有适合自己的选择，也都要对自己的选择负责，但是难免有人总希望别人认同并转向自己的选择。洗脑的方式或许多种多样，这里只是给出一个底层逻辑：对方最稀缺的是什么，新的选择能不能在这点上替代甚至超越以前的选择。当然，知道了这个逻辑，也容易反洗脑，只要暗示自己不缺那个就好了，哈哈……
前几天跟家父闲扯，说到我这辈子为数不多后悔的事情，就是本科选专业没选数学。我的性子基本上是不会多想过去已经发生的不可改变的事情的，所以人生中还真没多少后悔的事。这件事情是例外，是因为从毕业以来一直在为其还债，不得不怨念一下。当然，确实很难讲如果我当时学了数学，现在会不会过得更好。可能也不会。
假设过去未曾发生的事情没什么意义，不如讲讲为什么让我这么怨念。前几天在查一个模型，想知道一些大样本特性那边的结论，于是开始翻看相关的论文。结果论文读着读着就读不下去了，因为根本看不懂其中的引理。不仅仅是证明看不懂，而是根本不知道为什么要用到这些引理，这就很尴尬了是不？回头查了查，这些基础知识都是渐进理论那边的，属于概率论吧，确实没有学过，不知道就是不知道。
这种捉襟见肘的感觉实在是太熟悉了。去年看另外一个方向的论文，发现根本没学过concentration相关理论（这个名词不翻译了），然后现学现卖，抓紧去补那块儿的知识。然后看到Lipschitz 连续性，完全不记得实分析怎么讲的了，又得回头复习。为什么不记得呢，还是因为当年没理解，没有把数学融会贯通成自己的思维，自然考完试就忘了。不过至少因为学过，所以复习总是比重新学习容易一些，而且这次看到应用了也能加深对其本身的理解。数学虽说是个工具，但是如果不记得工具怎么来的可以怎么用，那要么就只能望洋兴叹，要么就闭着眼瞎用。鉴于后者着实不是我的风格，大部分时间我都只能止步之后扼腕叹息。
说到底，之所以数学让我这么痛苦，还是很多东西学的时候没有成体系，用到什么补什么。像微积分啊线性代数啊这种还好，宏微观计量各来一遍，到后面怎么也不会忘了。但是其他的不常用的就惨了， 只能两眼一抹黑，实在不行就死记硬背吧。我挺佩服那些随时可以从一个阶段捡起数学直接用的人，他们不需要知道下面的基础是怎么架构的，只需要往上盖就行。我受不了这样，对我来说数学一定是一以贯之的，若是我不曾理解基础那我就永远没法继续往下走。当然我可能不会一直记得每一个细节是怎么样子，但大体的脉络永远是清晰的。
可能事情并没有我想象的那么糟，我的数学知识也不是哪里都是窟窿永远填不完。但这种不知道我还有多少窟窿没填的状态，让我大部分时间都没有底气，特别惧怕又发现一个窟窿那种沮丧感。毕竟一直处于一种“追赶”的感觉会让人自信全无。若是曾经在本科阶段按部就班地训练过，或许就不会像现在这样不安了。比如看经济学我就不会不安，因为我知道自己的基础很牢，一切新生事物都是基于以往一些问题的拓展，这给了我很足的底气来辩证地学习新知识（以及看到胡说八道的理论知道他们是在胡说八道）。正是因为有这两者完全不一样的状态的对比，我才无法控制自己的怨念。
======
题外话，本科专业没选数学完全是当时的无知。按说我一个高中生无知就罢了，我得到的各种指导信息居然都是，“大学数学和高中数学不是一回事儿，高中数学再好大学数学都有可能让你失去兴趣。”之类。居然没有一个人告诉我数学本身对于其他基础科学是有多么重要。感觉数学教育出了很大问题，让前面学过数学的人并没有体会到数学的基础性和重要性，自然也就无法告知后来者。当然，从家父的角度，他觉得稳妥最重要，数学一看就是一个找不到工作的专业。我不否认，从现在来看确实很多数学专业学着学着就走进死胡同了。但更重要的是，我的性格决定我并不会安于现状，而除了数学之外，怕是少有一直能给我足够的智力挑战的东西了。那种从抽象层面理解事物的满足感，那种一脉相承融会贯通的舒畅感，至今不曾从别的事物上体验过。性格决定命运，所以虽然对于大多数人来说，本科学数学或许并不是一件好事，但对于我来说，却导致了十几年来的最大缺憾。
我的pet peeve（这个真不好翻译）里面大概有一条，见不得优秀的人被迫离开学术界道路，另谋生计。学术道路考验着他们一路披荆斩棘，一定耐得住寂寞和现实压力。然而，这条路毕竟是一将功成万骨枯，认识一些出于种种原因不得不退出的人，心里每次都觉得很遗憾和难过。
我不是不理解大家的种种无奈，没有人一开始就打算放弃的，一定是撞得头破血流、走投无路，才不得不选择了退出。但我还是会难过，因为这些人实在是太优秀了，他们的才智用在其他方面，真的是社会的损失。学术界无非也是一个产业，有着自己的规模限制和利益考量，一定会存在供需失衡的问题。只是当这件事情发生在我认识的人的身上的时候，看着他们云淡风轻背后藏不住的遗憾和不甘的尾巴，就无法控制地难过。
最近一直在反复萦绕一句诗，“岂为功名始读书”。我们第一天踏入学堂的时候，就被谆谆教导着，读书是一条通往远大志向的道路。可能老师们永远也不会告诉我们，这条路有多难。人总是要凭着一些信念来勇往直前的，不是吗？多亏了这种虚无缥缈的信念，人才可以为理想活着，而不是一开始就屈就于现实。我们仰望星空，不畏那深邃的黑暗，一点点发现着以前不曾了解的世界。我们不知道那里会有什么，可能是空的，但也总要探索过才知道虚实。我们无法挪开对那耀眼光芒的注视，阳光照进了洞穴，面壁者不用再只对着影子猜疑（这里是柏拉图那个洞穴）。
希望只是星光暂时的黯淡吧。小时候懵懂无知立下的宏图大志，怎能说变就变呢？