谷歌最新AI大语言模型PaLM2数据量扩充5倍
5月17日消息，据报道，谷歌上周发布的最新大语言模型使用的训练数据，几乎是 2022 年的上一代模型的 5 倍。得益于此，该模型在编程、数学和创意写作方面的表现更为优秀。
据新浪科技援引外媒报道，谷歌是在其 I / O 开发者大会上发布最新通用大语言模型 PaLM2 的。内部文件显示，该模型采用了 3.6 万亿个令牌（token）进行训练。令牌指的是单词串，这是训练大语言模型的重要基础，因为这可以教给模型如何预测字符串中可能出现的下一个单词。
之前版本的 PaLM 发布于 2022 年，当时使用的令牌为 7800 亿个。
虽然谷歌很希望展示其人工智能技术的实力，以及嵌入搜索、电子邮件、字处理和电子表格后的效果，但该公司却不愿发布其训练数据的规模和其他细节。微软支持的 OpenAI 也对其最新的 GPT-4 大语言模型的细节信息保密。
这些公司表示，之所以不披露这些信息，是出于商业竞争考虑。谷歌和 OpenAI 都在努力吸引想要用聊天机器人代替传统搜索引擎，从而直接获取答案的用户。
但随着人工智能军备竞赛日趋白热化，相关研究人员也呼吁企业加大透明度。
自从发布 PaLM2 之后，谷歌一直表示新的模型比之前的大语言模型更小，这就意味着该公司的技术效率得以提升，但却可以完成更加复杂的任务。内部文件显示，PaLM2 基于 3400 亿个参数训练 —— 这项指标可以说明该模型的复杂程度。最初的 PaLM 则基于 5400 亿个参数训练。
目前，谷歌尚未对此置评。
谷歌在一篇关于 PaLM2 的博文中表示，该模型使用了一种名为“计算机优化扩张”的新技术。这就让大语言“更高效、整体性能更好，包括加快推理速度、减少参数调用和降低服务成本。”
在宣布 PaLM2 时，谷歌证实了此前的媒体报道，计该模型针对 100 种语言进行训练，可以执行更广泛的任务。它已经被用于 25 项功能和产品，包括该公司的实验性聊天机器人 Bard。按照从小到大的规模划分，该模型共有 4 种，分别是壁虎（Gecko）、水獭（Otter）、野牛（Bison）和独角兽（Unicorn）。
根据公开披露的信息，PaLM2 比现有的任何模型都更加强大。Facebook 在 2 月份宣布的的 LLaMA 大语言模型采用 1.4 万亿个令牌。OpenAI 上一次披露 GPT-3 的训练规模时表示，它当时基于 3000 亿个令牌。OpenAI 今年 3 月发布 GPT-4 时表示，它在许多专业测试中展示出“与人类媲美的表现”。
LaMDA 是谷歌两年前推出的一个对话型大语言模型，在 2 月还与 Bard 一同对外宣传。该模型基于 1.5 万亿个令牌训练。
随着新的人工智能应用快速进入主流，围绕底层技术的争议也越来越激烈。
谷歌高级研究科学家艾尔・迈赫迪・艾尔・麦哈麦迪（El Mahdi El Mhamdi）于、 2 月辞职，主要原因就是人工智能技术缺乏透明度。16日，OpenAI CEO 山姆・阿尔特曼（Sam Altman）出席美国国会针对隐私和技术举行的听证会，他也认为需要设立一套新的制度来应对人工智能的潜在问题。
“对于一种全新的技术，我们需要一套全新的框架。”阿尔特曼说，“当然，像我们这样的公司应当为我们推出的工具承担许多责任。”