近日，來自 MIT 的研究人員發(fā)表了關(guān)于大模型能力增速的研究，結(jié)果表明，LLM 的能力大約每 8 個月就會翻一倍，速度遠超摩爾定律！硬件馬上就要跟不上啦！
我們?nèi)祟惪赡芤B(yǎng)不起 AI 了！
近日，來自 MIT FutureTech 的研究人員發(fā)表了一項關(guān)于大模型能力增長速度的研究，
結(jié)果表明：LLM 的能力大約每 8 個月就會翻一倍，速度遠超摩爾定律！
論文地址：https://arxiv.org/pdf/2403.05812.pdf
LLM 的能力提升大部分來自于算力，而摩爾定律代表著硬件算力的發(fā)展，
——也就是說，隨著時間的推移，終有一天我們將無法滿足 LLM 所需要的算力！
如果那個時候 AI 有了意識，不知道會不會自己想辦法找飯吃？
上圖表示不同領(lǐng)域的算法改進對有效計算翻倍的估計。 藍點表示中心估計值或范圍； 藍色三角形對應(yīng)于不同大小（范圍從 1K 到 1B）的問題的倍增時間； 紫色虛線對應(yīng)于摩爾定律表示的 2 年倍增時間。
摩爾定律和比爾蓋茨
摩爾定律（Moore's law）是一種經(jīng)驗或者觀察結(jié)果，表示集成電路（IC）中的晶體管數(shù)量大約每兩年翻一番。
1965 年，仙童半導(dǎo)體（Fairchild Semiconductor）和英特爾的聯(lián)合創(chuàng)始人 Gordon Moore 假設(shè)集成電路的組件數(shù)量每年翻一番，并預(yù)測這種增長率將至少再持續(xù)十年。
1975 年，展望下一個十年，他將預(yù)測修改為每兩年翻一番，復(fù)合年增長率（CAGR）為 41%。
雖然 Moore 沒有使用經(jīng)驗證據(jù)來預(yù)測歷史趨勢將繼續(xù)下去，但他的預(yù)測自 1975 年以來一直成立，所以也就成了 " 定律 "。
因為摩爾定律被半導(dǎo)體行業(yè)用于指導(dǎo)長期規(guī)劃和設(shè)定研發(fā)目標(biāo)，所以在某種程度上，成了一種自我實現(xiàn)預(yù)言。
數(shù)字電子技術(shù)的進步，例如微處理器價格的降低、內(nèi)存容量（RAM 和閃存）的增加、傳感器的改進，甚至數(shù)碼相機中像素的數(shù)量和大小，都與摩爾定律密切相關(guān)。
數(shù)字電子的這些持續(xù)變化一直是技術(shù)和社會變革、生產(chǎn)力和經(jīng)濟增長的驅(qū)動力。
不過光靠自我激勵肯定是不行的，雖然行業(yè)專家沒法對摩爾定律能持續(xù)多久達成共識，但根據(jù)微處理器架構(gòu)師的報告，自 2010 年左右以來，整個行業(yè)的半導(dǎo)體發(fā)展速度已經(jīng)放緩，略低于摩爾定律預(yù)測的速度。
下面是維基百科給出的晶體管數(shù)量增長趨勢圖：
到了 2022 年 9 月，英偉達首席執(zhí)行官黃仁勛直言 " 摩爾定律已死 "，不過英特爾首席執(zhí)行官 Pat Gelsinger 則表示不同意。
從下圖我們可以看出，英特爾還在努力用各種技術(shù)和方法為自己老祖宗提出的定律續(xù)命，并表示，問題不大，你看我們還是直線沒有彎。
Andy and Bill's Law
關(guān)于算力的增長，有一句話是這樣說的：" 安迪給的，比爾都拿走（What Andy giveth, Bill taketh away）"。
這反映了當(dāng)時的英特爾首席執(zhí)行官 Andy Grove 每次向市場推出新芯片時，微軟的 CEO 比爾 · 蓋茨（Bill Gates）都會通過升級軟件來吃掉芯片提升的性能。
——而以后吃掉芯片算力的就是大模型了，而且根據(jù) MIT 的這項研究，大模型以后根本吃不飽。
研究方法
如何定義 LLM 的能力提升？首先，研究人員對模型的能力進行了量化。
基本的思想就是：如果一種算法或架構(gòu)在基準(zhǔn)測試中以一半的計算量獲得相同的結(jié)果，那么就可以說，它比另一種算法或架構(gòu)好兩倍。
有了比賽規(guī)則之后，研究人員招募了 200 多個語言模型來參加比賽，同時為了確保公平公正，比賽所用的數(shù)據(jù)集是 WikiText-103 和 WikiText-2 以及 Penn Treebank，代表了多年來用于評估語言模型的高質(zhì)量文本數(shù)據(jù)。
專注于語言模型開發(fā)過程中使用的既定基準(zhǔn)，為比較新舊模型提供了連續(xù)性。
需要注意的是，這里只量化了預(yù)訓(xùn)練模型的能力，沒有考慮一些 " 訓(xùn)練后增強 " 手段，比如思維鏈提示（COT）、微調(diào)技術(shù)的改進或者集成搜索的方法（RAG）。
模型定義
研究人員通過擬合一個滿足兩個關(guān)鍵目標(biāo)的模型來評估其性能水平：
（1）模型必須與之前關(guān)于神經(jīng)標(biāo)度定律的工作大致一致；
（2）模型應(yīng)允許分解提高性能的主要因素，例如提高模型中數(shù)據(jù)或自由參數(shù)的使用效率。
這里采用的核心方法類似于之前提出的縮放定律，將 Dense Transformer 的訓(xùn)練損失 L 與其參數(shù) N 的數(shù)量和訓(xùn)練數(shù)據(jù)集大小 D 相關(guān)聯(lián)：
其中 L 是數(shù)據(jù)集上每個 token 的交叉熵損失，E、A、B、α 和 β 是常數(shù)。E 表示數(shù)據(jù)集的 " 不可減少損失 "，而第二項和第三項分別代表由于模型或數(shù)據(jù)集的有限性而導(dǎo)致的錯誤。
因為隨著時間的推移，實現(xiàn)相同性能水平所需的資源（N 和 D）會減少。為了衡量這一點，作者在模型中引入了 " 有效數(shù)據(jù) " 和 " 有效模型大小 " 的概念：
其中的 Y 表示年份，前面的系數(shù)表示進展率，代入上面的縮放定律，可以得到：
通過這個公式，就可以估計隨著時間的推移，實現(xiàn)相同性能水平所需的更少資源（N 和 D）的速度。
數(shù)據(jù)集
參與測評的包含 400 多個在 WikiText-103（WT103）、WikiText-2（WT2）和 Penn Treebank（PTB）上評估的語言模型，其中約 60% 可用于分析。
研究人員首先從大約 200 篇不同的論文中檢索了相關(guān)的評估信息，又額外使用框架執(zhí)行了 25 個模型的評估。
然后，考慮數(shù)據(jù)的子集，其中包含擬合模型結(jié)構(gòu)所需的信息：token 級測試?yán)Щ蠖龋Q定交叉熵損失）、發(fā)布日期、模型參數(shù)數(shù)量和訓(xùn)練數(shù)據(jù)集大小，最終篩選出 231 個模型供分析。
這 231 個語言模型，跨越了超過 8 個數(shù)量級的計算，上圖中的每個形狀代表一個模型。
形狀的大小與訓(xùn)練期間使用的計算成正比，困惑度評估來自于現(xiàn)有文獻以及作者自己的評估測試。
在某些情況下，會從同一篇論文中檢索到多個模型，為了避免自相關(guān)帶來的問題，這里每篇論文最多只選擇三個模型。
實證結(jié)果
根據(jù)縮放定律，以及作者引入的有效數(shù)據(jù)、有效參數(shù)和有效計算的定義來進行評估，結(jié)果表明：有效計算的中位倍增時間為 8.4 個月，95% 置信區(qū)間為 4.5 至 14.3 個月。
上圖表示通過交叉驗證選擇的模型的算法進度估計值。圖 a 顯示了倍增時間的匯總估計值，圖 b 顯示了從左到右按交叉驗證性能遞減（MSE 測試損耗增加）排序。
上圖比較了 2016 年至 2020 年前后的算法有效計算的估計倍增時間。相對于前期，后期的倍增時間較短，表明在該截止年之后算法進步速度加快。
