閱讀筆記 - LLM 模型發展歷程基本知識

ChatGPT 帶起大型語言模型(LLM)熱潮，對程式開發產業帶來無法忽視的衝搫。有程式需求但不會寫？跟 ChatGPT 許願就有。一行行敲程式碼太慢？Github Copilot 知道你想做什麼，自動幫你寫完。C# 老鳥遇到適合用其他語言開發的情境，不需要抱著 .NET 硬幹，有 Github Copilot 當靠山，切換不同語言快速寫完小需求是小菜一碟，近期寫 Pyhon 算百分數畫圖表及用 Node.js 寫 WebAPI的經驗即可為證。AI 出現，程式開發生態自此改變。

在這個基礎程式開發能力不再值錢的時代，程式老鳥的傳統領先優勢逐步消失，想繼續保有競爭力需要調整技能樹配置，我認為整合 LLM 的應用程式開發是極具潛力的新領域，也是我近期會投注心力的發展方向。

在安德魯 RAG 的檢索與應用一文看到 AWS 生成式 AI 技術負責人，Aishwarya Naresh Reganti，提供的免費線上課程 - Applied LLMs Mastery 2024 / 精通 LLM 應用，講得不深(但不代表淺顯，文章用詞精簡，有些地方需要機器學習及程式開發背景才易理解)但涵蓋很廣，將 LLM 應用開發的工具技術、開發策略、部署調校，乃至於安全法規道德性一網打盡，也有附上想深入研究的論文連結，大概是「絕世武功目錄」的概念，讀完或能在此 AI 革命狂潮中博個九死一生。(笑)

課程裡有一堂在講 LLM 背後機器學習技術的演進挺有意思，看完至少對 LLM 相關的專業術語會有基本認識，故這篇就花點時間簡單筆記整理備忘。

機器學習模型可區分成：生成式(Generative)及鑑別式(Discriminative)兩大類。LLM 屬於前者，透過從資料中學習如何依據輸入資料生成對映的資料(文字、影像、聲音...)；而鑑別式模型則可依據輸入資料決定結果(例如：分類、是或否)或產生預測。

要訓練可生成文字的模型，最早是使用 Recurrent Neural Network (RNN，循環神經網路)。

RNN 的特色是輸入 Xt 時，會依指定權重結合狀態資料 ht-1 產生 ht，進而計算出 yt(可用於分類、預測或序列資料生成)，最終得到先前一段範圍的輸入影響當前輸出的效果。但 RNN 有難以參考長範圍資料以及梯度爆炸或消失問題，故後來出現了 RNN 的變形，例如：Long Short-Term Memory (LSTM) 及 Gated Recurrent Units (GRUs) 以克服無法參照大範圍資料及梯度相關問題。

LSTM 在模型加入了 Memory Cell 以長期記憶資訊，其使用三個 Gate (Input/Output/Forget) 控制資訊流入/流出 Memory Cell 或遺忘，藉此處理更長範圍的資料(RNN 只會參考 t-1，LSTM 用 Gate 控制故能記住很久)。

RNN 跟 LSTM 被廣泛應用在語言模型任務上，用來預測下一個輸出的字。但在處理輸入長度與輸出長度可變的情境，其固定長度的隱藏狀態保留機制，侷限了能力。

延伸學習：李宏毅老師 機器學習線上課程：RNN & LSTM (下圖為 LSTM 更詳細的分解)

Seq2seq

Sequence-to-Sequence (Seq2seq) 模型採用 Encoder - Decoder 設計，文字經 Embedding轉成固定維度向量輸入到 Encoder，Encoder 串接 Decoder 輸出結果，輸出的第一個文字做為輸入決定第二個輸出文字，以此類推。自此，模型能處理可變長度的內容，並有效補捉語意產生相關結果，圖中的每個單元仍是 RNN 架構。

Seq2seq with Attention

Seq2seq 有個問題是所有輸入資料最後轉成單一向量，無法突顯其中重要部分，使其產生較大影響。Seq2seq Model with Attention 改良模型加入注意力機制，試圖改善此一問題。在 Decoder 階段，由接收 Encoder 最後輸出改為考慮 Encoder 所有 RNN 狀態(s1, s1 ... sm)，由 Attention Function 調配每個 sk 與 ht 相關度計算 score(ht, sk)，得到象徵重要性的 Attention Score，以該評分作為權重計算輸出，如此輸出便能專注在重要部分。

Transformer

Seq2seq Model with Attention 仍存在計算效率差及無法有效捕捉長序列相依性的問題，Google 在 2017 發表了著名的 Attension is All You Need 論文，Transformer 模型自此成為當今 LLM 主流。

Trasformer 使用 Self-Attention 機制(Mutli-Head Attention Block)在 Encoder / Decoder 階段都考量整個 Sequence，增加值得注意部分的權重，如此能用更少訓練時間得到更好的結果。

Transformer 被廣泛應用在語言模型，目前檯面上的 LLM，如 BERT、GPT、LLaMa、Mistral、Gemini、Claude 清一色都是採用 Transformer 模型，儼然已成業界標準。

延伸學習：

早期語言模型

遠在 ChatGPT 一砲而紅前，已有一些模型如 BERT (Bidirectional Encoder Representations from Transformers)、GPT (Generative Pre-trained Transformer)、T5 (Text-To-Text Transfer Transformer) 發展多年，他們都是基於 Transformer，透過以下步驟建構：

1. Pre-Train 與 Fine-Tune：先使用大量語料進行預訓練，熟悉語言表達及基本知識，再使用標示資料(Labeled Data)針對不同 NLP (自然語言處理)任務微調，例如：文字分類、問答、機器翻譯等。
2. Bidirectional Context：BERT 使用雙向上下文模型，使其能做到更深的語意捕捉，提升表現。
3. Autoregressive Generation：GPT 利用先前生成元素作為上下文來預測下一個元素(自迴歸生成)，能很好地產生流暢有結構的文字內容。
4. Text-to-Text Approach：T5 用統一的 Text-to-Text 框架對應不同的 NLP 任務，簡化訓練及部署程序，並能滿足各項任務需求。
5. Large-Scale Training：這些模型使用數十億 Token 規模的資料集訓練，使用大量算力硬體及分散式技術完成，在語意捕捉能力上有很大的進步。

大型語言模型 LLM

近期的 LLM 如 Llama 及 ChatGPT，與 BERT、GPT 相比，有以下提升：

1. 任務導向：BERT 及 GPT 屬多用途，可用於分類、語言產生、問答，而 Llama 主打多模態(涵蓋文字、影像)，ChatGPT 專注對話應用。
2. 多模態：Llama 及 Gemini 等模型主打 Multimodal 多模態，可支援文字、聲音、影像應用。
3. 效率提升：能用較少參數達到相似效果。
4. 允許針對特定領域知識進行微調(Fine-Tune)，結合預訓練資料在專屬應用上有更好表現。
5. 互動及動態回應：擅長依據互動交談內容，動態產生人類預期的回應內容。