在 ChatGPT 输出上训练的开源聊天机器人

摄影：Emiliano Vittoriosi on Unsplash

介绍

事件正在迅速展开，新的大型语言模型（LLM）正在以越来越快的速度开发。就在最近几个月，我们有了颠覆性的ChatGPT，现在是GPT-4。为了澄清定义，GPT 代表（生成预训练转换器），是底层语言模型，而 ChatGPT 是为对话而设计的特定实现。比尔·盖茨（Bill Gates）回顾了OpenAI的工作，他说：“人工智能时代已经开始”。如果您觉得很难跟上快速变化的步伐，那么您并不孤单。刚刚，超过1名研究人员签署了一份请愿书，要求在未来六个月内暂停训练比GPT-4更强大的AI系统。

虽然技术成就令人瞩目，但它们仍然处于闭门状态。尽管它的名字，OpenAI长期以来一直受到一些人的批评，因为他们没有发布他们的模型，甚至被一些人称为ClosedAI。研究人员和爱好者都在努力寻找开源替代方案。

如果你错过了最近的发展，你应该看看Meta的LLaMA（https://github.com/facebookresearch/llama），它应该比GPT-3更好。它是在GNU许可证下许可的，虽然它不是严格开源的，但您可以在注册后获得权重。这种开放性显然是为了LLaMA的利益，以便社区能够迅速继续开发它。它很快以 llama.cpp 的形式被移植到C / C++，斯坦福大学的研究人员将其扩展到类ChatGPT的指令遵循模型，并将其命名为Alpaca。还有GPT4All，这篇博文是关于它的。我将很快介绍它，最后，您将看到如何在本地运行它以及期望什么。

但首先，让我们看一看社区中一个开放版本的大模型的发展会有多快。为了从中了解这些技术的变革性，以下是各个 GitHub 存储库的 GitHub 星级（衡量受欢迎程度的指标）的数量。作为参考，流行的PyTorch框架在六年内收集了大约65k颗星。下图约为一个月。

GPT4All、llama.cpp和alpaca的明星历史，从 2023.3.9 至今。实时图表链接：https://star-history.com/#nomic-ai/gpt4all&tatsu-lab/stanford_alpaca&ggerganov/llama.cpp&facebookresearch/llama&Date

GPT4ALL

但是现在，让我们更深入地介绍 GPT4All。这是Nomic AI的助手式聊天机器人，刚刚公开发布。

如何基于现有的语言模型（如LLaMA）创建像ChatGPT这样的助手式聊天机器人？答案可能会让您感到惊讶：您与聊天机器人互动并尝试学习其行为。就 gpt4all 而言，这意味着从公开可用的数据源中收集各种问题和提示样本，然后将它们交给 ChatGPT（更具体地说是 GPT-3.5-Turbo），以生成 806199 个高质量的提示生成对。接下来，整理数据并删除低多样性响应，并确保数据涵盖广泛的主题。训练数据，他们发现他们的模型比下一代模型性能更好。

对我来说，这样做的主要吸引力之一是作者发布了该模型的量化 4 位版本。这是什么意思？实际上，您在模型中执行某些操作时精度降低，而不是全精度，因此可以具有更紧凑的模型。像ChatGPT这样型号的模型需要在专用硬件上运行，例如Nvidia的A100，这是一款具有高达80 GB内存的硬件野兽，价格为15k 美元，但GPT4All可以在消费级硬件上执行该模型。现在，让我们开始运行自己的：

设置

运行 GPT4All 的说明很简单，只要您有一个可运行的 Python 安装。只需按照 GitHub 存储库（https://github.com/nomic-ai/gpt4all）上的设置上的说明进行操作即可。

1. 下载量化检查点（请参阅自己试用）。有 4.2 Gb 大小，我以 1.4 Mb/s 的速度下载了它，所以这花了一段时间

2. 克隆环境

3. 将检查点复制到chat

4. 设置环境并安装依赖

5. 运行

我在 M1 MacBook Pro 上对此进行了测试，这意味着只需导航到 chat-文件夹并执行

./gpt4all-lora-quantized-OSX-m1

GPT4All 在 M1 Mac 上运行

设置所有内容只需几分钟。就我而言，下载是最慢的部分。在我的机器上，结果是实时返回的。

结果

现在，GPT4All 的即用型量化模型在基准测试后表现如何？虽然有详细的基准集，但以下是一些关于您可以期待的内容的快速见解：

关于博客文章的对话。

虽然有一些明显的错误（NLP-> NLU），但我实际上对输出感到非常惊讶。

让我们尝试一些更有创意的东西，比如诗歌：

深夜诗歌。

我发现这确实非常有用 - 再次考虑到这是在MacBook Pro笔记本电脑上运行的。虽然它可能达不到 GPT-3.5 甚至 GPT-4 的级别，但它肯定有一些魔力。

关于使用注意事项的一句话

使用 GPT4All 时，应牢记作者的使用注意事项：

“GPT4ALL模型的权重和数据仅用于研究目的，并获得许可，禁止任何商业用途。GPT4All 基于 LLaMA，后者具有非商业许可证。助手数据生成于 OpenAI的GPT-3.5-Turbo，其使用条款禁止开发与OpenAI进行商业竞争的模型。

另外，请注意，ChatGPT 具有多种安全功能。

讨论

开源项目和社区的努力在实施技术和加速想法方面可以非常强大。GPT4All就是一个显著的体现。从根本上说，我认为这为闭源模型的业务方面提供了一个有趣的视角。如果您提供 AI 即服务，那么爱好者需要多长时间才能探测您的 AI 足够长的时间以便能够模仿它？对于GPT4All的案例，他们的论文中有一个有趣的注释：他们花了四天的工作，800美元的GPU成本和500美元的OpenAI API调用。这绝对是非同寻常的。

这就提出了闭源模型的可行性问题。主动开放，让社区参与进来，并监督其发展不是更好吗？

除此之外，我们今天还更新了一篇《如何让 ChatGPT 画出复杂的图表？》放在了“AI聊天机器人俱乐部”中，欢迎大家加入俱乐部，查看文章：