微軟與Nvidia發表全球最大含5,300億個參數的AI語言模型

微軟和Nvidia合作研究語言模型，發表了目前最大的單體Transformer語言模型MT-NLG（Turing Natural Language Generation Model），具有5,300億個參數，作為Turing NLG 17B和Megatron-LM的後繼者，MT-NLG的規模是目前這類最大模型的3倍，能在完成預測、閱讀理解、常識推理、自然語言推理和詞義消歧等自然語言任務，提供極高的準確性。

近年來自然語言處理領域，得利於Transformer語言模型的大規模運算、大資料集，和進階的訓練演算法，使得語言模型能夠具有大量參數，進行更豐富、細緻的語言理解，因此語言模型也能更有效地作為零樣本或是少樣本學習器，應用在更廣泛的自然語言任務中。

現在訓練大型語言模型，仍具有不小的挑戰性，研究人員解釋，即便是最大的GPU記憶體，也難以放下這麼大量的參數，而且如果不對演算法、軟體和硬體堆疊進行最佳化，過長的運算時間將會使得訓練模型變得不切實際。

微軟和Nvidia密切合作，應用GPU和分散式學習軟體堆疊，實現超高效率模型訓練，並且使用數千億的令牌，建構高品質自然語言訓練語料庫，共同開發訓練配置，以最佳化效率和穩定性。

模型訓練使用基於NvidiaDGX SuperPOD的Selene超級電腦，以混合精度訓練完成，該超級電腦搭載560臺DGX A100伺服器，這些伺服器使用HDR InfiniBand以全胖樹拓墣連接，每臺DGX A100擁有8顆A100 80GB Tensor Core GPU，之間以NVLink和NVSwitch相互連接。

研究人員解釋，只有這種能夠在數千個GPU間實現平行性的架構，才能在合理的時間，訓練具有數千億個參數的模型。但就現有的平行策略，包括資料、工作管線和張量切片，還是無法用於訓練這種模型。

因此研究人員結合Megatron-LM和PyTorch深度學習最佳化函式庫DeepSpeed，創建了高效且可擴展的3D平行系統，將資料、工作管線和基於張量切片的平行性結合在一起，來克服訓練大型語言模型所遭遇的困難。

Megatron-LM的張量切片能夠擴展節點內的模型，並藉由DeepSpeed工作管線的平行性，來跨節點擴展模型。就5,300億個參數的MT-NLG來說，每個模型副本需橫跨280個A100 GPU，具有8路張量切片和跨節點的35路工作管線並行性，並且透過DeepSpeed的資料平行性，擴展模型至數千個GPU。

MT-NLG在多種類型的自然語言任務，都達到了目前最佳的結果，以少樣本預測來說，比較或是尋找兩句子間的關係，通常是對語言模型較具有挑戰性的任務，但是MT-NLG能夠使用更少的令牌訓練，也就是說，更大型的模型訓練速度更快。

除了一般自然語言任務都已經難不倒MT-NLG，MT-NLG還具有基本的數學運算能力，研究人員提到，雖然離真正具有算術能力還有一段距離，但該模型展現了超過記憶算數的能力。

另外，研究人員還在HANS資料集測試MT-NLG，藉由向模型提供包含簡單句法結構的句子作為問題，並且提示模型給予答案，過去這樣的用例，即便結構相當簡單，但是自然語言推理模型仍會對於這類輸入感到苦手，但是MT-NLG在不需要微調的情況下，就能表現良好。