聽說最近AI大廠的涌現開發人員和高校的NLP研究人員，都在琢磨，大模怎么讓大模型“涌現”。鏈究力那畫面莫名就讓我想到了程序員給服務器上香來保佑不宕機，竟種都有種求諸于天的涌現玄學。

所謂“涌現”,在大模型領域指的大模是當模型突破某個規模時，性能顯著提升，鏈究力表現出讓人驚艷、竟種意想不到的涌現能力。比如語言理解能力、大模生成能力、鏈究力邏輯推理能力等。竟種一般來說，涌現模型在100億到1000億參數區間，大模可能產生能力涌現。鏈究力

但老話說得好“氪不救非，玄不改命”。靠砸錢和運氣，只一味把模型做的大大大，也未必能讓AI“顯靈”。

強大的邏輯推理是大語言模型“智能涌現”出的核心能力之一，好像AI有了人的意識一樣。而推理能力的關鍵，在于一個技術——思維鏈（Chain of Thought，CoT）。

大家如果看過類GPT應用的翻車問題，會發現大多都是數學算術題、邏輯思考題等，這類需要精確推理的問題，而這正是思維鏈能夠重點解決的。現在訓練大語言模型的企業和機構很多，但能夠訓練出思維鏈并應用的很少。

換句話說，只有解鎖了思維鏈技術，大語言模型才有可能“涌現”，才能在“大煉模型”的競爭中具備能力優勢。

思維鏈的故事，我們從一個奇男子說起。

一個神奇的男子

思維鏈，在人工智能領域，是一個非常非常新的概念。

2022年1月，它的相關論文才被放到arxiv上，成果也特別驚艷，谷歌在當年五月的年度開發者大會Google I/O 2022，也對思維鏈這一研究成果進行了宣傳。當時同臺宣傳的還有大模型PaLM和Pixel系列手機等。

你可能發現了華點，怎么讓思維鏈聞名世界的，卻變成了OpenAI的ChatGPT呢？

這就要提到一個奇男子——思維鏈的提出者Jason Wei。

之所以神奇，一是本人能力卓絕。

這位華人科學家，2020年本科畢業成為谷歌大腦的高級研究員，在任職期間，提出了思維鏈的概念，發現思維鏈可以在大語言模型中增強推理能力。

（Jason Wei的個人博客www.jasonwei.net）

二是他的個人際遇，對AI影響很大，2022年2月他離開谷歌，加入了OpenAI，進入ChatGPT團隊，這也是思維鏈在OpenAI發揚光大，讓ChatGPT拔得頭籌的原因之一。

那這位奇男子和同事的工作，究竟干了什么呢？

谷歌之前在大模型下了很大功夫，GPT生成式預訓練模型中的“T”，也就是Transformer，就是谷歌大腦搞出來的。但是，預訓練+精調的大模型搞了幾年，仍然沒辦法很好地完成多步驟推理任務，比如數學問題和常識推理。

所以Jason Wei等人提出了思維鏈提示的方法，真的一下子就讓大模型的邏輯推理能力不一樣了。

具體來說，有三個不一樣：

1.常識推理能力趕超人類。以前的語言模型，在很多挑戰性任務上都達不到人類水平，而采用思維鏈提示的大語言模型，在Bench Hard(BBH)評測基準的23個任務中，有17個任務的表現都優于人類基線。

比如常識推理中會包括對身體和互動的理解，而在運動理解sports understanding方面，思維鏈的表現就超過了運動愛好者（95% vs 84%）。

（思想鏈被高亮顯示）

2.數學邏輯推理大幅提升。

一般來說，語言模型在算術推理任務上的表現不太好，而應用了思維鏈之后，大語言模型的邏輯推理能力突飛猛進。

MultiArith和GSM8K這兩個數據集，測試的是語言模型解決數學問題的能力，而通過思維鏈提示，PaLM這個大語言模型比傳統提示學習的性能提高了300%！

在MultiArith和GSM8K上的表現提升巨大，甚至超過了有監督學習的最優表現。

這意味著，大語言模型也可以解決那些需要精確的、分步驟計算的復雜數學問題了。

3.大語言模型更具可解釋性，更加可信。

我們知道超大規模的無監督深度學習，打造出來的大模型是一個黑盒，推理決策鏈不可知，這就會讓模型結果變得不夠可信。

而思維鏈將一個邏輯推理問題，分解成了多個步驟，來一步步進行，這樣生成的結果就有著更加清晰的邏輯鏈路，提供了一定的可解釋性，讓人知道答案是怎么來的。

Jason Wei這位奇男子提出的思維鏈，可以說是大語言模型驚艷世界的必要條件。

一句神奇的咒語

花式調戲大語言模型，有一句非常神奇的咒語，能讓LLM的回答結果大不一樣，那就是——“Let’s think step by step”。

此前很多用戶就發現，一旦在問題中加上“Let’s think step by step”，ChatGPT就好像被施了魔法，原本做錯的數學題，突然就會做了；原本的胡說八道，突然就有理有據了。

這就是思維鏈的魔力。

思維鏈(Chain-of-thought，CoT)，指的是一系列有邏輯關系的思考步驟，形成一個完整的思考過程。

人在日常生活中，隨時隨地都會用思維鏈來解決問題，比如工作、讀書經常用到的思維導圖，就是為了盡可能全面拆解步驟，不忽略重要細節，從而充分地考慮問題。

這種步驟分解的方式用在提示學習中，就被稱為思維鏈提示，將大語言模型的推理過程，分解成一個個步驟，直觀地展現出來，這樣開發人員可以在LLM推理出現錯誤時，就及時地修復。

相當于讓AI做分析題，而不是“填空題”，要把推理過程詳細說清楚，按步驟得分，最后給出答案。

Jason Wei等在2022年的論文中，展示了標準提示學習和思維鏈提示的不同之處：

可以看到，類似的算術題，思維鏈提示會在給出答案之前，還會自動給出推理步驟：

“羅杰先有5個球，2罐3個網球等于6個，5 + 6 = 11”

“食堂原來有23個蘋果，用20個做午餐，23-20=3；又買了6個蘋果，3+6=9”

思維鏈提示給出了正確答案，而直接報答案的傳統提示學習，給出的答案就是錯的，連小學程度的加減法都做不好。

簡單來說，語言模型很難將所有的語義直接轉化為一個方程，因為這是一個更加復雜的思考過程，但可以通過中間步驟，來更好地推理問題的每個部分。

思維鏈提示，就是把一個多步驟推理問題，分解成很多個中間步驟，分配給更多的計算量，生成更多的token，再把這些答案拼接在一起進行求解。

再舉個例子，大家都特別希望有一個全能家政機器人，但目前的機器人看起來都挺傻的，只能執行一些很簡單的開關燈指令。如果用戶問：“我把可樂灑在桌子上了，你能把它扔掉，然后拿點東西來幫我清理嗎？”

機器人該怎么辦呢？

這時候有思維鏈的語言模型，會分析問題：用戶把可樂灑在桌子上了。我會把它扔掉，然后給用戶一塊海綿。

拆解步驟：找(可樂)，揀(可樂)，找(垃圾)，扔(可樂)，找(海綿)，揀(海綿)，找(桌子)，放(海綿)。

總的來說，思維鏈就相當于讓大語言模型做“因式分解”，把一個復雜的推理問題進行拆解，逐步解決，自然也就更容易得到高質量的答案了。

一個打破僵局的靈感

你可能會問，大語言模型“智能涌現”，思維鏈是必須的嗎？目前階段，確實。

因為，預訓練的大語言模型參數規模巨大，很容易被不相關的上下文分散注意力，影響性能表現，相當于學生上課走神了，被老師叫起來回答問題只能胡言亂語。這時候就需要提示學習（Prompt Learning）來進行微調，相當于旁邊有人給提了個醒，更好地完成下游任務。

但離散式的硬提示（DiscretePrompt），需要人為設計提示詞prompt，而人類覺得不錯的提示詞，語言模型卻不一定覺得好，最后還是回答的一塌糊涂，而且，離散的token作為提示詞，優化難度也特別大。

所以，連續化的軟提示（Continuous Prompt），限制了模型參數不被調整，直接優化低維向量，這樣就可以用較小的微調來提升模型性能。這個方法省事兒，效果也不錯，但一直走這條路還是沒辦法讓語言模型搞懂邏輯推理。

思維鏈的提出，用的是離散式的token，又能自動構建問題、推理步驟和樣例，這就解決了離散提示人工設計難的問題，而且還能讓語言模型擁有可解釋性。

所以說，思維鏈promoting，可以算是打破了大語言模型能力僵局的神來之筆。有時候技術的突破靠的就是一個靈感，而造就這個靈感的人才機制、創新環境、組織模式等，卻需要漫長的時間去培育。

一些待解的問題

說了這么多，是不是有了思維鏈，大語言模型就所向披靡了呢？照這么發展下去，真能媲美人類的能力了？

大可不必擔心，思維鏈本身還是有很多局限的，而它的局限也是大語言模型的局限。

首先，思維鏈必須在模型規模足夠大時才能涌現。

在Jason Wei等的研究中，PaLM在擴展到540B參數時，與思維鏈提示結合，才表現出了先進的性能。一些小規模模型，思維鏈并沒有太大的影響，能力提升也不會很大。

谷歌大腦的研究人員認為，策略問題需要大量的世界知識，而小型模型沒有足夠的參數來記憶這些世界知識，所以也不太可能產生正確的推理步驟。

但問題是，能落地到產業的模型，規模必然不會太大，思維鏈拆解了更多的步驟、用到更多的計算資源，相當于更加耗費腦力，很多研究機構和企業是負擔不起175B參數以上的大模型。

所以思維鏈必須要探索，如何在較小的模型中進行推理，降低實際應用的成本。

62B比540B的語言模型更容易出錯

其次，思維鏈的應用領域是有限的。

目前，思維鏈只是在一些有限的領域，比如數學問題，五個常識推理基準（CommonsenseQA，StrategyQA，Date Understanding和Sports Understanding以及SayCan）上顯現出作用，其他類型的任務，像是機器翻譯，性能提升效果還有待評估。

而且，相關研究用到的模型（GPT-3 API）或數據集，都是半公開或不公開的，這就使其難以被復現和驗證。嚴謹來看，思維鏈的效果還需要被進一步探索，才能下定論。

此外，即使有思維鏈提示，大語言模型依然不能解決小學水平的數學問題。

沒有思維鏈，數學推理是指定不行。但有了思維鏈，大語言模型也可能出現錯誤推理，尤其是非常簡單的計算錯誤。Jason Wei等的論文中，曾展示過在GSM8K的一個子集中，大語言模型出現了8%的計算錯誤，比如6 * 13 = 68（正確答案是78）。

這說明，即使有了思維鏈，大語言模型還是沒有真正理解數學邏輯，不知道加減乘除的真實意義，只是通過更精細的疊加來“照葫蘆畫瓢”，所以，對于有精確要求的任務，還要進一步探索新的技術。

思維鏈確實增強了大語言模型的能力，但邏輯推理仍然是大語言模型的弱項，等待著更多突破。

One more thing

通過思維鏈，我們可以看到大語言模型為什么強，也為什么弱。

它強在，模型規模的提高，讓語義理解、符號映射、連貫文本生成等能力躍升，從而讓多步驟推理的思維鏈成為可能，帶來“智能涌現”。

它弱在，即使大語言模型表現出了前所未有的能力，但思維鏈暴露了它，依然是鸚鵡學舌，而非真的產生了意識。

認知心理學教授斯坦尼斯拉斯·迪昂（Stanislas Dehaene）在《精準學習》中提出，緩慢地、理智地、符號化地運作，是人腦的特權。它可以在任何可能的時候，提取具有普遍性、邏輯性的、明確的原則。

五六歲的兒童學會了較小數字的加法，就可以理解其含義，用到更大的數字的加法中，而目前最強大的大語言模型，還連“加法”這個簡單的抽象定律都理解不了。

這么說，并不是讓大家小看AI的能力，而是想說明，人腦和AI，各有所長。

大語言模型，正如科幻作家特德·姜所說，是網上所有文本的模糊圖像，一張有損壓縮的JPEG，但它可以用遠超人腦的算力和數據，極其高產地做好文本生成、圖像生成這樣的模糊任務。而人腦更擅長精確的、邏輯性的任務，就像特德·姜說的：“當你還有原始圖片的時候，一張模糊的JPEG到底有多大用處呢？”

智能時代的生存策略，就是不要以己之短，硬碰AI之長。而是用AI之長，讓自己的長板變得更長；用人腦的精確，讓AI生成的模糊答案變得更高質量；用好思維鏈提示，讓LLM生成時事半功倍。

《哈利波特》電影中，有一個“有求必應屋”，里面全是人所需要的東西，海倫娜形容它：

If you have to ask, you'll never know. If you know, you need only ask.

如果你還需要問，就永遠不會明白；如果你明白，你只需要開口問。

有問必答的AI時代，是智者的天堂，也是愚者的地獄。永遠不要讓AI代替你思考。