最近一段時間，文本生成的人工智能在互聯(lián)網(wǎng)上掀起了一陣風暴：ChatGPT 因為可以對人們能想到的幾乎任何問題提供非常詳細、近乎逼真的回答而受到追捧。大模型應用的出現(xiàn)讓人們對于 AI 技術突破充滿了信心，不過很少有人知道在其背后，一個分布式機器學習框架正為這場生成式 AI 革命提供動力。

分布式計算框架 Ray 來自 A16z 支持的初創(chuàng)公司 Anyscale，它是使 OpenAI 能夠強化其訓練 ChatGPT 等模型的關鍵。在 OpenAI 最近的所有大型語言模型背后都有 Ray 的身影 —— 它可能也會是 OpenAI 備受期待的 GPT-4 背后的框架。隨著大模型技術的不斷落地，業(yè)內(nèi)人士認為通過生成接近人類的內(nèi)容，一個價值數(shù)十億美元的產(chǎn)業(yè)正在形成。

在這一領域，Ray 是影響力最大的框架。在它出現(xiàn)之前，OpenAI 使用自定義工具集合來開發(fā)大模型。但 OpenAI 總裁 Greg Brockman 在今年早些時候的 Ray 峰會上就表示，隨著面臨的挑戰(zhàn)增多，該公司已轉(zhuǎn)而使用 Ray。

軟件公司 Weights & Biases 的 CEO Lukas Biewald 認為，Ray 已是 AI 世界中炙手可熱的后起之秀。「因為新工具出現(xiàn)，你可以在筆記本電腦和大型分布式服務器上運行相同代碼。這是巨大的改變，隨著模型變得更大，它的重要性也會隨之增加，」Biewald 表示。

十億美元的賭注

隨著技術的成熟，Ray 引來了資本市場的關注。Anyscale 的股權成為了一種稀缺的商品，據(jù) Business Insider 報道，有知情人士稱，其最近一輪融資是 C 輪融資的延伸，估值超過 10 億美元，幾天內(nèi)就結(jié)束了。

一些投資者將 Anyscale 描述為 Horowitz 充滿希望的「下一個 Databricks」—— 這個描述看來不無道理，因為這家初創(chuàng)公司的創(chuàng)始人之一 Ion Stoica 是市值 310 億美元的數(shù)據(jù)巨頭 Databricks 的聯(lián)合創(chuàng)始人。

「人工智能的發(fā)展速度令人難以置信，人們一直在嘗試新方法，」Anyscale 首席執(zhí)行官 Robert Nishihara 表示。「ChatGPT 結(jié)合了此前大語言模型上的大量工作。在此基礎上，你需要擁有能夠?qū)崿F(xiàn)靈活性、快速創(chuàng)新，并擴展不同算法和方法的基礎設施。」

由于像 ChatGPT 這樣熱門的新工具背后是越來越大的模型，科技公司不得不重新考慮從頭開始開發(fā) AI 的方式。Ray 應運而生，使訓練這些龐大的模型變得更加容易，并且可以包含數(shù)千億個數(shù)據(jù)點，讓每個響應都具有準栩栩如生的感覺。

Ray 如何成為機器學習的首選工具

Ray 是一個基于內(nèi)存共享的分布式計算框架，適用于細粒度的并行計算和異構(gòu)計算，其提供了一個底層基礎架構(gòu)，用于管理分配機器學習模型訓練工作的復雜任務。

在 2017 年，UC Berkeley 的研究人員首次提交了 Ray 的論文《 Ray: A Distributed Framework for Emerging AI Applications 》：

論文鏈接：https://arxiv.org/abs/1712.05889

GitHub：https://github.com/ray-project/ray

在該工作中，研究人員預測了下一代 AI 應用程序的形態(tài)：與環(huán)境存在連續(xù)的交互，并從交互動作中進行學習。這些應用必然越來越多地在動態(tài)環(huán)境中來完成任務，根據(jù)環(huán)境的變化作出反應，并執(zhí)行一系列的動作來達到長期目標。這些特性對于運行環(huán)境性能和靈活性等方面提出了全新且苛刻的系統(tǒng)要求，因此研究者提出了基于分布式的 Ray 框架。

Ray 實現(xiàn)了統(tǒng)一接口，可以表達任務并行和基于參與者的計算，由單個動態(tài)執(zhí)行引擎支持。為了滿足性能要求，Ray 采用分布式調(diào)度程序和分布式容錯存儲來管理系統(tǒng)的控制狀態(tài)。它是首個將訓練、仿真和服務統(tǒng)一起來的分布式計算框架，基于動態(tài)任務執(zhí)行引擎統(tǒng)一了角色并行（actor）和任務并行（task）的計算，并保障了框架的高可擴展性和高容錯性。

Ray 的架構(gòu)。

基于該工作，2019 年 12 月，UC Berkeley 的 Robert Nishihara、Philipp Moritz 和 Ion Stoica 以及伯克利教授 Michael I. Jordan 創(chuàng)立了 Anyscale，迄今為止該公司已融資 2.6 億美元。

機器學習從業(yè)者通常可以在自己的筆記本電腦上運行使用有限數(shù)據(jù)集的小型模型，例如預測用戶購買產(chǎn)品的簡單模型。然而，像 ChatGPT 這樣的超大型模型，筆記本電腦是行不通的，這些模型需要大量服務器來訓練。

使用大量設備訓練一個模型要面對一個重要挑戰(zhàn) —— 在不同硬件上協(xié)調(diào)訓練。而 Ray 恰好解決了這個難題，它為從業(yè)者提供了一種將不同硬件作為一個單元來管理的機制，用于確定什么數(shù)據(jù)去哪里，處理故障等等，硬件種類橫跨谷歌云、AWS 和其他處理相同問題的產(chǎn)品組合。此外，Ray 還將其他語言中的一個關鍵編程概念「actor」擴展到 Python，眾所周知 Python 是機器學習程序的首選語言。

作為一個分布式計算框架，Ray 有兩個關鍵優(yōu)勢，分別是位置感知（Locality-aware）和任務分配（task placement）。如下圖所示，Ray 能夠橫向擴展系統(tǒng)，以支持高吞吐量的細粒度任務，同時保持容錯和低延遲任務調(diào)度。

Ray 為 OpenAI 訓練大模型消除了巨大的復雜性，為該公司騰出更多時間和精力專注于模型的關鍵能力。

新一代 AI 需要新的開發(fā)工具，Ray 只是一系列迅速興起的下一代機器學習工具中的一個，這些工具正在迅速顛覆 AI 的開發(fā)方式。例如，Google 的 JAX 框架也獲得了巨大關注，JAX 有望成為谷歌核心機器學習工具的支柱，已經(jīng)在 DeepMind 和 Google Brain 被廣泛采用。

類似地，由 FirstMark Capital 和 Bessemer Venture Partners 支持的初創(chuàng)公司 Coiled 開發(fā)了一個名為 Dask 的并行計算框架。

近來大型語言模型正在釋放更多潛力，這些新型機器學習工具將為業(yè)內(nèi)科技巨頭和初創(chuàng)公司構(gòu)建更強大的語言模型。

審核編輯 ：李倩