基于大模型實(shí)現(xiàn)因果推斷的探討

賈琳琳，鄧佳鑫，龐俊彪，張寶昌（.北京工業(yè)大學(xué)，北京 004；.北京航空航天大學(xué)，北京 009）

1 概述

1.1 大模型

大模型指利用海量數(shù)據(jù)用自監(jiān)督方法進(jìn)行訓(xùn)練而生成擁有龐大參數(shù)量的機(jī)器學(xué)習(xí)模型，它們?yōu)橄掠稳蝿?wù)提供了優(yōu)良的分布式特征表示能力和模型泛化能力。例如，處理復(fù)雜問答的多輪對(duì)話能力、人類情感對(duì)齊能力、數(shù)學(xué)問題的求解能力等。從大模型的發(fā)展上看，在2022 年11 月底，OpenAI 發(fā)布了ChatGPT［1］，2023 年3 月14 日，GPT?4 也隨之發(fā)布。這2 個(gè)模型的問世讓全球切身感受到了人工智能從數(shù)據(jù)中形成智能的潛力。與此同時(shí)，隨著MetaAI 開源了備受矚目的LLaMA［2］框架以及斯坦福大學(xué)提出了Stanford Alpaca［3］模型，業(yè)界開始涌現(xiàn)出更多類型的大模型。在國(guó)內(nèi)，百度、騰訊、華為、阿里等互聯(lián)網(wǎng)頭部企業(yè)競(jìng)相布局AI產(chǎn)業(yè)，并推出“文心一言”“混元AI大模型”“盤古Chat”“通義千問”等一系列通用化大模型?？梢姡覈?guó)AI大模型發(fā)展加速，行業(yè)的垂直應(yīng)用也呈現(xiàn)出多樣性、加速性和廣泛性。

1.2 因果推斷

因果推斷［4?9］是一種統(tǒng)計(jì)和推理方法，旨在理解和推斷事件、變量或行為之間的因果關(guān)系。因果推斷可以被總結(jié)為3 個(gè)層次。從問題角度出發(fā)，因果推斷的第1 個(gè)層次是相關(guān)性，即探索變量之間的關(guān)系。常規(guī)機(jī)器學(xué)習(xí)在應(yīng)用中主要學(xué)習(xí)的就是變量之間的相關(guān)性。第2 個(gè)層次是執(zhí)因溯果，即研究實(shí)施某種干擾因素后產(chǎn)生的效果或者收益是否符合預(yù)期。第3個(gè)層次是由果執(zhí)因，也被稱為反事實(shí)推斷，即為了得到某種結(jié)果需要怎么做?，F(xiàn)在大多數(shù)因果建模都是從這一層次來進(jìn)行探索。此外，多數(shù)因和果耦合在了一起，這可能導(dǎo)致因果推斷無法獲得滿意的結(jié)果。因此，從因果推斷的視角來看，將導(dǎo)致推斷失誤的因素解耦是一個(gè)至關(guān)重要的問題。與此同時(shí)，解耦因果同樣對(duì)解決訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)的Out?Of?Distribution（OOD）問題起到幫助。它有助于更好地理解事件和變量之間的因果聯(lián)系，從而支持更有效的決策制定和干預(yù)措施的設(shè)計(jì)。顯然，因果推斷在許多領(lǐng)域具有廣泛的應(yīng)用，包括公共政策評(píng)估、醫(yī)學(xué)研究、經(jīng)濟(jì)學(xué)和社會(huì)科學(xué)等。

因果推斷應(yīng)用場(chǎng)景廣泛，可以被用于醫(yī)療診斷和治療決策、公共政策制定、金融風(fēng)險(xiǎn)評(píng)估、自然災(zāi)害預(yù)測(cè)和防災(zāi)減災(zāi)等各個(gè)領(lǐng)域［10?13］。具體如：因果推斷在服務(wù)器問題診斷上的應(yīng)用，而大模型可以分析服務(wù)器的運(yùn)行數(shù)據(jù)，包括日志、傳感器數(shù)據(jù)等。識(shí)別服務(wù)器中的異常行為和潛在問題，這使得預(yù)測(cè)服務(wù)器故障成為可能，并可及時(shí)采取相應(yīng)的預(yù)防措施。同時(shí)，通過因果推斷分析來確定問題的根本原因，并提供修復(fù)指導(dǎo)。

1.3 大模型與因果推斷結(jié)合的可能性

大模型的強(qiáng)大分布式表示能力為因果推斷提供了“因”和“果”的表示能力。即可以利用大模型來理解各種因果推斷問題中的語義和表示，如因果發(fā)現(xiàn)和回答因果等問題。傳統(tǒng)的因果發(fā)現(xiàn)和效應(yīng)推理通常依賴于領(lǐng)域?qū)＜姨峁┑南闰?yàn)領(lǐng)域知識(shí)，建立一些先驗(yàn)領(lǐng)域知識(shí)對(duì)相關(guān)領(lǐng)域的專家數(shù)量和知識(shí)互補(bǔ)性具有很高的要求。然而，大模型的特征表示能力提供了先驗(yàn)領(lǐng)域知識(shí)的表示能力，支持自然語言和形式方法之間的轉(zhuǎn)換。此外，大模型的泛化能力能夠整合關(guān)于因果機(jī)制的常識(shí)和領(lǐng)域知識(shí)，從而因果關(guān)系在大模型的微調(diào)階段、實(shí)踐和采用方面開辟了可能性，有助于人們更好地理解變量之間的因果聯(lián)系。

因果推斷對(duì)大模型的發(fā)展起到了促進(jìn)作用。雖然，大模型能夠在某些因果關(guān)系的簡(jiǎn)單問題上給出正確的答案，但目前的研究還不確定大模型是否能通過自監(jiān)督學(xué)習(xí)掌握簡(jiǎn)單因果關(guān)系，并具備了因果推斷的能力。然而，復(fù)雜因果關(guān)系及其可解釋性注入到大模型學(xué)習(xí)的方法是還沒有深入研究的領(lǐng)域。因此，復(fù)雜因果關(guān)系及其可解釋性注入是大模型與因果推斷結(jié)合的關(guān)鍵問題之一。相應(yīng)地，基于大模型的因果推斷的結(jié)論可解釋性是大模型與因果推斷結(jié)合的關(guān)鍵問題之二。

2 大模型因果推斷的難點(diǎn)

大模型因果推斷的主要難點(diǎn)在于實(shí)現(xiàn)從關(guān)聯(lián)分析到因果推理的跨越。目前深度學(xué)習(xí)的主要特點(diǎn)是數(shù)據(jù)驅(qū)動(dòng)、關(guān)聯(lián)學(xué)習(xí)和概率輸出，導(dǎo)致模型普遍存在預(yù)測(cè)不穩(wěn)定和不可解釋等問題。主要原因是因果機(jī)制尚未充分融入機(jī)器學(xué)習(xí)。一項(xiàng)研究［14］探討了大語言模型是否能夠從相關(guān)性中推斷出因果關(guān)系，并通過構(gòu)建相關(guān)性推斷因果關(guān)系的數(shù)據(jù)集Corr2Cause進(jìn)行驗(yàn)證。該研究評(píng)估了17 種現(xiàn)有的大語言模型在該數(shù)據(jù)集上的表現(xiàn)，結(jié)果顯示目前的大模型在純推理因果關(guān)系的能力方面存在不足，并且在這一任務(wù)上的表現(xiàn)基本上達(dá)到隨機(jī)水平，并指出大模型的微調(diào)技術(shù)對(duì)因果關(guān)系推斷具有重要意義。

因此，需要開展更多的研究以推動(dòng)大模型在因果推斷方面的發(fā)展，這些研究包括構(gòu)建更適用于大模型因果推斷的數(shù)據(jù)集，設(shè)計(jì)新的算法和模型結(jié)構(gòu)以實(shí)現(xiàn)更好的因果推理能力，并提高模型在這一任務(wù)上的性能和穩(wěn)定性。這將有助于推動(dòng)大模型在因果推斷領(lǐng)域的進(jìn)展，并為機(jī)器學(xué)習(xí)帶來更高水平的可解釋性和可靠性。

3 大模型因果推斷模型建立策略

3.1 大模型預(yù)訓(xùn)練

針對(duì)因果推斷問題，大模型需要什么樣的預(yù)訓(xùn)練策略和目標(biāo)函數(shù)？首先，預(yù)訓(xùn)練模型是一種自監(jiān)督學(xué)習(xí)的應(yīng)用，利用幾乎無限的文本（或行業(yè)數(shù)據(jù)），預(yù)測(cè)學(xué)習(xí)輸入句子（或行業(yè)數(shù)據(jù)）中每個(gè)數(shù)據(jù)元（token）上下文相關(guān)的表示，它隱式地學(xué)習(xí)到了通用的語法語義知識(shí)（行業(yè)數(shù)據(jù)的變化規(guī)律）。第二，它可以將從開放領(lǐng)域?qū)W到的知識(shí)遷移到下游任務(wù)，以改善低標(biāo)記資源的下游任務(wù)。第三，預(yù)訓(xùn)練模型+微調(diào)機(jī)制具備很好的可擴(kuò)展性，在支持一個(gè)新任務(wù)時(shí)，只需要利用該任務(wù)的標(biāo)注數(shù)據(jù)進(jìn)行微調(diào)即可。第四，需要構(gòu)建體現(xiàn)因果推斷的目標(biāo)函數(shù)，一種策略是基于外部因果陳述的自監(jiān)督表示學(xué)習(xí)策略，讓自監(jiān)督學(xué)習(xí)的特征表示能夠識(shí)別外部定義的因果關(guān)系［15?16］。

與經(jīng)典的機(jī)器學(xué)習(xí)相比，預(yù)訓(xùn)練模型具有三大特點(diǎn)［17?19］。第一是模型參數(shù)規(guī)模大，在預(yù)訓(xùn)練階段充分利用大規(guī)模無標(biāo)注數(shù)據(jù)，使系統(tǒng)更好地掌握通用數(shù)據(jù)內(nèi)在規(guī)律的能力［20］。第二是泛化能力強(qiáng)，在通用無標(biāo)注數(shù)據(jù)上預(yù)訓(xùn)練得到的同一個(gè)大模型，只需要對(duì)不同特定任務(wù)的有標(biāo)注數(shù)據(jù)進(jìn)行微調(diào)即可應(yīng)用于不同任務(wù)中，不需要針對(duì)每個(gè)任務(wù)專門研制模型。第三則是因其強(qiáng)大的通用語言能力而帶來的良好的綜合性能［21］。

大模型進(jìn)行預(yù)訓(xùn)練的一般步驟如下。

a）收集大量低成本收集的訓(xùn)練數(shù)據(jù)。

b）采用某種預(yù)訓(xùn)練方法去學(xué)習(xí)其中的共性，一般采用自回歸預(yù)訓(xùn)練方式或自編碼預(yù)訓(xùn)練方式。

c）將其中的共性“移植”到特定任務(wù)的模型中。

d）預(yù)訓(xùn)練完成后，可以進(jìn)行迭代訓(xùn)練來進(jìn)一步改進(jìn)模型或壓縮模型。這通常包括使用更具體的任務(wù)和數(shù)據(jù)集對(duì)模型進(jìn)行微調(diào)，以提高其在特定任務(wù)上的性能。

3.2 大模型因果推斷的微調(diào)過程

首先，微調(diào)可以提高模型在下游任務(wù)的性能。預(yù)訓(xùn)練的大型模型學(xué)習(xí)到了豐富的特征表示和模式識(shí)別能力，通過微調(diào)，可以利用這些學(xué)習(xí)到的特征表示快速、有效地適應(yīng)新任務(wù)，從而提高模型在特定任務(wù)上的性能。其次，微調(diào)通常比從頭訓(xùn)練模型更快，起到加速訓(xùn)練過程的作用。預(yù)訓(xùn)練模型已經(jīng)學(xué)習(xí)到了通用的特征表示，因此微調(diào)只需要在特定任務(wù)的數(shù)據(jù)集上進(jìn)行相對(duì)較少的迭代訓(xùn)練，可以節(jié)省訓(xùn)練時(shí)間和計(jì)算資源。微調(diào)很利于遷移學(xué)習(xí)。通過微調(diào)大模型，可以將在一個(gè)任務(wù)上學(xué)到的知識(shí)遷移到另一個(gè)相關(guān)任務(wù)上［22?23］。

大規(guī)模語言模型在沒有利用人類反饋技術(shù)（Rein?forcement Learning from Human Feedback，RLHF）前，已有的實(shí)驗(yàn)結(jié)果表明這些模型在多個(gè)數(shù)據(jù)集上的因果推斷表現(xiàn)幾乎接近隨機(jī)性能［14］。而通過人類反饋技術(shù)或因果推斷標(biāo)注數(shù)據(jù)集的微調(diào)后可以明顯提升大模型的因果推斷能力。具體地，對(duì)于采用不同預(yù)訓(xùn)練方式的模型采用不同的微調(diào)方法。例如，基于GTP 模型使用OpenAI 調(diào)優(yōu)API 的默認(rèn)設(shè)置；而對(duì)于基于bert的模型，基于transformer的自注意力機(jī)制適當(dāng)交換bert的輸入輸出來進(jìn)行微調(diào)。

微調(diào)一般包括以下步驟。

a）加載預(yù)訓(xùn)練模型：選擇一個(gè)與所需任務(wù)相關(guān)的預(yù)訓(xùn)練模型，并加載其權(quán)重。

b）選擇任務(wù)數(shù)據(jù)集：選定特定任務(wù)所需的數(shù)據(jù)集，目前已經(jīng)有專門針對(duì)純因果推斷的數(shù)據(jù)集CORR2CAUSE。

c）對(duì)模型進(jìn)行微調(diào)：將任務(wù)數(shù)據(jù)集作為輸入，以最小化模型在此數(shù)據(jù)集上的損失函數(shù)。在這個(gè)過程中，通常需要在訓(xùn)練集和驗(yàn)證集上進(jìn)行多次迭代，以避免過擬合問題。

d）在測(cè)試集上進(jìn)行測(cè)試：使用微調(diào)后的模型，在測(cè)試集上測(cè)試其性能表現(xiàn)。

3.3 人類反饋技術(shù)提高因果推斷的可解釋性

OpenAI 的研究者采用了人類反饋技術(shù)，通過訓(xùn)練獎(jiǎng)勵(lì)函數(shù)對(duì)模型進(jìn)行微調(diào)，從而使其生成的內(nèi)容更符合人類價(jià)值觀［24］。RLHF 技術(shù)本質(zhì)是強(qiáng)化學(xué)習(xí)，在決策任務(wù)中，讓智能體的目標(biāo)最大化累積回報(bào)。因此，在涉及因果解釋的場(chǎng)景中，智能體的目標(biāo)是最大化人類的滿意度和因果推斷結(jié)論的正確性。RLHF 技術(shù)可以通過監(jiān)督學(xué)習(xí)的方法學(xué)習(xí)到與人類反饋相一致的獎(jiǎng)勵(lì)函數(shù)，從而可以將獎(jiǎng)勵(lì)與人類價(jià)值觀和因果解釋對(duì)齊。

在大模型中使用RLHF 技術(shù)根據(jù)人類反饋進(jìn)行訓(xùn)練時(shí)，提示詞（Prompt）被視為環(huán)境狀態(tài)的一部分。模型將接收的提示詞作為輸入，并根據(jù)該提示詞生成輸出，再將輸出展示給人類反饋者，由其提供一個(gè)評(píng)價(jià)或指令來指導(dǎo)模型進(jìn)行下一步操作。這個(gè)反饋信息可以被用作獎(jiǎng)勵(lì)信號(hào)，用于調(diào)整模型的權(quán)重和參數(shù)，使模型在輸入上產(chǎn)生更好的輸出。因此，提示詞在強(qiáng)化學(xué)習(xí)中扮演著重要的角色，它用于指導(dǎo)模型的行為，并且根據(jù)人類反饋進(jìn)行優(yōu)化。通過不斷調(diào)整提示詞和反饋過程，可以提高模型的性能和生成質(zhì)量。

提示詞還是一種可以挖掘或促進(jìn)大模型推理能力的技術(shù)思路。大模型本身是具備一些簡(jiǎn)單問題的推理能力，但在復(fù)雜推理問題上需要提高。提示詞設(shè)計(jì)的核心思想是通過合適的提示語或提示樣本，更好地激發(fā)出大模型本身就具備的推理能力。比如通過添加提示詞“Let’s think step by step”，大模型在數(shù)學(xué)推理任務(wù)上就可以進(jìn)行多步推理并取得令人滿意的效果。

在因果推斷任務(wù)中，提示詞一方面可以依據(jù)一些規(guī)則進(jìn)行人工設(shè)計(jì)，設(shè)計(jì)提示詞的一個(gè)有效方式是用思維鏈來使模型一步一步進(jìn)行思考。一般設(shè)計(jì)規(guī)范是：<輸入，思維鏈，輸出>。其中，思維鏈允許模型將多步推理問題分解為中間步驟，逐步解決并給出最終答案。通常而言，提示詞的設(shè)計(jì)分為以下3個(gè)步驟。

a）模板設(shè)計(jì)。通過手動(dòng)或自動(dòng)設(shè)計(jì)模板，將輸入x（例如：獨(dú)行月球真好看。）轉(zhuǎn)變成X（例如：獨(dú)行月球真好看，這太____了），通常情況下X中包含空槽，讓預(yù)訓(xùn)練語言模型對(duì)空槽填充，從而推斷出y（好看）。模板的設(shè)計(jì)靈活多變，需要根據(jù)下游任務(wù)與預(yù)訓(xùn)練語言模型來選擇合適的模板。

b）答案搜索。預(yù)訓(xùn)練語言模型在答案空間中進(jìn)行搜索，找出得分最高的值填充到對(duì)應(yīng)空槽中。

c）答案映射。通過答案搜索得到空槽對(duì)應(yīng)填充值后，部分任務(wù)的槽值為最終結(jié)果，部分任務(wù)的槽值需要進(jìn)行轉(zhuǎn)換，將槽值對(duì)應(yīng)到最終的輸出標(biāo)簽y（好看）。另外還有一些通用技巧如使用明確的指令、最后重復(fù)一遍指令、添加語法如標(biāo)點(diǎn)符號(hào)以及標(biāo)題等。另一方面，提示詞可以通過程序生成，通常稱為提示詞微調(diào)［25］。目前已有的提示詞微調(diào)技術(shù)有自動(dòng)調(diào)節(jié)提示詞方法［26］，它通過梯度優(yōu)化自動(dòng)從一系列候選詞中生成對(duì)目標(biāo)任務(wù)最佳的提示詞；斯坦福大學(xué)的Percy Liang團(tuán)隊(duì)提出 的Prefix?tuning 方 法［27］，它 在Transformer 的輸入層中加入可學(xué)習(xí)的提示詞嵌入；VPT（Visual prompt tuning）方法［28］，它在輸入和中間層的節(jié)點(diǎn)中加入可調(diào)的提示詞等。

4 大模型開源工具

在大模型發(fā)展的過程中產(chǎn)生了較多開源工具，它們提供了豐富的功能和資源，可以幫助研究人員和開發(fā)者更方便地構(gòu)建、訓(xùn)練和部署大模型。它們?cè)陂_源社區(qū)中被廣泛使用和支持，并持續(xù)更新和改進(jìn)，推動(dòng)了大模型的發(fā)展和應(yīng)用。

Transformer Reinforcement Learning（TRL）［29］是 用于用強(qiáng)化學(xué)習(xí)訓(xùn)練語言模型的庫(kù)。通過TRL，可以用近似策略優(yōu)化（Proximal Policy Optimization，PPO）訓(xùn)練Transformer 語言模型。PPO 是強(qiáng)化學(xué)習(xí)目前最有效的一種算法，和先前的強(qiáng)化學(xué)習(xí)算法相比，它在每一步迭代中都會(huì)嘗試計(jì)算新的策略，可以讓損失函數(shù)最小化的同時(shí)保證與上一步迭代的策略間的偏差相對(duì)較小。該庫(kù)建立在Hugging Face 的Transformer 庫(kù)之上，目前已經(jīng)支持GPT?2 大模型進(jìn)行訓(xùn)練。使用PPO 算法優(yōu)化GPT?2的大致流程可以分為續(xù)寫（Generation）、評(píng)估（Evaluation）和優(yōu)化（Optimization）3步。這可以使其在生成文本時(shí)更加符合預(yù)期的要求，并且盡量避免與參考語言模型的差異過大，有助于提高模型的性能和結(jié)果的質(zhì)量。

Reinforcement Learning for Language Model（RL4LM）［30］是Allen Institute for AI 的一個(gè)用于語言模型微調(diào)和評(píng)估的開源庫(kù)，它提供了多種強(qiáng)化學(xué)習(xí)算法（如PPO、NLPO、A2C 和TRPO）、獎(jiǎng)勵(lì)函數(shù)和指標(biāo)作為構(gòu)建塊。這個(gè)庫(kù)的設(shè)計(jì)使得用戶可以輕松地根據(jù)自己的需求進(jìn)行定制，可以基于任何編碼器?解碼器或基于encoder transformer 的語言模型進(jìn)行訓(xùn)練，并使用任意用戶指定的獎(jiǎng)勵(lì)函數(shù)。RL4LM 的優(yōu)勢(shì)在于其靈活性和可定制性。它在實(shí)際任務(wù)中得到了驗(yàn)證，并計(jì)劃支持更大模型和分布式訓(xùn)練，以進(jìn)一步提升性能和擴(kuò)展能力。

大模型開源工具大大促進(jìn)了大模型的發(fā)展，通過共享知識(shí)、加速研究和開發(fā)、降低門檻和成本、社區(qū)合作和反饋以及創(chuàng)新和應(yīng)用拓展，推動(dòng)了大模型領(lǐng)域的快速發(fā)展和廣泛應(yīng)用。

5 總結(jié)

通過對(duì)大模型預(yù)訓(xùn)練、人類反饋學(xué)習(xí)過程和因果推斷的微調(diào)技術(shù)等方面進(jìn)行探討，發(fā)現(xiàn)大模型在因果推斷方面的巨大潛力。構(gòu)建更適用于大模型因果推斷的數(shù)據(jù)集，設(shè)計(jì)新的算法和模型結(jié)構(gòu)可以實(shí)現(xiàn)更好的因果推斷能力和推斷的解釋能力，提高大模型在因果推斷上的性能和穩(wěn)定性，促使大模型和因果推斷發(fā)展形成良性循環(huán)。隨著數(shù)據(jù)和模型的不斷發(fā)展，可以期待大模型在因果推斷任務(wù)上應(yīng)用能力將不斷提升，并為各個(gè)領(lǐng)域中理解和應(yīng)用因果推斷提供更多幫助。