张林峰：何为“知识蒸馏”

随着近年来大模型的迅猛发展，知识蒸馏（Knowledge Distillation）逐渐成为人工智能领域一个备受关注的话题。尤其是在近期，DeepSeek凭借其在技术上的突破和创新，不仅让自身声名鹊起，也将知识蒸馏这一概念带入了公众的视野。那么，何为知识蒸馏呢？它究竟是如何在人工智能领域发挥着重要作用并推动着技术的不断进步，这值得深入探究。

作为一种强大的模型压缩技术，知识蒸馏是人类社会中教师与学生关系在人工智能领域的延伸：在人类社会中，知识储备较少、学习能力较弱的学生可以向知识储备丰富、学习能力更强的教师学习以获取知识，以此获得比自学更高的学习效率。类比到人工智能领域，研究人员发现可以将一个参数量较小、学习能力较弱的模型作为“学生模型”，将一个参数量较大、学习能力较强的模型作为“教师模型”，通过让学生模型学习教师模型，获得比学生模型直接从数据中学习更高的效率。这一种模仿人类学习行为的算法在人工智能领域被称为“知识蒸馏”。知识蒸馏由图灵奖、诺贝尔奖得主杰弗里·辛顿（Geoffrey Hinton）正式提出，成为人工智能领域最重要的基础算法之一。

知识蒸馏最早被用于减少模型的参数量，以此降低人工智能模型的存储成本和计算成本。当前的人工智能模型参数量大，其计算速度慢、存储成本高，在实际应用中存在诸多不便。例如，在自动驾驶中，人工智能模型计算速度慢会导致自动驾驶汽车无法快速地感知周围环境，容易造成交通事故；在手机应用上，人工智能存储成本过高会导致其占用大量手机存储空间，导致手机卡顿，影响用户体验。早期的知识蒸馏让参数量小、性能不佳的学生模型学习参数量大、性能好的教师模型。理想情况下，如果学习成功，小的学生模型掌握了与教师模型相同的知识，那么就可以在继承教师模型优良性能的同时维持参数量小的优势，实现“又小又好”。研究人员将这一过程与物理学中的“蒸馏”联系起来，意在通过此种方式将模型中无用的参数“蒸发”，将重要的知识保留，因此称为知识蒸馏。

在大模型时代，知识蒸馏受到了更加广泛的关注。一方面，大模型的参数量与传统模型相比有了百倍、千倍乃至万倍的增长，模型的参数成本和计算成本被进一步放大，因此对于它们的压缩和加速需求也就更加显着。例如，DeepSeek V3模型有6710亿参数，是传统人工智能模型BERT的2000多倍，这意味其计算耗时和存储成本也增长了千倍以上。为了将类似DeepSeek的大模型在个人电脑、手机等小设备上部署，就需要进一步探索和利用知识蒸馏技术，将DeepSeek的知识提取出来，存到小的模型上。

另一方面，大模型时代的知识蒸馏不仅体现了参数上知识的传递，也体现了数据上知识的传递。具体来说，如果一个人类教师是学习过“数理化政史地”全科知识的教师，那么在授课过程中，即使他仅向学生教授单个科目的内容，也有可能潜在地向学生传递他所具备的其他领域知识。类似地，在人工智能中，如果教师模型学习了更加广泛领域上的知识，那么，在知识蒸馏的过程中，学生模型也可以间接地学习这些领域上的信息。例如，如果教师模型学习过中文和英文的数据，而学生模型仅学习过中文的数据。那么，通过让学生模型向教师模型学习，学生模型即可间接地学习到英文数据中的知识，实现能力的进一步提升。这一行为也导致知识蒸馏引发了许多知识产权的顾虑：如果教师模型的知识是具备独特知识产权的内容，那么学生模型向教师模型学习的过程是否意味着对于知识产权的侵犯？对于这一问题，各界尚未达成一致的认知。从技术角度上看，判断一个模型是否以其他模型为教师模型进行过知识蒸馏训练也是非常困难的。因此，由知识蒸馏导致的侵权争议也广泛存在。

唐代文学家韩愈曾言，“弟子不必不如师，师不必贤于弟子”。这一现象在知识蒸馏领域同样存在。人工智能领域对于知识蒸馏中的教师和学生的认知也有过三个不同的阶段。早期的知识蒸馏通常认为教师模型应当有比学生模型更强的智力水平，即“师贤于弟子”，以此才可以让学生学习得更好。随后，一些研究人员提出“自蒸馏”的概念，即认为模型可以自我学习，达到“吾日三省吾身”的自我反思的学习效果。多个学习能力相当的模型也可以相互学习，以此达到比单个模型更好的效果。同时，有研究人员发现，如果让学生模型过分学习智能水平远远超过它的教师模型，反而可能会损伤学生模型的性能，即人工智能中的学习行为也应当逐步进行，不可一步登天。近年来，包括OpenAI在内的一些研究人员又提出了“师不必贤于弟子”的思路，即认为教师模型不需要超过学生模型的智力水平，只需要在某个特定能力上优于学生，就可以继续引导学生模型的学习。这一思路的提出为人工智能的进一步演化提供了可能。倘若以人类的知识作为教师模型，以人工智能模型作为学生模型，那么这种从以弱能力教师模型的引导实现更强能力学生模型的范式，也就意味着通过人类知识的引导得到超越人类智能水平的人工智能，这为通用人工智能的实现提供了一丝希望。

人类的学习过程讲求取其精华、去其糟粕，意在对于教师所传授的信息进行有选择的学习，避免对于错误信息或不适于自身信息的盲目模仿。有趣的是，这一思路在人工智能中同样是存在的。学者们发现，如果让学生模型学习教师模型输出的所有内容，往往无法达到最佳的学习效果。对于教师模型的知识进行筛选，并仅学习关键的部分，有时可以获得更高的学习效率。同时，在大模型时代，学生模型向教师模型学习的过程可能会导致学生模型的价值观受到教师模型的影响。例如，如果教师模型是由西方世界的数据为主所训练的，那么向其学习的过程会导致学生模型的认知也受到西方世界的数据中的偏见影响，进而引入对于特定群体的刻板印象乃至偏见。因此，在大模型的知识蒸馏过程中如何避免价值观的污染，也是知识蒸馏研究的重点问题。

综上所述，知识蒸馏是人类社会中师生概念在人工智能领域的延伸，其研究思维和方法也与人类社会中的学习行为不谋而合，体现了人类智能和人工智能的呼应。在发展的过程中，知识蒸馏也引起了数据产权的争议与人工智能价值观问题的潜在风险。安全、可控、有效的知识蒸馏算法的实现需要社会各界的统一协作。（学习时报）