來源：新智元

近日，Nature將前OpenAI首席科學(xué)家Ilya Sutskever評(píng)為「2023年10大科學(xué)人物」,。

這位剛剛因?yàn)镺penAI巨變而遠(yuǎn)離聚光燈的「AI技術(shù)燈塔」,，似乎并沒有做好準(zhǔn)備回到公眾視野之中。

Nature在介紹他的長(zhǎng)文中說「Ilya拒絕了Nature在OpenAI的劇變后對(duì)他的采訪」,。而他自己的推特也沒有轉(zhuǎn)發(fā)自己獲評(píng)Nature年度人物的消息,。

但是Nature依然在文章中高度評(píng)價(jià)了Ilya對(duì)于ChatGPT的貢獻(xiàn),，稱他為AI預(yù)言家,。

在Ilya看來，人工智能有能力改變整個(gè)人類文明的存在方式，而不是像OpenAI出現(xiàn)之前那樣,，只是幫人類解決一些小問題,。

「只要能夠非常好的預(yù)測(cè)下一個(gè)token，就能幫助人類達(dá)到AGI,?！?/p>

這是他在不同場(chǎng)合都表達(dá)過的觀點(diǎn),。

在一個(gè)播客中，Ilya詳細(xì)闡述了他為什么認(rèn)為像大語言模型這樣本質(zhì)上只是預(yù)測(cè)下一字符是什么的工具,，能夠產(chǎn)生超過人類智慧綜總和的智能,。

Ilya解釋到，「很多人認(rèn)為,，大模型只是通過像統(tǒng)計(jì)學(xué)一樣的方式來模仿人類現(xiàn)有的知識(shí)和能力,，沒有辦法超越人類?！?/p>

「但是如果你的基礎(chǔ)神經(jīng)網(wǎng)絡(luò)足夠聰明,，你只需問它——一個(gè)具有偉大洞察力、智慧和能力的人會(huì)做什么,？也許這樣的人并不存在,，但神經(jīng)網(wǎng)絡(luò)很有可能能夠推斷出這樣的人的行為方式。

那么AGI的任務(wù)就變成預(yù)測(cè)這樣一個(gè)人可能的行為方式了,。

足夠好地預(yù)測(cè)下一個(gè)字符意味著什么,？這實(shí)際上是一個(gè)比問題字面意思看起來更深層次的問題。

很好地預(yù)測(cè)下一個(gè)代幣意味著你了解導(dǎo)致這個(gè)token創(chuàng)建的潛在現(xiàn)實(shí),。

就像統(tǒng)計(jì)學(xué)一樣,，為了理解這些統(tǒng)計(jì)數(shù)據(jù)并對(duì)其進(jìn)行壓縮，你需要了解創(chuàng)建這組統(tǒng)計(jì)數(shù)據(jù)的世界是什么,？

而如果AGI是要非常準(zhǔn)確地預(yù)測(cè)人的行為,，人們的行為是由什么決定的？每個(gè)人都有自己的想法和感受,，并以特定的方式做事,。

所有這些都可以從下一個(gè)token的預(yù)測(cè)中推斷出來。

我認(rèn)為只要能很好的預(yù)測(cè)下一個(gè)token,，AI就能猜出一個(gè)具有這種具有偉大洞察力,、智慧和能力的人會(huì)做什么，即使這樣的人不存在,?！?/p>

如何成為一個(gè)像你這樣在自己研究的領(lǐng)域取得如此之大的突破的科學(xué)家,？

「我真的很努力,，我付出了我所擁有的一切，到目前為止,，我的努力都得到了回報(bào),。我想這就是全部的原因了?！?/p>

到2030年,，AI能產(chǎn)生多大的經(jīng)濟(jì)價(jià)值,？

「很難回答這個(gè)問題，我覺得會(huì)很多,。但是沒有辦法給一個(gè)準(zhǔn)確的數(shù)字,。

但是如果問到2030年，如果AI沒有產(chǎn)生太大的經(jīng)濟(jì)價(jià)值,，那么最可能的原因是什么,？我覺得是可靠性」

我們離AGI還有多遠(yuǎn)？

這是個(gè)很難回答的問題,，我不確定是否可以給出一個(gè)具體的數(shù)字,。

因?yàn)槟切?duì)這項(xiàng)技術(shù)充滿樂觀的研究者們往往會(huì)低估實(shí)現(xiàn)目標(biāo)所需的時(shí)間。

我讓自己保持腳踏實(shí)地思考這個(gè)問題的方法,，是觀察自動(dòng)駕駛的發(fā)展,。比如看看特斯拉在自動(dòng)駕駛方面的進(jìn)展，我們可以看到他幾乎能做到自動(dòng)駕駛要求的任何行為了,。

然而,，同樣明顯的是，特斯拉在可靠性方面還有很長(zhǎng)的路要走,。

我們的模型可能也處于類似的階段：看似能夠處理所有問題,，但直到我們解決所有挑戰(zhàn)并確保它的可靠性、穩(wěn)定性和良好表現(xiàn)之前,，都很難說我們達(dá)到AGI了,。

在達(dá)到AGI之前,，你覺得我們還需要有想Transformer這種突破出現(xiàn)嗎,？還是現(xiàn)有的技術(shù)已經(jīng)能讓我們達(dá)到AGI了？

技術(shù)發(fā)展可能是一個(gè)漸進(jìn)的過程,，之所以Transformer是被認(rèn)為是一個(gè)突破,，其實(shí)因?yàn)樗鼛缀鯇?duì)所有人來說都不是顯而易見的。

所以人們會(huì)覺得事物,。讓我們來考慮深度學(xué)習(xí)的最根本進(jìn)步：一個(gè)大型神經(jīng)網(wǎng)絡(luò)經(jīng)過反向傳播訓(xùn)練后可以做很多事情,。新穎之處在哪里呢？

不在于神經(jīng)網(wǎng)絡(luò),，也不在于反向傳播,。但它無疑是一個(gè)巨大的概念性突破，因?yàn)殚L(zhǎng)期以來,，人們根本沒有意識(shí)到這一點(diǎn),。

但現(xiàn)在，既然每個(gè)人都看到了,，大家就會(huì)說——當(dāng)然,，這非常明顯,。

但其實(shí)它也同樣是一個(gè)很重要的突破。

現(xiàn)在不同的公司分頭發(fā)展自己的模型,，未來不同的模型和技術(shù)會(huì)相互獨(dú)立還是走到某一個(gè)共同的點(diǎn)嗎,？

我預(yù)計(jì)眾多研究和工作都朝著相似的方向發(fā)展。

隨后,，長(zhǎng)期工作中會(huì)出現(xiàn)一些分歧,，意味著不同的研究小組或者項(xiàng)目會(huì)選擇不同的路徑和方法。

但是,，一旦這些長(zhǎng)期的工作開始顯現(xiàn)成果,，這個(gè)領(lǐng)域又會(huì)重新趨向于收斂，即多個(gè)研究路徑可能會(huì)再次匯聚到類似的結(jié)果或理論上,。

作者還提到,，目前發(fā)表的文章數(shù)量有所減少，這可能意味著重新發(fā)現(xiàn)和探索這個(gè)領(lǐng)域的有希望的方向需要更長(zhǎng)的時(shí)間,。

OpenAI為什么放棄了機(jī)器人的方向,？

「過去，從事機(jī)器人技術(shù)的難點(diǎn)在于數(shù)據(jù)量太少,，這使得發(fā)展很受限,。

以前，要進(jìn)入這個(gè)領(lǐng)域,，必須加入一家專門的機(jī)器人公司,，而且還需要一個(gè)龐大的團(tuán)隊(duì)來構(gòu)建和維護(hù)機(jī)器人。

即便擁有上百個(gè)機(jī)器人,，也難以獲得足夠的數(shù)據(jù),。因?yàn)闄C(jī)器人技術(shù)的進(jìn)步很大程度上取決于計(jì)算能力和數(shù)據(jù)的結(jié)合，所以數(shù)據(jù)的缺乏成了一大障礙,。

現(xiàn)在的情況有所不同,，已經(jīng)存在開辟新道路的可能性。

但這需要人們真正投入到機(jī)器人技術(shù)的研發(fā)中,。

這意味著建造成千上萬的機(jī)器人,，從它們那里收集數(shù)據(jù)，并找到一種逐步改進(jìn)的方法,，讓機(jī)器人能夠執(zhí)行一些基本有用的任務(wù),。

隨著數(shù)據(jù)的積累，可以訓(xùn)練出更加高效的模型,，使機(jī)器人能夠執(zhí)行更復(fù)雜的任務(wù),。

這是一個(gè)循序漸進(jìn)的改進(jìn)過程，需要建造更多機(jī)器人,，收集更多數(shù)據(jù),。

為了實(shí)現(xiàn)機(jī)器人技術(shù)的發(fā)展,，必須全身心投入，并愿意解決所有相關(guān)的物理和后勤問題,。

這與純粹的軟件開發(fā)完全不同,。只要有足夠的努力和熱情，機(jī)器人技術(shù)是有可能取得重大進(jìn)步的,，而且已經(jīng)有一些公司在這方面做出了努力,。」

參考資料：

https://www.youtube.com/watch?v=YEUclZdj_Sc