來源：新智元

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

這位剛剛因為OpenAI巨變而遠離聚光燈的「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在介紹他的長文中說「Ilya拒絕了Nature在OpenAI的劇變后對他的采訪」,。而他自己的推特也沒有轉(zhuǎn)發(fā)自己獲評Nature年度人物的消息。

但是Nature依然在文章中高度評價了Ilya對于ChatGPT的貢獻,，稱他為AI預(yù)言家,。

在Ilya看來,，人工智能有能力改變整個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)測下一個token，就能幫助人類達到AGI,?！?/p>

這是他在不同場合都表達過的觀點,。

在一個播客中，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)計學(xué)一樣的方式來模仿人類現(xiàn)有的知識和能力,，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——一個具有偉大洞察力,、智慧和能力的人會做什么,？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)測這樣一個人可能的行為方式了。

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

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

就像統(tǒng)計學(xué)一樣,，為了理解這些統(tǒng)計數(shù)據(jù)并對其進行壓縮，你需要了解創(chuàng)建這組統(tǒng)計數(shù)據(jù)的世界是什么,？

而如果AGI是要非常準(zhǔn)確地預(yù)測人的行為,，人們的行為是由什么決定的？每個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token的預(yù)測中推斷出來。

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

如何成為一個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。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)濟價值？

「很難回答這個問題,，我覺得會很多,。但是沒有辦法給一個準(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)濟價值,，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,？

這是個很難回答的問題,，我不確定是否可以給出一個具體的數(shù)字。

因為那些對這項技術(shù)充滿樂觀的研究者們往往會低估實現(xiàn)目標(biāo)所需的時間,。

我讓自己保持腳踏實地思考這個問題的方法,，是觀察自動駕駛的發(fā)展,。比如看看特斯拉在自動駕駛方面的進展,，我們可以看到他幾乎能做到自動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，都很難說我們達到AGI了,。

在達到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)能讓我們達到AGI了,？

技術(shù)發(fā)展可能是一個漸進的過程，之所以Transformer是被認(rèn)為是一個突破,，其實因為它幾乎對所有人來說都不是顯而易見的。

所以人們會覺得事物,。讓我們來考慮深度學(xué)習(xí)的最根本進步：一個大型神經(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,。但它無疑是一個巨大的概念性突破，因為長期以來,，人們根本沒有意識到這一點。

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

但其實它也同樣是一個很重要的突破,。

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)會相互獨立還是走到某一個共同的點嗎,？

我預(yù)計眾多研究和工作都朝著相似的方向發(fā)展,。

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

但是，一旦這些長期的工作開始顯現(xiàn)成果,，這個領(lǐng)域又會重新趨向于收斂,，即多個研究路徑可能會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)和探索這個領(lǐng)域的有希望的方向需要更長的時間,。

OpenAI為什么放棄了機器人的方向？

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

以前,，要進入這個領(lǐng)域,，必須加入一家專門的機器人公司，而且還需要一個龐大的團隊來構(gòu)建和維護機器人,。

即便擁有上百個機器人,，也難以獲得足夠的數(shù)據(jù)。因為機器人技術(shù)的進步很大程度上取決于計算能力和數(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器人技術(shù)的研發(fā)中,。

這意味著建造成千上萬的機器人，從它們那里收集數(shù)據(jù),，并找到一種逐步改進的方法,，讓機器人能夠執(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,，使機器人能夠執(zhí)行更復(fù)雜的任務(wù)。

這是一個循序漸進的改進過程,，需要建造更多機器人,，收集更多數(shù)據(jù)。

為了實現(xiàn)機器人技術(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,，機器人技術(shù)是有可能取得重大進步的，而且已經(jīng)有一些公司在這方面做出了努力,?！?/p>

參考資料：

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