o1核心作者分享：激励AI自我学习，比试图教会AI每一项任务更重要

一水 2024-09-20 16:53:17 来源：量子位

“o1发布后，一个新的范式产生了”。

其中关键，OpenAI研究科学家、o1核心贡献者Hyung Won Chung，刚刚就此分享了他在MIT的一次演讲。

演讲主题为“Don’t teach. Incentivize（不要教，要激励），核心观点是：

激励AI自我学习比试图教会AI每一项具体任务更重要

思维链作者Jason Wei迅速赶来打call：

Hyung Won识别新范式并完全放弃任何沉没成本的能力给我留下了深刻的印象。
2022年底，他意识到了强化学习的力量，并从那时起就一直在宣扬它。

在演讲中，Hyung Won还分享了：

• 技术人员过于关注问题解决本身，但更重要的是发现重大问题；
• 硬件进步呈指数级增长，软件和算法需要跟上；
• 当前存在一个误区，即人们正在试图让AI学会像人类一样思考；
• “仅仅扩展规模” 往往在长期内更有效；
• ……

下面奉上演讲主要内容。

对待AI：授人以鱼不如授人以渔

先简单介绍下Hyung Won Chung，从公布的o1背后人员名单来看，他属于推理研究的基础贡献者。

资料显示，他是MIT博士（方向为可再生能源和能源系统），去年2月加入OpenAI担任研究科学家。

加入OpenAI之前，他在Google Brain负责大语言模型的预训练、指令微调、推理、多语言、训练基础设施等。

在谷歌工作期间，曾以一作身份，发表了关于模型微调的论文。（思维链作者Jason Wei同为一作）

回到正题。在MIT的演讲中，他首先提到：

通往AGI唯一可行的方法是激励模型，使通用技能出现。

在他看来，AI领域正处于一次范式转变，即从传统的直接教授技能转向激励模型自我学习和发展通用技能。

理由也很直观，AGI所包含的技能太多了，无法一一学习。（主打以不变应万变）

具体咋激励呢？？

他以下一个token预测为例，说明了这种弱激励结构如何通过大规模多任务学习，鼓励模型学习解决数万亿个任务的通用技能，而不是单独解决每个任务。

他观察到：

如果尝试以尽可能少的努力解决数十个任务，那么单独模式识别每个任务可能是最简单的；
如果尝试解决数万亿个任务，通过学习通用技能（例如语言、推理等）可能会更容易解决它们。

对此他打了个比方，“授人以鱼不如授人以渔”，用一种基于激励的方法来解决任务。

Teach him the taste of fish and make him hungry.（教AI尝尝鱼的味道，让他饿一下）

然后AI就会自己出去钓鱼，在此过程中，AI将学习其他技能，例如耐心、学习阅读天气、了解鱼等。

其中一些技能是通用的，可以应用于其他任务。

面对这一“循循善诱”的过程，也许有人认为还不如直接教来得快。

但在Hyung Won看来：

对于人类来说确实如此，但是对于机器来说，我们可以提供更多的计算来缩短时间。

换句话说，面对有限的时间，人类也许还要在专家 or 通才之间做选择，但对于机器来说，算力就能出奇迹。

他又举例说明，《龙珠》里有一个设定：在特殊训练场所，角色能在外界感觉只是一天的时间内获得一年的修炼效果。

对于机器来说，这个感知差值要高得多。
因此，具有更多计算能力的强大通才通常比专家更擅长特殊领域。

原因也众所周知，大型通用模型能够通过大规模的训练和学习，快速适应和掌握新的任务和领域，而不需要从头开始训练。

他还补充道，数据显示计算能力大约每5年提高10倍。

总结下来，Hyung Won认为核心在于：

• 模型的可扩展性
• 算力对加速模型进化至关重要

此外，他还认为当前存在一个误区，即人们正在试图让AI学会像人类一样思考。

但问题是，我们并不知道自己在神经元层面是如何思考的。

机器应该有更多的自主性来选择如何学习，而不是被限制在人类理解的数学语言和结构中。

在他看来，一个系统或算法过于依赖人为设定的规则和结构，那么它可能难以适应新的、未预见的情况或数据。

造成的结果就是，面对更大规模或更复杂的问题时，其扩展能力将会受限。

回顾AI过去70年的发展，他总结道：

AI的进步与减少人为结构、增加数据和计算能力息息相关。

与此同时，面对当前人们对scaling Law的质疑，即认为仅仅扩大计算规模可能被认为不够科学或有趣。

Hyung Won的看法是：

在扩展一个系统或模型的过程中，我们需要找出那些阻碍扩展的假设或限制条件。

举个例子，在机器学习中，一个模型可能在小数据集上表现良好，但是当数据量增加时，模型的性能可能会下降，或者训练时间会变得不可接受。

这时，可能需要改进算法，优化数据处理流程，或者改变模型结构，以适应更大的数据量和更复杂的任务。

也就是说，一旦识别出瓶颈，就需要通过创新和改进来替换这些假设，以便模型或系统能够在更大的规模上有效运行。

训练VS推理：效果相似，推理成本却便宜1000亿倍

除了上述，o1另一核心作者Noam Brown也分享了一个观点：

训练和推理对模型性能提升作用相似，但后者成本更低，便宜1000亿倍。

这意味着，在模型开发过程中，训练阶段的资源消耗非常巨大，而实际使用模型进行推理时的成本则相对较低。

有人认为这凸显了未来模型优化的潜力。

不过也有人对此持怀疑态度，认为二者压根没法拿来对比。

这是一个奇怪的比较。一个是边际成本，另一个是固定成本。这就像说实体店比其中出售的商品贵500000倍

对此，你怎么看？