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

9月20日，纪录片《路在脚下|对话杨奇：《黑神话：悟空》的美术之路》在Taptap平台全网首发上线，在*8分18秒左右，早期二郎神的形象设定被公开，一起来看下。

“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 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。

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 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 数万亿个任务的通用技能，而不是单独 每个任务。

他观察到：

如果尝试以尽可能少的努力 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 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 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 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。

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 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？