AI新时代：从扩展走向研究，突破在何方？

在通往AGI（通用人工智能）的道路上，仅仅依赖「规模」已不足以满足需求，我们正站在探索「下一关键要素」的十字路口。

过去五年，全球普遍信奉「规模带来奇迹」（Scaling Law）。

正如Ilya Sutskever所定义的「扩展时代」（Age of Scaling）。

想要AI更智能？那就喂更多的数据，堆更多的算力，把模型做得更大。

事实证明，这个策略极为有效。

但近期，Ilya却突然表示：单纯的「规模」，可能再也无法产生那种「奇迹」了！

即使你现在拥有比以前多100倍的资源，也未必能像过去那样看到AI能力质的飞跃。

我们正从扩展时代，走向研究时代。

这番话一出，AI界直接沸腾。

网上纷纷开始传：「完了，扩展要终结了！」

就在昨天，Ilya赶紧出来做了一个非常关键的澄清——

扩展（Scaling）确实还能带来进步，它没有停滞。

但是，即便我们继续扩大规模，有些至关重要的东西，依然是缺失的。

德扑之父Noam Brown，第一时间就转了Ilya的帖子。

他认为，如今的社交媒体往往会把AI辩论简化成两种夸张的刻板印象：

（A）怀疑派，认为大语言模型没戏，AI纯属炒作。

（B）狂热派，认为万事已经俱备，ASI指日可待。

但如果抛开那些标题党，去看看顶尖研究人员实际上说了什么，就会发现他们的观点有着惊人的共识：

• 仅凭现在的技术范式，就足以给经济和社会带来巨大的冲击。
• 要搞定AGI/ASI，还需要更多的研究突破。
• 我们很可能在20年内搞定这些问题。

如何弥补「重要的东西」？

情绪价值函数

从Ilya此前的播客对话中，我们可以得出一些有关「重要的东西」的线索。

他在对话中谈到了一个问题：

人类的「天赋」是什么？为什么比模型泛化更强？

人类在对话中有一段核心观点非常发人深省——

人类的学习能力，不仅来自经验，还来自自进化硬编码的「价值函数」。

泡沫会破吗？饭碗会丢吗？

泡沫之争

饭碗之战