谷歌工程师硬核长篇预测，证实黄仁勋观点：AGI或在2029年出现，AI五年内通过人类测试

最近，英伟达CEO黄仁勋表示，AI会在五年内通过人类测试，AGI将很快到来！

在斯坦福大学举行的一个经济论坛上，黄仁勋回答了这个问题：人类何时能创造像人类一样思考的计算机？

这也是硅谷的长期目标之一。

老黄是这样回答的：答案很大程度上取决于我们如何定义这个目标。

如果我们对「像人类一样思考的计算机」的定义，是通过人体测试能力，那么AGI很快就会到来。

老黄认为，如果我们把能想象到的每一个测试都列出一个清单，把它放在计算机科学行业面前，让AI去完成，那么不出五年，AI会把每个测试都做得很好。

截至目前，AI可以通过律师考试等测试，但是在胃肠病学等专业医疗测试中，它依然举步维艰。

但在老黄看来，五年后，它应该能通过这些测试中的任何一个。

不过他也承认，如果根据其他定义，AGI可能还很遥远，因为目前专家们对于描述人类思维如何运作方面，仍然存在分歧。

因此，如果从工程师的角度，实现AGI是比较难的，因为工程师需要明确的目标。

另外，黄仁勋还回答了另外一个重要问题——我们还需要多少晶圆厂，来支持AI产业的扩张。

最近，OpenAI CEO Sam Altman的七万亿计划震惊了全世界，他认为，我们还需要更多的晶圆厂。

而在黄仁勋看来，我们的确需要更多芯片，但随着时间推移，每块芯片的性能就会变得更强，这也就限制了我们所需芯片的数量。

他表示：「我们将需要更多的晶圆厂。但是，请记住，随着时间的推移，我们也在极大地改进AI的算法和处理。」

计算效率的提高，需求并不会像今天这么大。

「我会在10年内，将计算能力提高了一百万倍。」

而谷歌机器人团队的软件工程师Alex Irpan，在LLM领域出现进展后发现，AGI的到来会比自己预想的更快。

Irpan对于AGI的定义如下——

4年前，他对于AGI的预测是——

然而现在，当GPT-4、Gemini、Claude等模型出现后，他重新审视了自己的判断。

现在他对于AGI的预测是——

对于自己的预测， Irpan在下面给出了详尽的解释。

计算的作用

关于AGI，Irpan认为存在两个主要的观点。

观点1：仅仅通过增加模型的规模就足以实现AGI。

目前很多看起来难以克服的问题，在模型规模大到一定程度时，就会自然消失。虽然扩大模型的规模并非易事，但相关的技术挑战预计将在不久的将来就会得到解决，随后AGI的实现也将顺理成章。

观点2：仅仅依靠扩大现有模型的规模是不够的。

虽然增加规模非常重要，但我们最终会发现，即便规模再大也无法实现AGI。这时，就需要跳出当前的技术范式，寻找全新的思路来取得进一步的突破。而这也将会是一个长期的过程。

2020年时，作者忽然发现，第一个观点（即通过扩大规模来实现AGI的假设）的重要性愈发凸显，因此他决定调整自己的「AGI时间线」。

而到了2024年，「规模扩大时才会发生涌现」的观点更是成为了主流。

如果缩放定律继续下去，AGI将不会再花那么长时间。而迄今为止的证据表明，缩放定律更有可能是正确的。

如果有什么没有被提到，那就是预测下一个token的灵活性。

事实证明，如果你对足够多的「指令示例」数据进行微调，那么预测下一个token就足以让AI表现得仿佛它能理解并遵循指令一样，而这已经非常接近于真正的理解了。

基于这种指令微调，可以让一个1.5B模型的表现超越一个没有微调的175B模型。而这就是让ChatGPT在当前的计算资源条件下得以实现的关键。

随着时间的推移，仅仅依靠大规模的算力和正确的数据集，就能够实现从初步概念到成熟产品之间的飞跃的可能性越来越大。

现在，作者开始认为，在这一进程中，80%依赖于算力，20%需要更加创新的思想。

当然，创新思想依然至关重要——例如「思维链」就极大地推动了我们能够更加有效地利用大语言模型。

论文地址：https://arxiv.org/abs/2309.03409

至少在当前阶段，找到更好的利用大语言模型的方法仍然是一个需要不断创新的领域。

无监督学习

想当年，在迁移学习领域，大家都为一篇能同时处理5个任务，并且展示了如何在第6个任务上快速学习的论文感到兴奋。

但现在，大家的焦点都放在了如何通过足够多轮次的下一个token预测，以零样本的方式处理多种任务的大语言模型上。换句话说就是：「LLM是能够识别各种模式的通用机器」。

相比之下，像PCGrad这样的专用迁移学习技术，不仅没人使用，甚至也没人去研究了。

如今，无监督和自监督方法仍然是推动每一个LLM和多模态模型发展的「暗物质」。只要将数据和计算任务「投入」这个无底洞，它就能给出我们需要的答案。

论文地址：https://arxiv.org/abs/2307.04721

与此同时，监督学习和强化学习仍然发挥着它们的作用，尽管热度已经大不如前。

当初，深度强化学习就曾经被指效率极其低下。的确，从头开始进行深度强化学习是有些不切实际，但它却是评估的一个有效途径。

时间快速流逝到现在，研究基于人类反馈的强化学习（RLHF）的人表示，只要有高质量的偏好数据，几乎任何强化学习算法都能得到不错的结果。

相比之下，最关键的问题则是，强化学习算法本身。

作者依然相信，更好的通用强化学习算法是存在的，这些算法能够提升基于人类反馈的强化学习（RLHF）的效果。

然而，当你可以将额外的计算资源用于预训练或监督微调时，去寻找这些算法的必要性就变得相对较小了。

特别是机器学习领域正在逐渐偏向于采用模仿学习这种方法，因为它更易于实施且能更高效地利用计算资源。

至少在当前的研究环境中，我们正从通用的强化学习方法转向利用偏好数据结构的方法，例如动态偏好优化（DPO）等等。

更好的工具

在工具发展方面，随着Transformers技术成为越来越多人的首选，相关的工具变得更专业、更集中。

比如，人们会更倾向于使用那些「已经集成了LLaMa或Whisper」的代码库，而不是那些通用的机器学习框架。

与此同时，API的受众也变得更加广泛，包括业余爱好者、开发者和研究人员等等，这让供应商有了更多的经济动力去改善用户体验。

随着AI变得更加流行和易于获取，提出研究想法的人群会增长，这无疑加速了技术的发展。

缩放定律

一开始公认的模型缩放规律是基于2020年Kaplan等人的研究，这些规律还有很大的改进空间。

两年后，Hoffman等人在2022年提出了「Chinchilla缩放规律」，即在给定的算力（FLOPs）下，只要数据集足够大，模型的规模可以大幅缩小。

论文地址：https://arxiv.org/abs/2203.15556

值得注意的是，Chinchilla缩放规律基于的是这样一个假设：训练一个模型后，在基准测试上仅运行一次推理。

但在实际应用中，大型模型通常会被多次用于推理（作为产品或API的一部分），这种情况下，考虑到推理成本，延长训练时间比Chinchilla建议的更为经济。

随后，Thaddée Yann TYL的博客进一步分析认为，模型的规模甚至可以比以前假设的更小。

文章地址：https://espadrine.github.io/blog/posts/chinchilla-s-death.html

不过，作者认为，对于模型的能力来说，缩放规律的调整并不那么重要——效率的提升虽有，但并不明显。

相比之下，算力和数据仍是主要瓶颈。

在作者看来，目前最重要的变化是，推理时间大大缩短了——更小的规模再加上更加成熟的量化技术，模型可以在时间或内存受限的情况下变得更小。

而这也让如今的大模型产品比Chinchilla出现之前运行得更快。

回想2010年代初，谷歌曾深入研究延迟对搜索引擎使用影响的问题，得出的结论是：「这非常重要」。

当搜索引擎反应慢时，人们就会减少使用，即使搜索结果的质量值得等待。

机器学习产品也是如此。

产品周期兴起

2020年，作者设想了这样一个未来。其中，除了扩大规模之外，几乎不需要什么新的想法。

有人开发了一款对普通人来说足够有用的AI驱动应用程序。

假设这个应用程序可以挣到足够的收入，来维持自己的改进。

这种基于规模的思路意味着，研究会更加集中于少数几个有效的想法上。

现在看来，作者认为不太可能的一切，都成真了。

ChatGPT已经迅速走红，并激发了大批竞争对手。它虽然不是最强的生产力工具，但已足以让人们愿意为此付费。

虽然大多数AI服务虽有盈利潜力，但为了追求增长还是选择亏损经营。据说，微软会因为Github Copilot上每增加一位用户而每月亏损20美元，不过Midjourney已经实现了盈利。

不过，这已经足够让科技巨头和风投公司投入数十亿美元，来购买硬件和招募机器学习人才了。

深度学习已成昨日黄花——现在，人们谈论的是「大语言模型」、「生成式AI」，以及「提示工程」。

现在看来，Transformer将比机器学习历史上的任何架构都要走得更远。

试着再次说不

现在，让我们再来探讨一下：「假设通用人工智能（AGI）会在不久的将来成为可能，我们将如何实现？」

首先，依然可以认为，进步主要来自更强的计力和更大的规模。可能不是基于现有的Transformer技术，而是某种更为高效的「Transformer替代者」。（比如Mamba或其他状态空间模型）

只要有足够的算力和数据，增加代码中的参数量并不难，因此，主要的瓶颈还是在于算力和数据的获取上。

当前的现状是这样一个循环：机器学习推动产品的发展，产品带来资金，资金又进一步推动机器学习的进步。

问题在于，是否有什么因素会让这种「缩放定律」失效。

论文地址：https://arxiv.org/abs/2312.00752

芯片方面，就算价格持续上升，甚至到了限制模型进一步扩大的地步，人们也仍然会希望在自己的手机上运行GPT-4大小的模型。

相比之下，数据的获取似乎是更大的挑战。

我们已经尝试了将互联网上的所有内容作为训练数据，但这也让实验室很难在公开数据上脱颖而出。

现在，模型之间的区别，主要来自于非公开高质量数据的使用。

据说GPT-4在编程方面表现出色，部分原因是OpenAI投入了大量时间、精力和金钱，来获取优质的编程数据。

Adobe甚至公开征集「500到1000张现实生活中的香蕉照片」来支持他们的AI项目。

而Anthropic曾经也有一个专门的「tokens」团队来获取和分析数据。

每个人都想要优质的数据，并且愿意为此付费。因为大家都相信，只要能得到这些数据，模型就可以有效地利用它们。

到目前为止，所有的缩放定律都遵循幂律，包括数据集大小。

看来，仅靠手工获取数据已经不足以迈过下一个门槛了。我们需要找到更好的方法来获得高质量数据。

很久以前，当OpenAI还在通过游戏和模拟环境进行强化学习研究时，Ilya曾经说过，他们非常看重一种叫做自我对弈的方法，因为它能够把计算过程转化为有价值的数据。

通过这种方式，AI不仅可以从自己与环境的互动中学习，还能在技能上实现飞跃性的进步。但遗憾的是，这只在特定的环境下有效，比如规则明确、实体数量有限的游戏环境。

如今，我们把这种基于自我对弈的方法，用在了提升大语言模型的能力上。

想象一下，对话就是AI的「环境」，它通过生成文本来「行动」，而这些行动的好坏会由一个奖励模型来评判。

与过去直接使用真实数据不同，现在的模型可能已经能够自己生成足够优质的数据（即「合成数据」）来进行学习。

有学者发现，GPT-4在标注上的准确性可以与人类相媲美。

论文地址：https://arxiv.org/abs/2304.03279

此外，基于扩散技术的图像增强，已经被证明可以帮助机器人学习。

而Anthropic则在其宪法AI和基于AI反馈的强化学习（RLAIF）上做了大量的工作，包括最近爆火的Claude 3。

甚至，NeurIPS还举办过一个关于合成数据的研讨会。

2024年的LLM，就好似2016年的图像分类。那时，研究人员为了扩充自己的数据集，纷纷开始使用生成对抗网络（GAN）。

作者表示，自己的第一篇论文 GraspGAN讲的就是这件事。

论文地址：https://arxiv.org/abs/1709.07857

如果模型不是像「贪吃蛇」那样在自我循环，我们最终面对的可能是一个越来越不需要人类数据的世界。

在这里，进步完全取决于你能向系统投入多少算力（FLOPs）。

即便合成数据的准确度不如人工标注的数据，但它成本低啊。

最终，人类的直接反馈可能只会被用于建立新的奖励模型，或者对现有数据进行质量检查。

而其他所有的一切，都将由模型生成和监督，从而形成一个自我反馈的循环。

现在的语言模型，就好比是互联网上一张模糊的JPEG图片，原因在于其文本的品质不佳，并不适合作为训练材料。对互联网进行「模糊处理」是我们目前能做的最好尝试。

但如果情况发生变化，LLM能够成为比互联网本身更清晰的信息源，我们又将面对什么样的未来呢？

搜索和Q*

在Sam Altman罢免事件期间，路透社报道了一种名为Q*的方法，引起了广泛猜测。而圈内的研究人员普遍认为这是一种基于Q学习的搜索过程。

最后，Yann LeCun发表了一篇文章，呼吁大家冷静，因为几乎每个研究团队都在尝试将搜索技术与大语言模型（LLM）结合，如果有人成功实现了这一点，其实并不令人意外。

早在2014年，DeepMind就曾在一篇论文中指出卷积神经网络（CNN）能有效评估围棋棋步。通过引入蒙特卡洛树搜索（MCTS）技术，不到一年就发展出了AlphaGo。

而这也成为了过去十年机器学习领域的一个里程碑。

虽然搜索需要消耗巨大的计算资源，但它作为机器学习中最可靠的方法之一，终究还是可以通向成功的。

以MuZero为例，在每个棋盘游戏中，如果使用16个TPU进行训练，1000个TPU进行自我对弈，就意味着算力的需求增加了大约100倍。

这一切听起来有多可信？

总体而言，作者认为将模型继续扩展下去是可行的。一些看上去的瓶颈实际上可能不那么重要，解决方法总会被找到的。

至少到目前为止，作者认为「缩放定律」都还没有遇到真正的障碍。

炒作

2016年，一些知名的机器学习研究人员决定开个大玩笑。

他们创建了一个名为「Rocket AI」的网站，声称是基于一种名为「时间递归最优学习」（TROL）的神秘方法，并编造了一个在NeurIPS 2016上被警方终止的疯狂发布派对的故事。

文章末尾有一段引人深思的话：「人工智能正处于炒作的高峰期，这一点社区里的每个人都心知肚明。」

有趣的是，下图展示了自2016年以来「AI」在Google搜索趋势上的表现。不得不说，当时的人还是天真了……

在AI领域，模型永远无法完全实现宣称的能力，但它们能做的事情却在不断扩展，从未有过倒退。

正如今天的人工智能，将会是历史上最差的一样。

乐观者与悲观者

在通用人工智能（AGI）中，存在一个乐观派和众多悲观派。

乐观派相信，我们能够找到方法扩展模型的规模，并且通过扩大的模型解决所有其他难题。

而悲观派则从不同角度出发，认为进步将因为某些原因而放缓或停滞。

面对数据来源的挑战

生成式人工智能（AI）是否正在通过向互联网上传播大量低质量的文本，使得自己的训练过程变得更加艰难？

这在短期内极为重要，但随着时间的推移，我们终将会找到解决方案。

整个关于「AI自我对弈」的讨论基于一个假设，即我们将达到一个临界点，届时经过筛选的大语言模型（LLM）文本将足以作为训练材料。

现在，每当有表现出色的大语言模型（LLM）出现时，总会有人怀疑这是否因为测试集泄露，毕竟这种情况以前发生过，而且越来越难以排除这种可能性。

这无疑给研究带来了阻碍，特别是在进行模型评估本身就变得成本高昂的情况下。

然而作者认为，尽管这是一个挑战，但它不会对研究构成根本性的威胁。

自2016年以来，机器学习领域就一直面临着「基准测试既昂贵又不准确」的问题，但我们仍然找到了向前推进的途径。

面对「缩放」的挑战

对于每一个成功的LLaMa模型，都有一个Meta OPT模型无法达到预期。

如果你有空，可以看看OPT团队发布的一份详尽的问题记录。其中记录了感恩节期间发生的梯度溢出，一个因库意外升级而导致的激活范数异常上升的神秘问题等等。

扩展机器学习模型的规模，并非简单的增加数字、增加硬件、然后突然达到最先进水平的过程。这不仅需要机器学习的专业知识，还需要一种通过实践经验而不是阅读论文而得到的「专业知识」。

因此，有这样一个观点认为：理解如何扩展机器学习模型训练本身就是一个研究课题，并且它无法仅通过扩展来解决。最终，问题越来越演棘手，以至于让进展陷入停滞。

考虑到过去计算能力扩展的历史，以及阿波罗计划（支持更大火箭的发射）和曼哈顿计划（生产更多浓缩铀）等大型项目的成功，作者并不特别认同这一观点。但同时，也没有确凿的反驳理由。

面对物理具身的挑战

在机器学习领域，一个经典的讨点是智能是否依赖于物理形态。

考虑到模型在语言、语音和视觉数据处理上的能力，我们不禁要问，人类拥有哪些它所没有的感官输入？

这个问题似乎集中在与物理形态相关的感官上，例如味觉和触觉。

那么，我们能否说智能的发展受到这些感官刺激的限制呢？

人们通过接触和感受大量的刺激来学习和成长，而机器学习模型的途径则不同。

尽管大模型不必完全仿照人类的学习方式，但有这样一个观点：

1. 定义通用人工智能（AGI）为一个在几乎所有（95%以上）具有经济价值的工作中能够匹敌甚至超过人类的AI系统；

2. 这95%+的工作将涉及到执行物理的、现实世界中的行动；

3. 目前，大部分输入到模型中的数据并不是基于实体的。如果我们认为规模是解决问题的关键，那么缺乏基于实体的数据将会成为扩展的障碍。

对此，作者认为，目前智能的发展并不仅仅受限于来自物理刺激的数据，但要在现实任务中取得好成绩，这无疑是一个关键因素。

最近，有很多关于如何提高机器人学习中实体数据可用性的工作，例如Open X-Embodiment项目，以及各类数据集，如Something-Something和Ego4D。

这些数据集的规模可能还不够大，但我们可以通过模型生成方法来解决。

作者之所以共同负责AutoRT项目，是因为探索基于实体的基础模型，并推动更多基于实体的数据获取是非常重要的。

对此，作者表示，自己更倾向于拥有一个笨拙的物理助手，而不是一个超级智能的软件助手。

后者固然有用，但在也更加令人担忧。

本文来源：新智元，原文标题：《谷歌工程师硬核长篇预测，证实黄仁勋观点：AGI或在2029年出现，AI五年内通过人类测试》