今天小编分享的科技经验：“越大越好”的路径走不通？OpenAI正在寻求训练模型的新方法，欢迎阅读。
财联社 11 月 12 日（编辑 牛占林）很多人工智能 ( AI ) 科学家和初创公司认为，通过增加更多数据和算力来扩大当前模型，以持续改进 AI 模型的方法正在走到尽头。因此，像 OpenAI 这样的 AI 公司正在寻求通过开发新的训练技术来克服当前面临的挑战，这些技术更像人类的思考方式。
自风靡全球的聊天机器人 ChatGPT 发布以来，科技公司都是通过增加更多数据和算力来扩大并改善 AI 模型。但现在，一些最杰出的 AI 科学家正在指出这种 " 越大越好 " 的局限性。
人工智能实验室 Safe Superintelligence 和 OpenAI 的联合创始人 Ilya Sutskever 近日表示，扩大预训练 ( 训练 AI 模型的阶段，该模型使用大量未标记的数据来理解语言模式和结构 ) 所取得的成果已经达到了一个平稳期，对提升模型性能的帮助有限。
Sutskever 早期主张通过在预训练中使用更多数据和算力来实现生成式 AI 的巨大飞跃，这最终创造了 ChatGPT。他今年早些时候离开 OpenAI，创立了 Safe Superintelligence。
Sutskever 表示：" 以前是规模扩张的时代，现在我们又回到了奇迹和发现的时代。每个人都在寻找下一个东西，这比以往任何时候都更重要。"
此外，Sutskever 还承认他的公司正在研究一种扩大预训练规模的替代方法，但未透露更多细节。
新技术竞赛
大模型的所谓 " 训练 " 需要同时运行数百个芯片，成本可能高达数千万美元。考虑到系统的复杂性，它们更有可能出现硬體导致的故障；在测试结束之前，研究人员可能无法知道这些模型的最终性能，这可能需要几个月的时间。
另一个问题是，大语言模型吞噬了大量数据，而 AI 模型已经耗尽了世界上所有容易获取的数据。电力短缺也阻碍了训练运行，因为这个过程需要大量的能源。
为了克服这些挑战，研究人员正在探索测试时计算 ( test-time compute ) ，这是一种在所谓的推理阶段或使用模型时增强现有 AI 模型的技术。例如，模型可以实时生成和评估多种可能性，最终选择最佳前进路径，而不是立即选择一个答案。
这种方法使模型能够将更多的处理能力投入到具有挑战性的任务中，比如数学或编码问题或需要类似人类的推理和决策的复杂操作。
OpenAI 研究员 Noam Brown 此前表示：" 事实证明，让一个机器人在一盘扑克牌中思考 20 秒，与将模型放大 10 万倍、训练时间延长 10 万倍的效果相同。"
OpenAI 在其新发布的模型 "o1" 中采用了这项技术，与此同时，来自 Anthropic、xAI 和 DeepMind 等其他顶尖 AI 实验室的研究人员也在致力于开发自己的技术版本。
OpenAI 首席产品 Kevin Weil 表示：" 我们看到了很多低垂的果实，摘下来让这些模型变得更好。等到人们迎头赶上的时候，我们会努力开发新的技术。"
多位科学家、研究人员和投资者认为，这种新技术可能会重塑 AI 军备竞赛，并对 AI 公司所需求的各类资源产生影响。
