AGI 2025 年到来，ASI 几千天内降临，阿尔特曼在最新专访中金句频出。不仅如此，他的话还得到了德扑之父、自家员工的证实。
1 个人 + 10000 个 GPU，就能打造价值 10 亿美元的公司？OpenAI 已经掌握了通往 AGI 的内部路径，我们距 ASI 只有几千天时间了？
就在最近，OpenAI CEO 阿尔特曼在最新访谈里，再次爆出不少金句。
YC 总裁兼 CEO Garry Tan 对阿尔特曼展开了一次访问，谈论了 OpenAI 的起源，公司的下一步发展，以及他对于创始人该如何驾驭一个庞大公司的建议。
在所有人都在认为阿尔特曼又在炒作的同时，德扑之父、OpenAI 研究员 Noam Brown 却证实，「但据我所见，他所说的一切都与 OpenAI 一线研究人员的普遍观点相符」。
另一位 OpenAI 员工称，「100% 赞成！在 OpenAI 工作的三年里，我一直在专心地听阿尔特曼的话，他的言辞和评论都很准确」。
这也就意味着，4 级 AGI——「AI 发明者」很快将要实现了！
前不久，阿尔特曼的一篇《ASI 几年内降临，人类奇点将至》在圈内引发热议。
他表示，深度学习已经奏效了，它能够真正学习任何数据的分布模式。如今人类奇点已经近在咫尺，我们眼看着就要迈进 ASI 的大门。
阿尔特曼甚至直接预言：ASI 将在「几千天内」降临！
由此，Garry Tan 和阿尔特曼展开了进一步讨论。
阿尔特曼表示，如今可以说是创办科技公司的最佳时机。
每次重大技术革命，都让我们能比之前做得多，这也让他希望，公司会更令人惊奇，更有影响力。
当事情进展缓慢时，大公司会占据优势。当移动互联网 / 半导体 / AI 革命发生时，新兴公司就会占据优势。
Garry Tan 提到阿尔特曼之前对 ASI 几千天内到来的预判，阿尔特曼表示，这其实是 OpenAI 的愿景，其实相当疯狂。
他认为，自己能看到这样一条路径。
当 OpenAI 的工作不断积累，过去三年中的进展继续在接下来的三年、六年、九年中持续下去，保持这种速度，那系统能做的事情，就会非常非常多。
跟封闭的、在某领域有明确任务的原始智商相比，o1 已经非常聪明了。
阿尔特曼认为，我们可能会遇到未知的障碍，或者错过一些东西，但目前看来，前方还有许多复合增长尚未发生。
在他看来，解决气候问题、建立太空殖民地、发现所有物理学、近乎无限的智能和充足的能源这些事情，也许的确离我们并不遥远。
而他喜欢 YC 的一点就是，它鼓励这种稍微不切实际的技术乐观主义，以及「你可以做到」的信念感。
如果我们能实现充足能源，人类的体力劳动就能通过机器人和随时可调动的语言和智能来解锁，我们将进入一个真正的富足时代。
我们会更快地得出更好的想法，然后在物理世界中将之实现（当然也需要大量能源）。
如今，太阳能加储能的发展轨迹已经足够好，即使没有重大的核突破，我们也会很好。
阿尔特曼预言到：未来，我们会解决物理学中的每一个问题，这只是时间问题。
到那一天，我们不会再讨论核聚变，而是讨论戴森球。
对我们的曾孙来说，地球的能源已经不够了，他们会去有大量物质的外太空。
Garry Tan 表示，对 OpenAI 来说，这是伟大的一年，尽管有一些戏剧性事件。你从去年秋天的罢免事件中学到了什么，对一些离职有什么感受？
阿尔特曼称，很累，但还好。我们用了不到两年的时间，加速一个中型、甚至是大型科技公司的进程，这通常来说会需要十年的时间。
Garry Tan 对此表示肯定。
这会伴随着很多痛苦的事情。任何公司随着规模扩大，都会以某种速度经历管理团队的变动。那些在 0-1 阶段表现出色的人，也不一定适合 1-10,10-100 的阶段。
阿尔特曼继续称，我们也在改变目标。在这个过程中犯了很多错误，但也做对了一些事情。
这带来了很多变化，阿尔特曼认为公司的目标不论是 AGI 还是其他，就需要我们在每个阶段尽可能做出最好的决策。
阿尔特曼希望，OpenAI 正在走向一个更稳定的时期，但他也确定信未来还会有其他的，毕竟一切发展都是动态的。
Garry Tan 追问道，OpenAI 现在是如何运作的？
阿尔特曼称，我认为从目前为止到构建 AGI 仍有大量工作要做。而且，OpenAI 的研究路径相当清晰，基础设施路径、产品路径也越来越清晰。
最近，OpenAI 在 YC 举办了 o1 黑客马拉松，获胜者之一是 Camphor。所以 CAD / CAM 初创公司，在黑客马拉松期间，也可以构建出一个可以迭代改进的模型，这听起来有点像 AGI 第四级，也就是创新者阶段。
Garry Tan 称，我认为从二级跃升到三级很快就会发生，但三级到四级的跳跃会更加困难，需要一些中型或更大模型的想法。
阿尔特曼表示，那个演示和其他一些演示让我相信，只要以非常有创意的方式使用现有模型，就可以获得大量的创新。
Garry 称，Camphor 基本上已经构建了 CAD / CAM 的基础软件。然后，语言就像是 LLM 的接口，可以像工具一样使用软件。如果你将其与代码生成的想法结合起来，那是一个有点可怕又疯狂的想法，对吧？
不仅 LLM 可以编写代码，它还可以为自己创建工具，然后组合这些工具，就像一个思维链一样。
阿尔特曼肯定道，「是的，我认为事情的发展速度会比人们现在所意识到的要快得多」。
Garry Tan 问道，你能简要谈谈第三级、第四级和第五级吗？
阿尔特曼称，AGI 已经成为一个被严重滥用的词，人们指的东西各不相同。我们试图说，这是我们对事物顺序的最佳猜测。
第二级推理者，o1 已经实现了这一阶段。第三级是智能体，能够执行长期任务，比如与环境多次互动，并与人类协同工作.... 我认为，OpenAI 很快就实现这点。
第四级是创新者，就像科学家一样，能够在很长一段时间内，探索不太被理解的现象，并理解其本质。
第五级，在整个公司 / 整个组织的规模上，将带来巨变。
不得不承认，这听起来感觉有点像分形，第二级目标是为了和第五级相呼应，让多个智能体自主纠正，并协同工作。
阿尔特曼继续表示，这将会成为创业公司的最大时机，我不知道如何看待这一点，但它确实发生在我的身上。要知道，一个人 + 1 万块 GPU，将会打造数十亿美元的公司。
最后，Garry Tan 问道，你对那些即将开始创业，或刚刚开始创业的人，有什么建议？
阿尔特曼表示，继续押注这个趋势，当前技术还远未达到饱和点。未来，模型会变得更好，而且速度非常快。作为创业公司创始人，利用这这点与没有用上其相比，能够做到的事情，是截然不同的。
那些大公司，中型公司，甚至是成立几年的初创公司，他们已经在进行季度规划周期。谷歌则是在进行年度、十年规划周期。
你的速度、专注、信念，以及对技术快速发展的反应能力，是创业公司最大的优势。从古至今几乎一直都是如此，但尤其是现在。
因此，我建议去构建一些与 AI 相关的东西，并利用这种能力去发现新事物，并立即做出行动，而不是将其纳入季度规划周期。
此外，阿尔特曼还表示，当有一个新的技术平台时，一些人很容易陷入误区：
我在做 AI，所以普通的商业规则不适用于我。有了 AI 就足够了，因此不需要其他竞争优势。
实际上，商业基本规则依然适用，不要被 AI 的光环迷惑，技术优势只是成功的一个要素，而并非全部。
Paul Graham 追忆过，在 2005 年，阿尔特曼还是斯坦福大学的大一新生时，就坚持加入 YC。
Graham 跟他说，你太年轻了可以再等等，阿尔特曼于是当场撒了个谎，表示我大二了，我就要来。
Garry Tan 问道，是这样吗？
阿尔特曼承认了这个故事，并且表示自己并不像这些人传说中的那样强大。
在他看来，YC 之所以如此特别，就是有一个了不起的人告诉你：去做吧，我相信你。而另外一个原因，就是在这里拥有一群同样做事的同伴群体。
因此阿尔特曼给年轻人最好的建议就是找到这样一群做事的同伴。当时，他还没有意识到，这件事对着自己后来的成功如此重要。
主持人提到：通过辍学，你选择了一条收益更大的路。
阿尔特曼表示，自己很喜欢斯坦福，但的确并没有感觉到自己被一群让自己想变得更好、更有雄心的人包围。
在斯坦福，所有的竞争就集中在：谁能去哪个投行实习？
阿尔特曼惭愧地表示，自己也掉进了那个陷阱。但在看到 YC 的氛围后，选择从斯坦福辍学其实并不那么难。
阿尔特曼认为，没人能免于同辈压力，但你可以选择和优秀的人同行。
在他进入 YC 研究的早期时间里，几乎每个人都在谈论着 AI，似乎它已触手可及，但那是 10 年前。
在这样的氛围影响下，阿尔特曼开始希望他能够讲述一个 AI 显然能成功并成为焦点的故事。YC 所做的，以及阿尔特曼此后的行为，就是将资源分给聪明的人。
有时会成功有时会失败，但这种尝试是必不可少的。
在阿尔特曼加入 YC 后不久，经历了 AI 发展的一个小高潮。
在 2014 年年末到 2016 年年初这段时间，DeepMind 取得了一系列瞩目的成就，超级智能成为了当时的热议话题。
作为一个 AI 迷，阿尔特曼决定自己应该尝试做些什么了。
寻找志同道合同伴的感觉，就像银行抢劫的电影开头，你开着车四处寻找合适的人。
而那些被你掳到车上的人，他们会说：「你这个混蛋，我加入了」。
在阿尔特曼听闻了 Ilya 的大名，并通过 Youtube 上的视频，确认了他却有不负盛名的能力后，他立即向 Ilya 发送了邮件。
当然，Ilya 没有回复。
阿尔特曼便去了 Ilya 演讲的一个会议去见他，在见面后，他们开始了频繁的交流。
而 Greg Brockman 是阿尔特曼在 Stripe 的工作的早期认识的。
阿尔特曼回忆，他与 OpenAI 初创成员间的第一次谈话中，就立下了追求通用人工智能的目标。
这种言论在当时几乎是疯狂且不负责任的，但它确实引起了成员们的注意和热情。
阿尔特曼表示，他们当时就像是掌握主流话语权的老顽固眼里的一群乌合之众。阿尔特曼那时大概是 30 岁，是成员里年龄最大的那个，和其他人的差距也很大。
但就是这样的一群充满热情的小年轻，到处奔波、逐个找人，与不同的群体会面。
而关于实现通用人工智能的这件事，在历经九个月后，开始成形。
2016 年的 1 月 3 日，在 Ilya 处理完与谷歌的事宜后，团队一起去了 Greg 的公寓，开始决定他们未来究竟要做哪些事。
而那时他们只有 10 个人左右。
而 OpenAI 的成员花了很长的时间才弄清楚他们究竟要做什么。
阿尔特曼现在回顾时，发现当时的努力的目标其实只有三个：
弄清楚如何进行无监督学习，解决强化学习，团队人数不超过 120 人。
虽然第三个目标没有达成，但前两项在预期内完成得不错。
但他们的第二个大目标却在当时引起了许多争议和批评。
强化学习的核心信念就是深度学习有效，并且会随着规模的扩大变得更好。但在当时，扩大规模的做法被视为一种异端，批评者认为这些是一些偷懒的小把戏，不是真正的学习，也算不上推理。
扩大规模只是在浪费计算资源，甚至可能导致 AI 冬天的到来。
但对 OpenAI 来说，扩大规模的做法虽然一开始源于团队的直觉，后来有了数据来证明它的可预测性。
OpenAI 的团队开始前，就通过自己得出的数据结果坚定了扩大规模的趋势。
随着他们不断提高模型的规模，结果也在不断变好。
人们期望「少即是多」，但 OpenAI 却证明了「多即是多」。
阿尔特曼表示，深度学习就像一种非常重要的涌现现象。虽然他们现在还没完全理解实践中的所有细节，但确实有一些非常基础且重要的东西在发生。
对于 OpenAI 这样的创业公司来说，它所拥有的资源比 DeepMind 这样的公司要少得多。
大公司可以尝试很多事，但创业公司只能专注在一项中，这就是 OpenAI 获胜的原因和方法。
「我们不知道我们不知道的事，但我们知道这件事有效，所以我们会真正专注于此」。
「我们没有花费努力去找到一个聪明的方式去解决问题，而只是做眼前的事并持续推进它」。
阿尔特曼表示，自己一直对规模感兴趣，它对所有事物都具有涌现的特性。
对创业公司是这样，事实也证明，它对深度学习也同样起效。
但让 OpenAI 获得成功的原因，是它即使在籍籍无名时，也拥有一个极具才华的研究团队。
他们为目标的推进贡献非常巨大。
而另一点是 OpenAI 将所有资源都赌在了他们扩大规模的信念上。
人们总觉得鸡蛋不能当放同一个篮子里，但 OpenAI 则对自己的选择 All in。
做一个坚定的乐观主义者，阿尔特曼认为这是许多成功的 YC 创业公司中的共同点。
同样的，阿尔特曼也表示，没有人能掌握世界上的所有正确答案，会告诉你应该怎么去做。
你需要的是去寻找并快速迭代自己的路，而在初期，没有数据和结果能支持你，你只能依靠自己的信念。
未来几周，甚至两个月内，OpenAI 真的要放大招了。
还记得几周前，阿尔特曼突然冒泡，「下个月是 ChatGPT 的第二个生日，我们应该送它什么生日礼物呢」？
在 11 月 30 日，即将迎来的 ChatGPT 两周年前后，人们都在等着 OpenAI 新模型的发布。
这不，就连 ChatGPT 官方账号都不藏着掖着了，满血版 o1 快来了。
就在刚刚，OpenAI 研究员 Jason Wei 解释了，o1 推理思维的过程。
在 o1 范式之前，思维链的实际表现和人类期望它达到的效果之间存在差距。它更像是先有了答案，再去对答案进行解释，列出步骤。
实际上，模型只是模仿了它在预训练中见过的推理路径，比如数学作业解答，而不是一步步推理得到答案。
这些数据的问题在于，它是作者在其他地方完成所有思考后才总结出来的解答，而不是真正的思维过程。所以这些解答通常信息密度很差。
一个明显的例子就是「答案是 5，因为...」这样的表述，其中「5」这个数字突然包含了大量新信息。
在 o1 范式下，你可以看到思维链与教科书中的数学解答很不相同。
这些思维链更像是「内心独白」或「意识流」。你可以看到模型在不断调整思路，说一些像「另外，让我们试试」或「等等，但是」这样的话。
虽然我没有直接测量过，但我敢打赌（我的心理语言学朋友们可能能够确认），思维链中的信息密度比互联网上的普通文本要均匀得多。
由此可见，o1 的思维链更接近「人类的思维过程」，答案是通过推理得出的。
另一边，关了近一年的 Sora，终于要解禁了。
Runway 的联合创始人表示，有传言称，OpenAI 计划在两周内发布 Sora。我最担心的是，不得不听 AGI 领域的人在播客上谈论艺术和创造力的未来。
除此之外，OpenAI 内部还有什么惊喜？毕竟，阿尔特曼都称 AGI 明年就降临了。
Information 独家爆料称，下一个代号为 Orion 旗舰新模型，可能并不会像前代那样实现巨大的飞跃。
OpenAI 员工测试后发现，尽管 Orion 性能超过了 OpenAI 现有模型，但与从 GPT-3 跳跃到 GPT-4 相比，改进幅度较小。
换句话说，OpenAI 模型的改善速度似乎正在放缓。
事实上，Orion 在某些领域（例如编码）可能根本不会比以前的模型更好。
为此，OpenAI 内部已经成立了一个基础团队，以研究如何在新训练数据减少的情况下，继续改进模型。
据称，这些新策略包括，在 AI 模型上生成的合成数据来训练 Orion，以及在训练后过程中进行更多的模型改进。
OpenAI 副总称，「人们低估了测试时计算能力的强大：可以计算更长时间，并行计算，或任意分叉和分支 —— 就像克隆你的思维 1000 次并挑选最好的想法。」
就是说，在 AI 推理阶段，我们可以通过增加计算资源来显著提升模型表现。
但有网友表示，「听说从某个前沿实验室（老实说不是 OpenAI）传出消息，他们在尝试通过延长训练时间，使用越来越多数据来强行提升结果时，遇到了一个意想不到的巨大收益递减瓶颈」。
如此说来，OpenAI 该如何挽救 Scaling Law？
参考资料：
https://x.com/tsarnick/status/1854992581610127621
https://www.youtube.com/watch?v=xXCBz_8hM9w
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。