亲历者揭秘 OpenAI 崛起的关键:兴趣驱动的探索,而非目标导向的马拉松

AIGC动态1个月前发布 geekpark
273 0 0
亲历者揭秘 OpenAI 崛起的关键:兴趣驱动的探索,而非目标导向的马拉松

 

文章摘要


【关 键 词】 人工智能开放探索目标导向通用AI创新突破

在探讨人工智能(AI)领域的进步和挑战时,两位研究者肯尼斯·斯坦利(Kenneth Stanley)和乔尔·雷曼(Joel Lehman)提出了一种与传统目标导向方法不同的视角。他们认为,在追求高远且不确定的目标,如通用人工智能(AGI)时,开放性探索比严格规划更为有效。这一观点在他们合著的《为什么伟大不能被计划》一书中得到了阐述,并在他们加入OpenAI后得到了实践的验证。

OpenAI自2015年成立以来,虽然表面上看似遵循目标导向的路径,但实际上在其内部进行了许多开放性的探索。例如,ChatGPT的诞生就是一个意料之外的项目,它最初并非是公司的主要发展方向,却最终成为了一个突破性的成果。OpenAI的CEO Sam Altman也是这本书的支持者,他认为在训练模型时,虽然指标的上升令人鼓舞,但对于发现新的研究范式来说,这种目标导向的方法并不总是有效。他强调了在探索新奇性时的耐心,即使大多数时候这种探索并不成功,但一旦成功,其效果将是惊人的。

然而,随着AI技术的发展,全球AI行业的竞争日益激烈,这种竞争可能会导致研究走向狭窄的目标,从而限制了开放性探索的空间。斯坦利和雷曼警告说,仅仅依靠Scaling Law(缩放定律)这样的“踏脚石”是不够的,因为AGI的目标仍然遥不可及。他们认为,目前行业的目标过于集中,可能会导致研究进入“死胡同”。

尽管如此,斯坦利和雷曼在OpenAI的工作经历中,看到了开放性探索如何塑造了公司的成功。他们认为,开放性探索和目标驱动并不是对立的,而是可以相互融合的。在他们的对话中,他们提到了OpenAI内部的探索精神,以及如何通过不断的尝试和迭代来推动创新。

尽管他们对目标导向的方法持批评态度,但他们也认识到,在当前的AI行业中,这种目标导向的方法仍然占据主导地位。他们指出,许多公司在早期就建立了一套体系,并且非常目标导向,这可能会减少开放性探索的机会。他们建议,为了实现AGI,公司不仅需要改善现有的模型,还需要探索新的路径。

最终,斯坦利和雷曼离开了OpenAI,转而寻求更多开放性探索的机会。雷曼加入了一家研究虚拟生命的公司,而斯坦利创办了基于开放性系统的社交网络Maven,并获得了Sam Altman的投资。他们的经历和观点强调了在追求AI领域的长期和深远目标时,开放性探索的重要性。

豆包-智能助手

原文和模型


【原文链接】 阅读原文 [ 8391字 | 34分钟 ]
【原文作者】 极客公园
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★

© 版权声明

相关文章

暂无评论

暂无评论...