近日，Nature將前OpenAI首席科學家Ilya Sutskever評為「2023年10大科學人物」。

這位剛剛因為OpenAI巨變而遠離聚光燈的「AI技術(shù)燈塔」，似乎并沒有做好準備回到公眾視野之中。

Nature在介紹他的長文中說「Ilya拒絕了Nature在OpenAI的劇變后對他的采訪」。而他自己的推特也沒有轉(zhuǎn)發(fā)自己獲評Nature年度人物的消息。

但是Nature依然在文章中高度評價了Ilya對于ChatGPT的貢獻，稱他為AI預言家。

在Ilya看來，人工智能有能力改變整個人類文明的存在方式，而不是像OpenAI出現(xiàn)之前那樣，只是幫人類解決一些小問題。

「只要能夠非常好的預測下一個token，就能幫助人類達到AGI。」

這是他在不同場合都表達過的觀點。

在一個播客中，Ilya詳細闡述了他為什么認為像大語言模型這樣本質(zhì)上只是預測下一字符是什么的工具，能夠產(chǎn)生超過人類智慧綜總和的智能。

Ilya解釋到，「很多人認為，大模型只是通過像統(tǒng)計學一樣的方式來模仿人類現(xiàn)有的知識和能力，沒有辦法超越人類。」

「但是如果你的基礎神經(jīng)網(wǎng)絡足夠聰明，你只需問它——一個具有偉大洞察力、智慧和能力的人會做什么？也許這樣的人并不存在，但神經(jīng)網(wǎng)絡很有可能能夠推斷出這樣的人的行為方式。

那么AGI的任務就變成預測這樣一個人可能的行為方式了。

足夠好地預測下一個字符意味著什么？這實際上是一個比問題字面意思看起來更深層次的問題。

很好地預測下一個代幣意味著你了解導致這個token創(chuàng)建的潛在現(xiàn)實。

就像統(tǒng)計學一樣，為了理解這些統(tǒng)計數(shù)據(jù)并對其進行壓縮，你需要了解創(chuàng)建這組統(tǒng)計數(shù)據(jù)的世界是什么？

而如果AGI是要非常準確地預測人的行為，人們的行為是由什么決定的？每個人都有自己的想法和感受，并以特定的方式做事。

所有這些都可以從下一個token的預測中推斷出來。

我認為只要能很好的預測下一個token，AI就能猜出一個具有這種具有偉大洞察力、智慧和能力的人會做什么，即使這樣的人不存在。」

如何成為一個像你這樣在自己研究的領(lǐng)域取得如此之大的突破的科學家？

「我真的很努力，我付出了我所擁有的一切，到目前為止，我的努力都得到了回報。我想這就是全部的原因了。」

到2030年，AI能產(chǎn)生多大的經(jīng)濟價值？

「很難回答這個問題，我覺得會很多。但是沒有辦法給一個準確的數(shù)字。

但是如果問到2030年，如果AI沒有產(chǎn)生太大的經(jīng)濟價值，那么最可能的原因是什么？我覺得是可靠性」

我們離AGI還有多遠？

這是個很難回答的問題，我不確定是否可以給出一個具體的數(shù)字。

因為那些對這項技術(shù)充滿樂觀的研究者們往往會低估實現(xiàn)目標所需的時間。

我讓自己保持腳踏實地思考這個問題的方法，是觀察自動駕駛的發(fā)展。比如看看特斯拉在自動駕駛方面的進展，我們可以看到他幾乎能做到自動駕駛要求的任何行為了。

然而，同樣明顯的是，特斯拉在可靠性方面還有很長的路要走。

我們的模型可能也處于類似的階段：看似能夠處理所有問題，但直到我們解決所有挑戰(zhàn)并確保它的可靠性、穩(wěn)定性和良好表現(xiàn)之前，都很難說我們達到AGI了。

在達到AGI之前，你覺得我們還需要有想Transformer這種突破出現(xiàn)嗎？還是現(xiàn)有的技術(shù)已經(jīng)能讓我們達到AGI了？

技術(shù)發(fā)展可能是一個漸進的過程，之所以Transformer是被認為是一個突破，其實因為它幾乎對所有人來說都不是顯而易見的。

所以人們會覺得事物。讓我們來考慮深度學習的最根本進步：一個大型神經(jīng)網(wǎng)絡經(jīng)過反向傳播訓練后可以做很多事情。新穎之處在哪里呢？

不在于神經(jīng)網(wǎng)絡，也不在于反向傳播。但它無疑是一個巨大的概念性突破，因為長期以來，人們根本沒有意識到這一點。

但現(xiàn)在，既然每個人都看到了，大家就會說——當然，這非常明顯。

但其實它也同樣是一個很重要的突破。

現(xiàn)在不同的公司分頭發(fā)展自己的模型，未來不同的模型和技術(shù)會相互獨立還是走到某一個共同的點嗎？

我預計眾多研究和工作都朝著相似的方向發(fā)展。

隨后，長期工作中會出現(xiàn)一些分歧，意味著不同的研究小組或者項目會選擇不同的路徑和方法。

但是，一旦這些長期的工作開始顯現(xiàn)成果，這個領(lǐng)域又會重新趨向于收斂，即多個研究路徑可能會再次匯聚到類似的結(jié)果或理論上。

作者還提到，目前發(fā)表的文章數(shù)量有所減少，這可能意味著重新發(fā)現(xiàn)和探索這個領(lǐng)域的有希望的方向需要更長的時間。

OpenAI為什么放棄了機器人的方向？

「過去，從事機器人技術(shù)的難點在于數(shù)據(jù)量太少，這使得發(fā)展很受限。

以前，要進入這個領(lǐng)域，必須加入一家專門的機器人公司，而且還需要一個龐大的團隊來構(gòu)建和維護機器人。

即便擁有上百個機器人，也難以獲得足夠的數(shù)據(jù)。因為機器人技術(shù)的進步很大程度上取決于計算能力和數(shù)據(jù)的結(jié)合，所以數(shù)據(jù)的缺乏成了一大障礙。

現(xiàn)在的情況有所不同，已經(jīng)存在開辟新道路的可能性。

但這需要人們真正投入到機器人技術(shù)的研發(fā)中。

這意味著建造成千上萬的機器人，從它們那里收集數(shù)據(jù)，并找到一種逐步改進的方法，讓機器人能夠執(zhí)行一些基本有用的任務。

隨著數(shù)據(jù)的積累，可以訓練出更加高效的模型，使機器人能夠執(zhí)行更復雜的任務。

這是一個循序漸進的改進過程，需要建造更多機器人，收集更多數(shù)據(jù)。

為了實現(xiàn)機器人技術(shù)的發(fā)展，必須全身心投入，并愿意解決所有相關(guān)的物理和后勤問題。

這與純粹的軟件開發(fā)完全不同。只要有足夠的努力和熱情，機器人技術(shù)是有可能取得重大進步的，而且已經(jīng)有一些公司在這方面做出了努力。」