完美的人工智能是“一個擁有超人推理能力、1萬億個上下文標記并可以使用你能想到的所有工具的微型模型”。

這是奧特曼在最新的訪談中對下一代模型的展望。

他表示，理想中的AGI不需要包含知識——只需要思考、搜索、模擬和解決任何問題的能力。

它應該成為一個能夠自主發現新科學，或者成為人類強大工具，使全球科學發現速度提升數倍的系統。

也許到那時，我們可能要反過來問問AI我們應該怎么做。

此話一出，有網友表示，奧特曼對AGI的理想倒是始終沒有變過：系統能自主探索新的科學發現。

但也有網友對此表示懷疑，“詢問AI該怎么做”就好像把我們手中的鑰匙交了出去，令人不安。

訪談中，奧特曼還對一個一千倍算力的假設性問題給出了極具概念性的回答。

一起來看看具體內容。

平穩、快速的進步更重要

AGI的定義其實并不重要，重要的是平穩地快速進步。

在主持人問到對AGI的定義時，奧特曼表示，不同的人在不同的時期都會對此有不一樣的理解。

可能在2020年，人工智能領域的發展還不像如今這樣繁榮的時候，如果出現ChatGPT，大多數人可能會認為這就是AGI。

就像這位網友說的，自己對AGI所有的期望都已經被OpenAI實現了。

不過，人類很擅長調整預期，在快速發展的今天，大家對AGI就有了更高的期待。

如今，有人認為AGI必須具備自我改進能力，還有很多人覺得帶有記憶功能的ChatGPT就已經很接近AGI了。

甚至有人認為如今的LLMs會成為未來AGI調用的工具之一！

以奧特曼自己來說：

一個能夠自主發現新科學，或者成為人類強大工具，使全球科學發現速度提升數倍的系統，就符合我理想中的AGI。

然而，在他看來，這些定義都不重要。

相比之下，究竟是在2026年還是2028年宣布實現 AGI，或者在2028年、2030年還是2032年宣布實現超級智能，這些時間節點遠不如持續、快速的發展趨勢重要。

也就是說，重要的并不是單一的突破，而是持續、平穩的指數級進步。

下一代模型

當被問到對下一代模型的展望時，奧特曼則表示：

未來一到兩年推出的模型將令人驚嘆，產品還有很大的進步空間和改進潛力。

就像從GPT-3到GPT-4的巨大跨越一樣，企業將能夠利用新一代模型完成上一代模型完全無法實現的任務。

比如，芯片設計公司可以要求模型設計出比以往更優秀的芯片；生物科技公司，能夠讓模型專注于攻克某種疾病。

這些模型將能夠理解企業提供的所有背景信息，連接各種工具和系統，進行深入、出色的推理，并給出答案。

同時，它們還將具備足夠的穩定性，企業可以放心讓其自主完成部分工作。

奧特曼還說：

這應該是一個小型模型，卻具備超越人類的推理能力，運行速度極快，能夠處理一萬億個標記的上下文信息，并可以訪問所有能想到的工具。

如果將這些模型僅當作數據庫使用其實并不高效。

但如果將其視為推理引擎，就可以將企業的所有信息、個人生活的各種背景，以及所需的任何工具（如物理模擬工具等）都輸入其中，人類就能夠借此完成許多不可思議的事情。

OpenAI正在朝著這個方向發展。

接著，主持人又問了一個更具假設性的問題：

如果計算資源增加一千倍，你們會如何利用這些資源？

奧特曼先給出了一個比較概念性的回答：

讓模型決定如何利用計算資源。

他認為最合理的做法是利用這些資源大力開展人工智能研究，探索如何構建更強大的模型，然后再讓新模型來決定如何利用這些計算資源。

當然他也給出了更實用的回答：

在ChatGPT或企業使用最新模型的過程中發現，增加測試階段的計算資源能帶來顯著回報。

也就是說，

如果讓模型進行更多推理，在難題上多嘗試幾次，就能得到更好的答案。

雖然現實中企業不會真的這樣做，也很難擁有千倍的計算資源，但這種可能性也為企業指明了方向——

可以為最棘手、最有價值的問題嘗試投入更多計算資源。

訪談中聊了很多對AI未來的展望，可以肯定的是，如今的大模型已經是百科全書了。

隨著算力的發展以及科技的進步，AI在未來或許真的可以成為一個偉大的思考者。