尽管有关 GPT-3的传说四起，但它本身并不是 AGI。

虽然在某些领域接近了人类能力(下棋或写作真的令人印象深刻) ，但它们好像做不出通用的智能，很多时候，GPT-3跟 AlphaGo 更像。

随着加入更多的参数和计算，损失不断下降

第一个问题的答案是完全有可能，这是 GPT-3的主要特点。

第二个问题的答案是... 没人知道。

目前，我们只能看到 GPT-3在世界建模方面表现更好了，但还远远不够。

当有1万亿，10万亿，100万亿参数的模型可用时，我们需要很长一段时间来验证这个假设是否正确。如果 GPT-x 展示了在现实世界中不可思议的预测能力，那么这可能会奏效。

然而，世界模型本身并不是智能体创造的。那么，怎样才能把一个世界模型变成一个智能体呢？

首先，我们需要一个目标，比如Paperclip maximizer。

Paperclip maximizer是一个经典的思想实验，它展示了一个AGI，即使是一个设计合理且没有恶意的智能，也可能毁灭人类。这个思想实验表明，表面看来友善的人工智能也可能构成威胁。

选择Paperclip maximizer作为目标，可以融入人类价值观的偶然性:一个极其强大的优化器(一个高度智能的AI)可以寻找与我们完全不同的目标 ，比如消耗我们生存所必需的资源来获得自我提升。

然后，构建世界模型的问题，就转变为「采取什么行动来最大化这个目标」。

看似很简单，对吧？实则不然，问题在于我们的世界模型可能无法预测到接下来所有的可能。

GPT-3告诉你获取更多曲别针的方法(来源: OpenAI API)

那么，我们能做些什么呢？向模型询问给定的世界状态下可以做的事情，这在GPT-3的能力范围。

如果去亚马逊说「我要买曲别针」，平台会按照价格进行排序，你选定了一款，那花100块能买到多少曲别针?

用语言模型处理的话，「曲别针」后面接「价格」的可能性很高，而「价格」后面有一系列的价格列表。我们就可以快速计算出有哪些曲别针可选，以及买特定的曲别针要花多少钱（每个步骤序列给智能体带来的回报）。

所以现在，为了估计任何操作的状态动作值，我们可以简单地用 Monte Carlo 树来搜索！

从给定的智能体状态开始，我们使用世界模型展开动作序列。通过整合所有的结果，我们可以知道智能体每个行动可以得到多少预期报酬。

然后，我们可以使用一个带有状态动作值函数的贪婪策略，来决定要采取的动作。

蒙特卡洛树搜索

每一个动作都可能是非常高级的，比如「找出买曲别针最便宜的方式」 ，但得益于语言的灵活性，我们可以用简短的token序列来描述非常复杂的想法。

一旦智能体决定了一个行动，为了实际执行这些抽象行动，这个行动可以使用语言模型分解成更小的子目标，比如「找出亚马逊上最便宜的曲别针」 ，类似于层次强化学习。

根据模型的能力和动作的抽象程度，甚至可以将动作分解成一个详细的指令列表。我们也可以将智能体的状态表示为自然语言。

由于智能体状态只是观测值的压缩表示，因此我们可以让语言模型对任何观测值的重要信息进行汇总，以表示其自身的内部世界状态。语言模型也可以用来周期性地删除(即忘记)状态中的信息，以便为更多的观测留出空间。

这样我们就能得到一个系统，它可以从外部世界传递观测信息，花一些时间思考该做什么，并用自然语言输出一个动作。

打头的是一个输入模块，可以将各种观测转换为与当前智能体状态相关的摘要文本。例如，网页、声音、图像都可以想办法转换为文本并映射到智能体的状态。

最后，为了让模型在现实世界真正发挥作用，可以再次使用语言模型将自然语言翻译成代码、 shell 命令、按键序列等许多可能的方式。

像输入一样，有无数种不同的方法来解决输出问题，哪一种方法是最好要看你的具体使用场景了，最重要的是，可以从纯文本智能体中获得各种形式的输入和输出。

一个输入模块的示例，该模块采用截图输入与当前智能体状态相结合的方式，将图片信息转换为智能体的观测。

上文所描述的，更像是一个思想实验，而不是明天将要发生的事情。

这种方法在很大程度上依赖于一个主要假设——更大的未来模型将具有更好的世界建模能力。然而，这可能是我们有史以来最接近AGI的机会：现在有了一条通往 AGI 的具体路径。

这个路径听上去不那么「扯淡」，未来能否实现让我们拭目以待。

花粉社群VIP加油站