03.

如何构建真正的 AGI

Lex Fridman：OpenAI 最近发布了 GPT-2 ，但没有发布完整的模型，官方说明是因为担心可能会产生负面影响，这也引发了社会层面的讨论。这里的负面影响和积极影响分别是什么？

Greg Brockman：我们现在正处于扩大模型的道路上，并且随着模型规模的扩大而实现更好的性能。GPT-2 只是 2018 年 6 月 GPT-1 的放大版。我们未来要扩大它到上千倍，不知道最终会得到什么。可能 GPT-2 不具有负面应用，但 GPT-20 的能力会是实质性的。

GPT-2 潜在的负面影响在于它可能会导致产生假新闻或滥用内容。比如一定会有人尝试在 GPT-2 基础上使用自己的 Facebook 消息历史记录，来生成更多 Facebook 消息，进一步，这种行为就会带来生成制作虚假的社会性、政治性议题、政治家内容的可能性。

而正面影响是，GPT-2 的确带来了有很多很棒的应用程序，开发者可以使用 GPT-2 来衍生出很多很酷的想法。很多人写信给我们，希望能把它用于各种不同的创意应用。

GPT-2 推出后带来的应用场景包括：

1. 文本生成：GPT-2 Poetry；GPT-2 Dungeons and Dragons character bios；

2. 聊天机器人：Thomas Wolf 团队在 PERSONA-CHAT 数据集上微调了 GPT-2，建立了带有角色个性的聊天机器人；

3. 机器翻译；

4. 文字总结：在 CNN 和《每日邮报》的数据集上进行了测试。

所以如果要真正考虑安全性。对于 GPT-2，是否公开发布各有利弊，但未来模型的到来可能比预期要快，扩大模型并不需要很长时间，未来的模型是绝对不能公开发布的内容。我们把不公开发布 GPT-2 视为一个测试，实现社会心智的过渡。

Lex Fridman：你认为 GPT-20 时候的世界是什么样？就像在 50 年代，人们试图描述互联网或智能手机。我们将成功设计识别机器人与人类的系统，还是人类不得不接受并习惯充斥着假新闻的世界？

Greg Brockman：有一个十分流行 meme （模因）可以用来回答这个问题：一只机器人物理手臂正在点击“我不是机器人”的身份验证按钮。我认为人类最终无法区分机器人和人类。不可否认的是，人们在未来所获取的信息中有一部分一定是通过自动生成的，因为 AI 足够强大，以至于人们无法分辨出人类和人工智能分别产出的信息之间的差异，甚至最有说服力的论点反而是由 AI 提出的。

Lex Fridman：你认为语言模型最终可以发展到什么程度？类似于电影Her 里面。人类与 AI 通过自然语言的多轮对话可以通过这种无监督模型来实现吗？

Greg Brockman：大语言模型应该能够真正理解微积分，并解决新的微积分问题。我们需要的不仅仅是语言模型，而是解释和推理的方法。

语言建模实际上已经走得比许多人预期的要远。GPT-2 还没有来自于自身的动态经验，只是一些可供学习的静态数据，所以它对物理世界的理解程度很浅。如果我们能够让它真实地理解物理世界就已经相当令人兴奋。

但如果仅仅只是扩大 GPT-2，也并不足够让模型具备推理能力。人类是通过思考产生新的想法、获得更好答案，并且思考的过程一定会花费大量计算能力，这种模式没有被编码在 GPT 中。分布式泛化（distribution generalization）也很有趣。对于人类来说，即便有些时候没有经历过某件事，但也会对这件事有一个基本的思考与理解，这与推理有关。

为了真正构建 AGI，一方面需要在计算规模上尽可能地推进，另一方面还需要在人类自身思考和认知的实质性推进。

我们应该找到一个可扩展的方式：投入更多的计算、更多的数据，让它变得更好。我们之所以对深度学习、构建 AGI 的潜力感到兴奋，部分原因是我们研究出了最成功的 AI 系统，并且意识到如果扩大这些系统的规模，它们会更好地工作。可扩展性给了我们构建变革性系统的希望。

Lex Fridman：创建 AGI 或一些新的模型的过程中，如何在它们还只是原型阶段的时候就发现它们的潜在价值？如何能够在没有规模化的情况下坚持这些想法？

Greg Brockman：我们自己就是很好的案例。OpenAI 在 6 月 28 日发布了 GPT，后来我们将其放大到 GPT-2。在小范围内，GPT 它创造了一些记录，它不像 GPT-2 那样令人惊艳，但它很有希望。

但是有时规模化后与我们在小范围内看到的内容有质的不同。最初发明者会说，我不认为它能做到这一点，这就是在 Dota 看到的。Dota 基本上只是大规模地运行 PPO，长期来看，这些行为在我们认为不可能的时间尺度上真正发挥作用。

PPO：

Lex Fridman：随着 GPT 规模的不断扩大，可能人们会看到更加令人惊讶的结果，很难看到一个想法在规模化后会走多远。

Greg Brockman：Dota 和 PPO 是一个非常具体的例子。关于 Dota，有一件事非常令人激动，人们并没有真正注意到，那就是分布中泛化的法令（the decree of generalization out of distribution），它被训练来对抗其他 AI 玩家。

Lex Fridman：未来几年深度学习将走向何方？强化学习的方向在哪？对于 OpenAI ，2019 年你会更关注哪些方面？

Greg Brockman：规模化地开展更多创新的项目。

OpenAI 内部有一个项目的生命周期。先从几个人开始，基于一个小的 idea 展开工作，语言模型就是一个好的例子。一旦在过程中得到一些有意思的发现和反馈，我们就扩大规模，让更多的人参与其中，同时投入更多的计算资源。最终状态会像 Dota ，由 10 或 15 人组成的大型团队，以非常大的规模运行事情。将工程和机器学习科学结合在，形成一个系统展开工作、并获得实质性的结果。整个生命周期，端到端，需要 2 年左右的时间才能完成。

OpenAI 内部也有更长的生命周期项目。我们正在组建一个推理团队去解决神经网络推理这件事，这会是一个长期、但一定有超预期回报的项目。

Lex Fridman：讲讲 Dota 的训练过程。

Greg Brockman：Dota 项目是我们迈向现实世界的重要一步，相对于象棋、围棋等其他游戏，Dota 作为一个复杂游戏连续性更强，在 45 分钟的游戏中，玩家可以进行不同的动作和策略组合。Dota 的所有硬编码机器人都很糟糕，因为它太复杂了。所以这是一个推动强化学习最新技术的好方向。

硬编码（hard coding)：

我们在 2017 年在 Dota 的 1V1 对战中成功击败了世界冠军。学习技能曲线是一个指数函数，我们一直在扩大规模，修复错误，从而获得了稳定的指数级进展。

Lex Fridman：Dota 是一个非常受欢迎的游戏，在全世界有很多很资深的人类玩家，所以在 OpenAI 和人类的 Dota 1V1 对战中，要获得成功的基准是非常高的，最初是怎么训练这些 AI 的？

Greg Brockman：我们使用的方法是自训练。我们设置了两个没有任何经验的 Dota AI 玩家，他们互相争斗；他们不断发现新的对战技巧、继续斗争。之后我们从 1V1 扩大到 5V5，继续学习团队行动中需要做的协调，在 5V5 版本游戏中达到专业水平，难度指数级上升。

这件事与昆虫的训练方式有很多共同点。但昆虫在这种环境中生活了很长时间，并且有很多经验。站在人类的角度来看，昆虫并不聪明，但昆虫其实能够很好地驾驭它所处的环境，甚至处理周围环境中从未见过的意外事情，我们在Dota AI玩家上看到了同样的事情。在这个游戏中，他们能够与人类对战，这在其进化环境中从未存在过。

人类与 AI 的游戏风格完全不同，但 AI 依然能够很好地处理这些情况。这没有从较小规模的 PPO 中出现。之后，我们运行 10 万个 CPU 内核、数百个 GPU，这个规模是巨大的，我们开始从算法中看到非常不同的行为。

Lex Fridman：Dota 在 1V1 比赛中打败了世界冠军，但目前还没有赢得 5V5 的多人比赛。今年接下来的几个月会有什么变化？

Greg Brockman：OpenAI 的 Dota 团队一直在与比我们模型更好的玩家进行比赛，虽然我们最终输掉了两场比赛，但这也确实表明我们已经处于专业水平。我们内部很相信它在未来会取得进一步的胜利。

但其实赢或输与我们思考即将发生的事情的方式无关。因为我们的目标并不是在 Dota 比赛中击败人类，而是推动强化学习达到最先进水平，所以某种程度上我们已经做到了这一点了。

温馨提示：虽然我们每天都有推送，但最近有读者表示因平台推送规则调整，有时候看不到我们的文章~

*文章观点仅供参考，不代表本机构立场。

花粉社群VIP加油站