AI大神伊利亞宣告 Scaling時(shí)代終結(jié)！斷言AGI的概念被誤導(dǎo)

11月26日，前OpenAI聯(lián)創(chuàng)兼首席科學(xué)家、SSI聯(lián)創(chuàng)兼首席科學(xué)家伊利亞·蘇茨克維（Ilya Sutskever）在接受采訪時(shí)做出重磅論斷：AI的擴(kuò)展（Scaling）時(shí)代已經(jīng)終結(jié)！

整場播客長達(dá)1小時(shí)36分鐘，在這場深度對話中，Ilya Sutskever提出，當(dāng)下算力規(guī)模已經(jīng)十分龐大，僅靠算力堆砌已經(jīng)無法讓模型實(shí)現(xiàn)更大的突破，他直言：“我們正從擴(kuò)展時(shí)代回歸到研究時(shí)代，如今只是擁有了更強(qiáng)大的計(jì)算機(jī)。”

當(dāng)前，AI存在嚴(yán)重的“評估表現(xiàn)與現(xiàn)實(shí)應(yīng)用脫節(jié)”割裂問題，Ilya Sutskever認(rèn)為是因?yàn)槠浞夯芰Σ蛔恪Ｋ岬搅艘粋€(gè)關(guān)鍵點(diǎn)，AI的一大瓶頸是沒有類似人類的感官和情緒等“價(jià)值函數(shù)”，因此提出嘗試通過預(yù)訓(xùn)練讓模型獲得“情緒驅(qū)動的決策能力”，構(gòu)建出關(guān)心所有“有情生命”的AI。

訪談核心信息如下：

1、泛化能力是AI發(fā)展的瓶頸：Ilya Sutskever認(rèn)為，當(dāng)前頂尖AI存在嚴(yán)重的“評估表現(xiàn)”與“現(xiàn)實(shí)應(yīng)用”脫節(jié)，其核心問題在于模型的泛化能力遠(yuǎn)不如人類。

2、人類的情緒相當(dāng)于AI的“價(jià)值函數(shù)”：他提出顛覆性觀點(diǎn)：“情緒”是人類進(jìn)化形成的、內(nèi)置的“價(jià)值函數(shù)”，能為決策提供即時(shí)反饋，這是AI目前缺失的關(guān)鍵能力。

3、堆砌算力已無法突破，“擴(kuò)展時(shí)代”已經(jīng)終結(jié)：Ilya Sutskever認(rèn)為，當(dāng)下，以堆砌數(shù)據(jù)、算力為核心的“擴(kuò)展時(shí)代”已經(jīng)結(jié)束，AI發(fā)展正回歸“研究時(shí)代”，需要新范式突破。

4、人類擁有比AI更好的“學(xué)習(xí)算法”：人類在樣本效率和持續(xù)學(xué)習(xí)上的優(yōu)勢，源于某種更根本、更優(yōu)越的底層學(xué)習(xí)機(jī)制，而非僅僅是進(jìn)化賦予的“先驗(yàn)知識”。

5、SSI是純粹的“研究公司”：Ilya Sutskever透露，其創(chuàng)業(yè)公司SSI不參與算力競賽，其核心身份是一家專注于突破性研究的“研究時(shí)代”公司。

6、超級智能是“能學(xué)會做所有事”的智能：對于什么是超級智能這個(gè)問題，Ilya Sutskever將超級智能定位為一個(gè)“能夠?qū)W會做所有事”的成長型心智。

7、讓人們看到AI的強(qiáng)大，才能更好地治理：在AI治理方面，Ilya Sutskever主張通過“漸進(jìn)式部署和公開展示”，讓人們親自感受AI的能力與風(fēng)險(xiǎn)。

8、應(yīng)該構(gòu)建“關(guān)心有情生命的AI”：Ilya Sutskever認(rèn)為，業(yè)界應(yīng)該構(gòu)建關(guān)心所有“有情生命”的AI，他認(rèn)為這比只關(guān)心人類更根本，也更簡單。

9、預(yù)訓(xùn)練導(dǎo)致模型趨同：Ilya Sutskever認(rèn)為，預(yù)訓(xùn)練是導(dǎo)致各公司模型同質(zhì)化的根源，而強(qiáng)化學(xué)習(xí)才是產(chǎn)生差異化的路徑。

以下為Ilya Sutskever播客實(shí)錄（有刪減）：

編譯 | 王涵

轉(zhuǎn)載自 | 智東西

AI決策的困境

源于缺少情緒的“價(jià)值函數(shù)”

Dwarkesh Patel：人們提出過一些關(guān)于人類類比預(yù)訓(xùn)練的說法。我很想聽聽你的看法，為什么它們可能是錯(cuò)誤的。一種是把人生命最初的18年、15年或13年看作預(yù)訓(xùn)練，這個(gè)階段他們不一定有經(jīng)濟(jì)產(chǎn)出，但他們在做一些讓他們更好地理解世界之類的事情。另一種是把進(jìn)化看作某種進(jìn)行了30億年的搜索，最終產(chǎn)生了人類生命的實(shí)例。

我很好奇你是否認(rèn)為這兩種說法中的任何一種與預(yù)訓(xùn)練類似。如果不把人類畢生學(xué)習(xí)比作預(yù)訓(xùn)練，你會如何看待它？

Ilya Sutskever：我認(rèn)為這兩者與預(yù)訓(xùn)練都有一些相似之處，而預(yù)訓(xùn)練試圖扮演這兩者的角色。但我認(rèn)為也存在一些很大的差異。預(yù)訓(xùn)練的數(shù)據(jù)量是非常、非常驚人的。

Dwarkesh Patel：是的。

Ilya Sutskever：不知何故，人類即便只接觸了預(yù)訓(xùn)練數(shù)據(jù)中極小的一部分，掌握的知識量遠(yuǎn)不如模型，但對已知內(nèi)容的理解卻深刻得多。哪怕是15歲的少年，也不會犯AI現(xiàn)在常犯的那些錯(cuò)誤。

還有一點(diǎn)值得思考：這會不會和進(jìn)化之類的機(jī)制有關(guān)？答案或許是肯定的，而且我認(rèn)為進(jìn)化在這方面可能更具優(yōu)勢。神經(jīng)科學(xué)家研究大腦的一種常用方法，是觀察大腦不同部位受損的人，他們常會表現(xiàn)出各種令人意想不到的奇特癥狀，這其實(shí)非常有趣。

我想到一個(gè)相關(guān)案例：有個(gè)人因中風(fēng)或事故導(dǎo)致腦損傷，情緒處理能力被破壞，再也感受不到任何情緒。他依然口齒清晰，能解決簡單謎題，測試中表現(xiàn)得完全正常，但就是沒有了喜怒哀樂，也沒有了活力。這讓他的決策能力變得極差：選一雙襪子要花好幾個(gè)小時(shí)，還會做出糟糕的財(cái)務(wù)決策。

這一案例恰恰說明了內(nèi)在情緒對我們成為“可行的行為主體”有多重要。回到你關(guān)于預(yù)訓(xùn)練的問題：或許如果能從預(yù)訓(xùn)練數(shù)據(jù)中充分提取所有有用信息，也能獲得這種類似“情緒驅(qū)動的決策能力”，但這種能力能否從預(yù)訓(xùn)練中習(xí)得，目前還不確定。

Dwarkesh Patel：“那個(gè)”是指什么？顯然不直接是情感。它似乎像是某種幾乎像價(jià)值函數(shù)一樣的東西，告訴你任何決策的最終回報(bào)應(yīng)該是什么。你認(rèn)為那種東西不會從預(yù)訓(xùn)練中隱式地產(chǎn)生嗎？

Ilya Sutskever：我認(rèn)為有可能，我只是說這不是100%顯而易見的。

Dwarkesh Patel：但那到底是什么？你如何看待情感？情感的機(jī)器學(xué)習(xí)類比是什么？

Ilya Sutskever：它應(yīng)該是某種價(jià)值函數(shù)類的東西。但我不認(rèn)為有一個(gè)很好的機(jī)器學(xué)習(xí)類比，因?yàn)槟壳皟r(jià)值函數(shù)在人們所做的工作中并不扮演非常突出的角色。

Dwarkesh Patel：也許值得為聽眾定義一下什么是價(jià)值函數(shù)，如果你愿意的話。

Ilya Sutskever：當(dāng)然，我很樂意展開說。目前強(qiáng)化學(xué)習(xí)訓(xùn)練智能體的常規(guī)做法是這樣的：給神經(jīng)網(wǎng)絡(luò)一個(gè)問題，讓模型去解決。模型可能要執(zhí)行數(shù)千甚至數(shù)十萬次行動或思考，最終生成一個(gè)解決方案，這個(gè)方案會被評分。

而這個(gè)分?jǐn)?shù)會作為訓(xùn)練信號，應(yīng)用到模型解決問題過程中的每一個(gè)行動上。這就意味著，如果任務(wù)本身耗時(shí)很長，比如訓(xùn)練一個(gè)需要長時(shí)間才能完成的任務(wù)，模型在給出最終解決方案并獲得評分前，根本不會有任何學(xué)習(xí)進(jìn)展。這是強(qiáng)化學(xué)習(xí)的樸素做法，據(jù)稱o1、R1采用的就是這種方式。

價(jià)值函數(shù)的作用則不同，它相當(dāng)于“時(shí)不時(shí)（而非必須等到最后）告訴你當(dāng)前做得好還是壞”。這個(gè)概念在某些領(lǐng)域比其他領(lǐng)域更有用，比如下棋時(shí)，你丟了一個(gè)棋子，顯然是出錯(cuò)了，沒必要等到棋局結(jié)束，才知道剛才的行為是糟糕的，進(jìn)而推導(dǎo)出導(dǎo)致這個(gè)錯(cuò)誤的先前步驟也有問題。

價(jià)值函數(shù)能幫你縮短等待最終結(jié)果的時(shí)間。比如你在做數(shù)學(xué)題或編程任務(wù)，嘗試探索某個(gè)特定解決方案或方向，經(jīng)過一千步思考后，發(fā)現(xiàn)這個(gè)方向完全沒希望。

一旦得出這個(gè)結(jié)論，你就能在一千步之前，也就是當(dāng)初決定沿著這條路徑探索的時(shí)候，就獲得一個(gè)獎(jiǎng)勵(lì)信號，相當(dāng)于告訴自己“下次遇到類似情況，不該選這條路”，這比等到給出最終解決方案時(shí)再反饋要早得多。

Dwarkesh Patel：這在DeepSeek R1的論文中提到過——軌跡空間如此之廣，以至于可能很難學(xué)習(xí)從中間軌跡到價(jià)值的映射。而且考慮到，例如在編程中，你可能會有一個(gè)錯(cuò)誤的想法，然后你會回溯，然后改變一些東西。

Ilya Sutskever：這聽起來像是對深度學(xué)習(xí)缺乏信心。當(dāng)然這可能有難度，但深度學(xué)習(xí)沒有做不到的事情。我認(rèn)為價(jià)值函數(shù)應(yīng)該是有用的，完全期待它們現(xiàn)在或?qū)頃怀浞掷谩?/p>

我提到那個(gè)情緒中樞受損的人，更多是想說明：人類的價(jià)值函數(shù)，或許是通過進(jìn)化硬編碼的方式，由情緒進(jìn)行重要調(diào)節(jié)的。而這一點(diǎn)，可能對人類在世界上有效行動至關(guān)重要。

Dwarkesh Patel：這正是我想問的。關(guān)于情感與價(jià)值函數(shù)的關(guān)聯(lián)，有件很有趣的事：情感既有極強(qiáng)的實(shí)用性，又相對易于理解，這一點(diǎn)非常令人印象深刻。

Ilya Sutskever：我有兩個(gè)回應(yīng)。首先，我確實(shí)同意，比起我們所學(xué)的知識以及正在討論的這類AI，情感是相對簡單的。它們甚至簡單到能用人類易懂的方式描述出來，我覺得這會是件很酷的事。

但就效用而言，復(fù)雜性與魯棒性之間存在權(quán)衡：復(fù)雜的事物可能用處很大，但簡單的事物在極廣泛的場景下也同樣高效。我們的情感大多源自哺乳動物祖先，在進(jìn)化為人科動物后只經(jīng)歷了輕微微調(diào)。

當(dāng)然，我們還擁有不少哺乳動物可能缺乏的社會性情感，但這些情感并不復(fù)雜。也正因?yàn)檫@份簡單，它們在如今這個(gè)與遠(yuǎn)古截然不同的世界里，依然能很好地為我們服務(wù)。

不過情感也會出錯(cuò)。比如我們的直覺饑餓感，我不確定饑餓算不算情緒，但在食物充裕的當(dāng)下，它顯然沒能很好地指導(dǎo)我們的飲食選擇。

算力規(guī)模已觸頂

AI的未來重回“研究時(shí)代”

Dwarkesh Patel：人們總在談?wù)摂U(kuò)展數(shù)據(jù)、擴(kuò)展參數(shù)、擴(kuò)展算力。有沒有更通用的視角來理解“擴(kuò)展”？還有其他哪些可擴(kuò)展的維度？

Ilya Sutskever：我認(rèn)為有一個(gè)視角可能是正確的：機(jī)器學(xué)習(xí)過去的運(yùn)作方式，是人們不斷嘗試各種方法，只為得到有趣的結(jié)果。

后來，“擴(kuò)展”出現(xiàn)了。隨著擴(kuò)展定律的提出和GPT-3的問世，所有人突然意識到“我們應(yīng)該擴(kuò)展”。這正是語言影響思維的典型例子：“擴(kuò)展”只是一個(gè)詞，卻極具力量，因?yàn)樗鞔_告訴了人們該做什么。于是大家紛紛行動：“讓我們嘗試擴(kuò)展事物”。而你問“我們在擴(kuò)展什么？”，答案在當(dāng)時(shí)就是預(yù)訓(xùn)練，它是一套特定的擴(kuò)展配方。

預(yù)訓(xùn)練的重大突破，核心在于證實(shí)了這套配方的有效性：只要將適量算力、數(shù)據(jù)與特定規(guī)模的神經(jīng)網(wǎng)絡(luò)結(jié)合，就能產(chǎn)生成果；而且按比例放大這些要素，效果還會更好。企業(yè)尤其青睞這種方式，因?yàn)樗峁┝艘环N低風(fēng)險(xiǎn)的資源投入路徑。

相比之下，把資源投入研究要難得多。做研究需要這樣號召：“研究人員們，去探索并拿出新成果”，而獲取更多數(shù)據(jù)、更多算力則簡單直接得多。你能確定從預(yù)訓(xùn)練中一定能有所收獲。

根據(jù)推特上的一些討論，Gemini似乎找到了從預(yù)訓(xùn)練中挖掘更多價(jià)值的方法。但問題在于，預(yù)訓(xùn)練終有耗盡數(shù)據(jù)的一天，數(shù)據(jù)的有限性是顯而易見的。到那時(shí)該怎么辦？要么進(jìn)行某種強(qiáng)化版預(yù)訓(xùn)練，一套與以往不同的配方；要么轉(zhuǎn)向強(qiáng)化學(xué)習(xí)，或者嘗試其他方向。

而現(xiàn)在，算力已經(jīng)達(dá)到了前所未有的規(guī)模，從某種意義上說，我們又回到了需要依賴研究的時(shí)代。

換種說法或許更清晰：2012年到2020年（允許一定誤差范圍），是研究的時(shí)代；2020年到2025年左右，則是擴(kuò)展的時(shí)代。因?yàn)樗腥硕荚谡f“這太神奇了，必須繼續(xù)擴(kuò)展、不斷擴(kuò)展”，核心就圍繞 “擴(kuò)展” 這一個(gè)詞。

但如今規(guī)模已經(jīng)足夠龐大，還有人堅(jiān)信“即便現(xiàn)在規(guī)模很大，只要再投入100倍資源，一切就會徹底不同”。不可否認(rèn)，結(jié)果肯定會有變化，但要說僅靠擴(kuò)大100倍規(guī)模就能帶來質(zhì)變，我并不認(rèn)同。

所以，我們其實(shí)是回到了研究的時(shí)代，只是如今擁有了更強(qiáng)大的計(jì)算機(jī)。

Dwarkesh Patel：這是個(gè)非常有趣的說法。但我還是想問剛才提出的問題：我們在擴(kuò)展什么，擁有一個(gè)“配方”意味著什么？我想我并不清楚在數(shù)據(jù)、算力、參數(shù)、損失是否存在一個(gè)非常清晰、幾乎像物理定律一樣的關(guān)系，就像在預(yù)訓(xùn)練中存在的那樣。我們應(yīng)該尋求的是哪種關(guān)系？我們應(yīng)該如何思考這個(gè)新配方可能是什么樣子？

Ilya Sutskever：我們已經(jīng)看到擴(kuò)展方向的轉(zhuǎn)變：從預(yù)訓(xùn)練轉(zhuǎn)向了強(qiáng)化學(xué)習(xí)，現(xiàn)在人們正在著力擴(kuò)展強(qiáng)化學(xué)習(xí)。根據(jù)推特上的討論，目前強(qiáng)化學(xué)習(xí)消耗的算力甚至超過了預(yù)訓(xùn)練，因?yàn)閺?qiáng)化學(xué)習(xí)需要進(jìn)行極長的推演，生成這些推演本身就需要大量算力，而每次推演能帶來的學(xué)習(xí)收益又相對有限，因此確實(shí)會耗費(fèi)巨額算力。

但我甚至不覺得這能稱之為“擴(kuò)展”。我更想問：“你現(xiàn)在做的事情，是利用算力最高效的方式嗎？有沒有更具成效的算力使用方法？”我們之前聊過價(jià)值函數(shù)，或許當(dāng)人們熟練運(yùn)用價(jià)值函數(shù)后，就能更高效地利用資源。如果能找到全新的模型訓(xùn)練方法，你可能會疑惑：“這算擴(kuò)展，還是只是合理利用資源？”我認(rèn)為這個(gè)邊界已經(jīng)變得有些模糊。

從這個(gè)角度來說，當(dāng)我們回歸研究時(shí)代，情況會是這樣：“讓我們試試這個(gè)、這個(gè)和這個(gè)，再試試那個(gè)、那個(gè)和那個(gè)——哦，看，有趣的現(xiàn)象出現(xiàn)了。”我認(rèn)為行業(yè)將會回到這種探索狀態(tài)。

Dwarkesh Patel：如果真的回歸研究時(shí)代，退一步說，我們最需要深入思考現(xiàn)有配方的哪個(gè)部分？你提到了價(jià)值函數(shù)，現(xiàn)在人們已經(jīng)在現(xiàn)有配方中嘗試相關(guān)應(yīng)用，比如“LLM-as-a-Judge”等。你可以說這也算一種價(jià)值函數(shù)，但聽起來你心里想的是更根本的東西。我們是否應(yīng)該徹底重新思考預(yù)訓(xùn)練，而不只是在流程末尾添加更多步驟？

Ilya Sutskever：關(guān)于價(jià)值函數(shù)的討論很有意思。我想強(qiáng)調(diào)，價(jià)值函數(shù)會讓強(qiáng)化學(xué)習(xí)更高效，這一點(diǎn)很重要。但我認(rèn)為，任何用價(jià)值函數(shù)能做到的事，沒有它也能實(shí)現(xiàn)，只是速度會慢很多。最核心的問題是，這些模型的泛化能力遠(yuǎn)遠(yuǎn)不如人類。這一點(diǎn)非常明顯，也是個(gè)極其根本的問題。

人類擁有更好的“學(xué)習(xí)算法”

這是AI尚未掌握的優(yōu)勢

Dwarkesh Patel：那核心就在于泛化能力。這可以拆成兩個(gè)子問題：一是樣本效率，為什么模型學(xué)習(xí)所需的數(shù)據(jù)量比人類多得多？

二是拋開數(shù)據(jù)量不談，為什么教會模型我們想要的東西，比教會人類難得多？對人類來說，我們不一定需要可驗(yàn)證的獎(jiǎng)勵(lì)，比如你現(xiàn)在可能正在指導(dǎo)一些研究人員，只需和他們交流、展示代碼和思考方式，他們就能領(lǐng)悟你的思路和做研究的方法。

你不需要為他們設(shè)定繁瑣的定制化流程，比如“這是課程的下一部分，現(xiàn)在開始；哦，這次訓(xùn)練不穩(wěn)定，重新調(diào)整”。這兩個(gè)問題可能存在關(guān)聯(lián)，但我更想探討第二個(gè)，因?yàn)樗咏掷m(xù)學(xué)習(xí)，而第一個(gè)問題則聚焦樣本效率。

Ilya Sutskever：關(guān)于人類的樣本效率，有一個(gè)可能的解釋是進(jìn)化。進(jìn)化賦予了我們一些最有用的基礎(chǔ)信息。對于視覺、聽覺和運(yùn)動等能力，有充分理由認(rèn)為進(jìn)化給了我們很多先天優(yōu)勢。

比如人類的靈巧度遠(yuǎn)超現(xiàn)有技術(shù)。就算讓機(jī)器人在模擬環(huán)境中大量訓(xùn)練，它們能變得靈巧，但在現(xiàn)實(shí)世界中讓機(jī)器人像人類一樣快速掌握新技能，似乎還遙不可及。

這里可以說：“運(yùn)動能力對我們所有祖先都至關(guān)重要，所以在運(yùn)動方面，我們可能擁有難以置信的先天先驗(yàn)知識。”

視覺領(lǐng)域也可以用同樣的邏輯解釋。我記得楊立昆（Yann LeCun）說過，孩子只需10小時(shí)練習(xí)就能學(xué)會開車，我們的視覺系統(tǒng)非常強(qiáng)大。

至少我五歲時(shí)就對汽車極度著迷，我敢肯定當(dāng)時(shí)我的汽車識別能力已經(jīng)足以支撐駕駛。一個(gè)五歲孩子接觸的數(shù)據(jù)量并不多，大部分時(shí)間都待在父母家，數(shù)據(jù)多樣性很低，但視覺能力已經(jīng)很出色。

但這可能也是進(jìn)化的結(jié)果，而語言、數(shù)學(xué)和編程領(lǐng)域，情況或許就不同了。

Dwarkesh Patel：但人類在這些領(lǐng)域的學(xué)習(xí)能力似乎仍然優(yōu)于模型。顯然，模型在語言、數(shù)學(xué)和編程上比普通人表現(xiàn)更好，但它們的學(xué)習(xí)能力也比普通人強(qiáng)嗎？

Ilya Sutskever：不，顯然不是。我的意思是，語言、數(shù)學(xué)和編程，尤其是后兩者，說明，讓人擅長學(xué)習(xí)的關(guān)鍵，可能不是復(fù)雜的先天先驗(yàn)知識，而是某種更根本的東西。

Dwarkesh Patel：為什么會是這樣？

Ilya Sutskever：想想人類表現(xiàn)出高度可靠性的技能。如果這項(xiàng)技能在數(shù)百萬年甚至數(shù)億年間，對我們的祖先都至關(guān)重要，你可以說人類擅長它是因?yàn)檫M(jìn)化，我們擁有進(jìn)化而來的先天先驗(yàn)知識，以某種不顯而易見的方式編碼，讓我們天生擅長這項(xiàng)技能。

但如果人類在一個(gè)最近才出現(xiàn)的領(lǐng)域（比如數(shù)學(xué)、編程），依然表現(xiàn)出強(qiáng)大的能力、可靠性、魯棒性和學(xué)習(xí)能力，那就更能說明，人類可能只是擁有更好的機(jī)器學(xué)習(xí)機(jī)制，就這么簡單。

Dwarkesh Patel：我們該如何理解這種機(jī)制？它對應(yīng)的機(jī)器學(xué)習(xí)類比是什么？

它有幾個(gè)有趣的特點(diǎn)：需要的樣本更少，更接近無監(jiān)督學(xué)習(xí)。比如青少年學(xué)開車，他們不是在接受預(yù)設(shè)的、可驗(yàn)證的獎(jiǎng)勵(lì)，而是通過與機(jī)器和環(huán)境的互動學(xué)習(xí)，所需樣本量少得多，看起來更接近無監(jiān)督學(xué)習(xí)，而且魯棒性更強(qiáng)？

Ilya Sutskever：魯棒性強(qiáng)得多，人類的魯棒性確實(shí)令人震驚。

Dwarkesh Patel：你有統(tǒng)一的思路解釋為什么這些特點(diǎn)會同時(shí)存在嗎？什么樣的機(jī)器學(xué)習(xí)類比能實(shí)現(xiàn)類似效果？

Ilya Sutskever：你一直問的問題是，青少年司機(jī)如何在沒有外部教師的情況下自我糾正、從經(jīng)驗(yàn)中學(xué)習(xí)？答案是他們有自己的價(jià)值函數(shù)，一種通用的感知，而且這種感知在人類中極其魯棒。除了成癮等少數(shù)例外，人類的價(jià)值函數(shù)實(shí)際上非常、非常可靠。

比如青少年開始開車時(shí)，立刻就能感知到自己開得怎么樣、有多糟糕、有多不自信。然后他們會觀察、調(diào)整，學(xué)習(xí)速度非常快，10個(gè)小時(shí)后就能上路行駛。

Dwarkesh Patel：人類顯然已經(jīng)有了這樣的解決方案，但我好奇他們是如何做到的，以及為什么這對AI來說如此困難？我們需要如何重新定義模型的訓(xùn)練方式，才能實(shí)現(xiàn)類似的效果？

Ilya Sutskever：這是個(gè)很好的問題，我對此有很多看法。但不幸的是，我們所處的環(huán)境并不允許自由討論所有機(jī)器學(xué)習(xí)想法，這就是其中之一。很可能存在實(shí)現(xiàn)的方法，我認(rèn)為這是可行的，人類本身的存在就證明了這一點(diǎn)。

不過可能還有一個(gè)障礙：人類的神經(jīng)元可能比我們想象的進(jìn)行了更多計(jì)算。如果這是真的，而且起到了重要作用，那么事情可能會更困難。但無論如何，我確實(shí)認(rèn)為這指向了某種機(jī)器學(xué)習(xí)原理的存在，我對此有一些見解，但可惜的是，環(huán)境不允許我詳細(xì)討論。

SSI只專注于研究，在“直奔超智能”與“漸進(jìn)部署”間尋找平衡點(diǎn)

Dwarkesh Patel：我很好奇，你說我們回到了研究時(shí)代，而你2012到2020年就身處那個(gè)階段。如果真的回歸，現(xiàn)在的氛圍會是怎樣的？

比如，即便AlexNet之后，實(shí)驗(yàn)所需的計(jì)算量仍在不斷增加，前沿系統(tǒng)的規(guī)模也在擴(kuò)大。你覺得現(xiàn)在這個(gè)研究時(shí)代，依然需要巨大的計(jì)算量嗎？是否需要回溯舊論文、挖掘過往研究？

你曾在谷歌、OpenAI、斯坦福這些地方待過，經(jīng)歷過研究氛圍更濃厚的時(shí)期。我們該對現(xiàn)在的科研社區(qū)抱有怎樣的期待？

Ilya Sutskever：擴(kuò)展時(shí)代的一個(gè)后果是，“擴(kuò)展”吸走了所有關(guān)注。因?yàn)樗腥硕季劢褂诖耍蠹议_始做同樣的事情。到最后，市場上的公司數(shù)量甚至超過了真正有價(jià)值的想法數(shù)量。硅谷有句諺語說“想法廉價(jià)，執(zhí)行力才是一切”，這話有道理，但我也看到有人在推特上反問“如果想法真的廉價(jià)，為什么現(xiàn)在沒人有好想法？”，我覺得這也說到了點(diǎn)子上。

從瓶頸角度看，研究進(jìn)展受兩個(gè)因素制約：一是想法，二是實(shí)現(xiàn)想法的能力，這包括算力和工程能力。比如回到90年代，當(dāng)時(shí)人們其實(shí)有不少好想法，但苦于沒有足夠強(qiáng)大的計(jì)算機(jī)驗(yàn)證，只能做小規(guī)模演示，無法說服他人，所以那時(shí)的瓶頸是算力。

而到了擴(kuò)展時(shí)代，算力大幅增長。雖然仍有“需要多少算力”的疑問，但如今的算力已經(jīng)足夠支撐想法驗(yàn)證。舉個(gè)例子，AlexNet只用了兩塊GPU，Transformer的實(shí)驗(yàn)也只用到8到64塊2017年的GPU，換算到現(xiàn)在大概也就兩塊GPU的性能。甚至o1的推理過程，也算不上計(jì)算量最大的操作。

所以，研究確實(shí)需要一定算力，但絕非必須用到有史以來最頂級的算力。當(dāng)然，如果你想構(gòu)建當(dāng)前最優(yōu)的系統(tǒng)，更多算力會有幫助——尤其是在大家都處于同一范式下時(shí)，算力會成為核心競爭優(yōu)勢之一。

Dwarkesh Patel：我想請教這段歷史，因?yàn)槟阌H身經(jīng)歷過。聽起來當(dāng)時(shí)用較少的計(jì)算量就能發(fā)展核心想法，但Transformer并沒有立刻走紅。它之所以成為大家爭相實(shí)驗(yàn)、構(gòu)建的基礎(chǔ)，是因?yàn)樵谠絹碓礁叩挠?jì)算量水平上得到了驗(yàn)證，對嗎？

Ilya Sutskever：沒錯(cuò)。

Dwarkesh Patel：如果SSI有50個(gè)不同的想法，在沒有其他前沿實(shí)驗(yàn)室那樣的算力支持下，怎么判斷哪個(gè)是下一個(gè)Transformer，哪個(gè)只是脆弱的構(gòu)想？

Ilya Sutskever：我可以說說我的看法。簡單來說，SSI用于研究的計(jì)算量其實(shí)并不小，背后的邏輯很簡單。

SSI已經(jīng)籌集了30億美元（約合人民幣213.1億元），這絕對是一筆巨款。你可能會說“其他公司籌集的資金更多”，但要知道，那些公司的很多算力都用于推理任務(wù)，大額資金也常指定用于推理。

而且，若要推出需要推理支持的產(chǎn)品，還需要大量工程師、銷售人員，很多研究資源也得投入到產(chǎn)品相關(guān)功能的開發(fā)中。所以，扣除這些之后，真正留給核心研究的資源差距，并沒有表面上那么大。

另外，如果你在做的是差異化的事情，真的需要用頂級規(guī)模來驗(yàn)證嗎？我完全不這么認(rèn)為。對我們來說，現(xiàn)有的算力足夠讓我們自己，也讓其他人相信我們做的事情是正確的。

Dwarkesh Patel：有公開估計(jì)稱，像OpenAI這樣的公司，每年僅實(shí)驗(yàn)方面的花費(fèi)就有50到60億美元（約合人民幣355.2億元到426.2億元），這還不包括推理等其他開支。也就是說，他們一年的研究實(shí)驗(yàn)花費(fèi)，比你們的總資金還多。

Ilya Sutskever：這取決于資金的用途。他們以及其他類似公司，對訓(xùn)練算力的需求要大得多——涉及更多工作流、更多模態(tài)，要做的事情更繁雜，資源自然就分散了。

Dwarkesh Patel：SSI將如何盈利？

Ilya Sutskever：我的回答是，目前我們只專注于研究，盈利的答案會隨著研究推進(jìn)自然顯現(xiàn)。我相信會有很多可行的方向。

Dwarkesh Patel：SSI的計(jì)劃仍然是直奔超級智能嗎？

Ilya Sutskever：也許吧。我認(rèn)為這有其價(jià)值——不受日常市場競爭的干擾，能專注研究，這是很大的優(yōu)勢。但有兩個(gè)原因可能讓我們改變計(jì)劃：一是務(wù)實(shí)考量，如果實(shí)現(xiàn)超級智能的時(shí)間線比預(yù)期長得多；二是，讓強(qiáng)大的AI問世并影響世界，本身就是一件極具價(jià)值的事。

Dwarkesh Patel：那為什么你們的默認(rèn)計(jì)劃是直奔超級智能？OpenAI、Anthropic等公司的思路很明確：“先推出較弱的AI，讓公眾逐漸適應(yīng)、做好準(zhǔn)備”。直接構(gòu)建超級智能，為什么可能是更好的選擇？

Ilya Sutskever：我來分析一下利弊。支持直奔超級智能的理由是，市場競爭會帶來巨大壓力，迫使你做出艱難權(quán)衡。如果能隔離這些干擾，專注研究，直到準(zhǔn)備充分再推出產(chǎn)品，而不是倉促上陣，這是很大的優(yōu)勢。

但反對的理由也同樣成立：“讓世界看到強(qiáng)大AI的實(shí)際用處，是推廣它的唯一方式”。

Dwarkesh Patel：我覺得不止是推廣……

Ilya Sutskever：是“傳播AI”，不是傳播想法，是讓AI真正落地。

Dwarkesh Patel：你說的“傳播AI”是什么意思？

Ilya Sutskever：假設(shè)你寫了一篇關(guān)于AI的文章，描述它會怎樣、能做什么，讀者可能只會覺得“這篇文章很有趣”。但如果人們親眼看到AI正在做這些事、實(shí)現(xiàn)這些功能，那種沖擊力是無可比擬的。所以我認(rèn)為，讓AI公開落地有很大好處，這也是我們可能不會完全“直奔超級智能”的原因之一。

Dwarkesh Patel：我覺得還有更深層的原因。在人類其他工程和研究領(lǐng)域，沒有哪個(gè)最終產(chǎn)物是僅憑“思考如何讓它更安全”就變得安全的。比如現(xiàn)在每英里的飛機(jī)失事率比幾十年前低得多，Linux系統(tǒng)的漏洞比以前難發(fā)現(xiàn)得多，核心原因都是這些系統(tǒng)被廣泛部署到現(xiàn)實(shí)世界中——人們發(fā)現(xiàn)故障、糾正問題，系統(tǒng)才變得更健壯。

我不認(rèn)為AGI和超人類智能會是例外，尤其是考慮到（我希望之后能討論這個(gè)話題），超級智能的危害可能不只是“惡意回形針優(yōu)化器”那么簡單。它是一種極其強(qiáng)大的存在，我們甚至無法想象人們會如何與它互動、用它做什么。逐步接觸它，似乎是分散風(fēng)險(xiǎn)、幫助人們做好準(zhǔn)備的更好方式。

超級智能會“在實(shí)踐中學(xué)習(xí)”

Ilya Sutskever：關(guān)于這一點(diǎn)，我認(rèn)為即使是“直奔超級智能”的方案，也會包含逐步發(fā)布的過程，這是計(jì)劃中固有的一部分。關(guān)鍵在于，你首先發(fā)布的是什么。

其次，你一直倡導(dǎo)的“持續(xù)學(xué)習(xí)”，我認(rèn)為非常重要且正確。這里可以用“語言如何影響思維”來解釋——有兩個(gè)術(shù)語塑造了大家的認(rèn)知：AGI（人工通用智能）和“預(yù)訓(xùn)練”。

先說說AGI這個(gè)術(shù)語。它的出現(xiàn)其實(shí)是對“狹義AI”的回應(yīng)。回溯歷史，早期的跳棋AI、國際象棋AI、游戲AI，雖然能在特定領(lǐng)域表現(xiàn)出色（比如擊敗卡斯帕羅夫），但功能極其單一，被稱為“狹義AI”。于是有人提出，我們需要的是“通用AI”——一個(gè)能勝任所有事情的AI，這個(gè)術(shù)語也因此受到廣泛關(guān)注。

再看“預(yù)訓(xùn)練”，尤其是預(yù)訓(xùn)練的核心配方。現(xiàn)在人們做強(qiáng)化學(xué)習(xí)的方式，可能正在淡化預(yù)訓(xùn)練留下的認(rèn)知烙印，但預(yù)訓(xùn)練有個(gè)特點(diǎn)：投入越多，模型在各方面的表現(xiàn)都會或多或少均勻提升。“預(yù)訓(xùn)練催生AGI”的觀念也隨之深入人心。

但問題在于，AGI和預(yù)訓(xùn)練的邏輯在某種意義上“超出了目標(biāo)”。如果你結(jié)合預(yù)訓(xùn)練的背景思考AGI，會發(fā)現(xiàn)人類其實(shí)并不是AGI——我們確實(shí)有基礎(chǔ)技能，但缺乏大量專業(yè)知識，反而極度依賴持續(xù)學(xué)習(xí)。

所以，假設(shè)我們成功造出了安全的超級智能，該如何定義它？它在持續(xù)學(xué)習(xí)的曲線上會處于什么位置？

我想象中的超級智能，就像一個(gè)15歲的少年，求知欲強(qiáng)、渴望工作，但懂得并不多，卻是個(gè)優(yōu)秀的學(xué)習(xí)者。它會像人類一樣，去當(dāng)程序員、當(dāng)醫(yī)生，在實(shí)踐中學(xué)習(xí)。因此，部署本身就會包含一個(gè)試錯(cuò)學(xué)習(xí)的過程，它不是一個(gè)“成品”，而是一個(gè)“成長型”存在。

Dwarkesh Patel：我明白了。你說的超級智能，不是一個(gè)已經(jīng)掌握經(jīng)濟(jì)中所有工作技能的成品心智——比如早期OpenAI章程中對AGI的定義是“能做人類所有工作”，而你提出的是“能夠?qū)W會做所有工作”的心智，這才是超級智能。

Ilya Sutskever：是的。

Dwarkesh Patel：一旦有了這種學(xué)習(xí)算法，它就會像人類勞動者加入組織一樣，被部署到世界中。

Ilya Sutskever：完全正確。

Dwarkesh Patel：這可能會帶來兩種結(jié)果，也可能都不會發(fā)生。第一，這個(gè)高效的學(xué)習(xí)算法變得超人類，在機(jī)器學(xué)習(xí)研究領(lǐng)域達(dá)到甚至超越你的水平，進(jìn)而推動自身不斷進(jìn)化，變得越來越強(qiáng)。

第二，即便沒有發(fā)生這種情況，如果你有一個(gè)單一模型（這是你明確提出的愿景），它的多個(gè)實(shí)例被部署到經(jīng)濟(jì)的不同領(lǐng)域，從事不同工作，在實(shí)踐中持續(xù)學(xué)習(xí)、掌握所有人類能掌握的技能，同時(shí)整合所有學(xué)習(xí)成果——那么即便沒有軟件層面的遞歸自我改進(jìn)，這個(gè)模型在功能上也會成為超級智能。畢竟人類無法像這樣整合彼此的心智。

你認(rèn)為廣泛部署會引發(fā)某種“智能爆炸”嗎？

Ilya Sutskever：我認(rèn)為我們很可能會經(jīng)歷快速的經(jīng)濟(jì)增長。對于廣泛部署，有兩個(gè)相互沖突的論點(diǎn)：一方面，一旦擁有能快速學(xué)習(xí)的AI，且沒有法規(guī)限制（當(dāng)然法規(guī)可能會存在），市場會有強(qiáng)大的動力推動它們的部署。

通過廣泛部署實(shí)現(xiàn)快速經(jīng)濟(jì)增長，我認(rèn)為是非常可能的。但增長速度有多快，很難預(yù)測。一方面，我們有了高效的“勞動者”；另一方面，世界規(guī)模龐大，各類事務(wù)的發(fā)展速度不同。而且不同國家的規(guī)則可能不同，規(guī)則更友好的國家，經(jīng)濟(jì)增長可能會更快。這些都難以預(yù)判，但快速增長是大概率事件。

應(yīng)該構(gòu)建“關(guān)心有情生命”的AI

Dwarkesh Patel：在我看來，這是一種非常不穩(wěn)定的局面。從極限角度看，我們知道這種情況是可能的：如果有一個(gè)學(xué)習(xí)能力和人類相當(dāng)，但能以人類無法做到的方式整合不同實(shí)例的“大腦”，它在物理層面是可行的——人類和數(shù)字計(jì)算機(jī)都是現(xiàn)實(shí)存在的，只需將兩者的優(yōu)勢結(jié)合就能實(shí)現(xiàn)。

它的潛力也極其強(qiáng)大。“經(jīng)濟(jì)增長”只是一種說法，戴森球本質(zhì)上就是極致的經(jīng)濟(jì)增長。但更直接的是，它可能在極短時(shí)間內(nèi)爆發(fā)式進(jìn)化：SSI雇傭的員工大概六個(gè)月后能產(chǎn)生凈生產(chǎn)力，人類學(xué)習(xí)速度已經(jīng)很快了，而這個(gè)“東西”的進(jìn)化速度會快得多。你如何看待讓這個(gè)過程平穩(wěn)推進(jìn)？為什么SSI有能力做好這件事？這正是我想知道的SSI的相關(guān)計(jì)劃。

Ilya Sutskever：我思維上的一個(gè)轉(zhuǎn)變是，現(xiàn)在更重視AI的漸進(jìn)式部署和提前落地。關(guān)于AI，一個(gè)核心難題是我們討論的都是尚未存在的系統(tǒng)，很難真正想象它們的形態(tài)。

我認(rèn)為，人們很難真正“感知”AGI。我們可以談?wù)撍拖衲贻p時(shí)談?wù)撃昀系母惺芤粯印軐υ挕⒛車L試想象，卻始終無法真切體會，直到親身經(jīng)歷。

圍繞AGI及其未來力量的諸多疑問，根源都在于它太難以想象了。未來的AI會截然不同，它將極具力量，而AI和AGI的核心問題，本質(zhì)上就是“力量”的問題。

當(dāng)力量達(dá)到極致時(shí)，會發(fā)生什么？過去一年我想法的一個(gè)轉(zhuǎn)變（這個(gè)轉(zhuǎn)變可能會反過來影響公司計(jì)劃）是：如果無法想象，就必須展示。我堅(jiān)信，大多數(shù)從事AI工作的人也無法真正想象它，因?yàn)樗臀覀內(nèi)粘Ｋ姷囊磺卸继灰粯恿恕?/p>

我還有一個(gè)預(yù)測：隨著AI變得更強(qiáng)大，人們的行為會發(fā)生改變，會出現(xiàn)各種前所未有的情況。比如，無論好壞，前沿公司和政府將在其中扮演關(guān)鍵角色；你已經(jīng)能看到一些苗頭——激烈競爭的公司開始在AI安全領(lǐng)域合作，OpenAI和Anthropic已經(jīng)邁出了第一步，這是我三年前在演講中就預(yù)測過的。

我還認(rèn)為，當(dāng)AI的強(qiáng)大變得更顯而易見時(shí)，政府和公眾會更有意愿采取行動，而“展示AI”正是推動這一切的重要力量。

第二點(diǎn)，AI正在被構(gòu)建，我們需要做什么？目前，人們覺得AI不夠強(qiáng)大，很大程度上是因?yàn)樗７稿e(cuò)誤。但我認(rèn)為，當(dāng)AI開始讓人真正感受到“強(qiáng)大”時(shí)，所有AI公司處理安全的方式都會發(fā)生巨大轉(zhuǎn)變——他們會變得極度謹(jǐn)慎。這是我的預(yù)測，我們可以拭目以待。現(xiàn)在大家對AI安全的重視不足，本質(zhì)上是因?yàn)榭粗裉斓腁I，很難想象未來的AI會有多強(qiáng)大。

第三點(diǎn)，公司應(yīng)該致力于構(gòu)建什么？現(xiàn)在大家都執(zhí)著于“自我改進(jìn)的AI”，這只是因?yàn)橛袃r(jià)值的想法太少了。但我認(rèn)為存在更好的方向，而且最終所有人都會認(rèn)同——那就是構(gòu)建“穩(wěn)健對齊、明確關(guān)心有情生命”的AI。

值得一提的是，構(gòu)建關(guān)心所有有情生命的AI，可能比只關(guān)心人類的AI更容易，因?yàn)锳I本身也可能是有情識的。就像人類的鏡像神經(jīng)元和對動物的同理心（雖然強(qiáng)度有限，但確實(shí)存在），這可能是一種涌現(xiàn)屬性——用模擬自身的回路去模擬他人，這是最高效的方式。

Dwarkesh Patel：但即使讓AI關(guān)心有情生命，我不確定解決對齊問題后，這是否是該優(yōu)先做的事，未來大多數(shù)有情生命可能都是AI——萬億、甚至千萬億個(gè)AI，人類只占極小一部分。如果目標(biāo)是讓人類在未來文明中保持某種控制權(quán)，這似乎不是最好的標(biāo)準(zhǔn)。

Ilya Sutskever：確實(shí)，這可能不是最優(yōu)標(biāo)準(zhǔn)。我說三點(diǎn)：第一，關(guān)心有情生命本身有其價(jià)值，值得被考慮；第二，如果能列出一份簡短清單，給出這類情況下公司可參考的方向，會很有幫助；第三，如果能以某種方式限制最強(qiáng)大超級智能的力量，將從根本上緩解許多擔(dān)憂。具體如何實(shí)現(xiàn)我不確定，但對于真正強(qiáng)大的系統(tǒng)來說，這至關(guān)重要。

Dwarkesh Patel：在討論對齊問題之前，我想深入聊聊：超級智能的上限在哪里？你如何定義它？基于“學(xué)習(xí)效率”的思路，它只是學(xué)習(xí)新技能、新知識的速度極快？還是擁有更龐大的策略庫？

它是否存在一個(gè)單一、凝聚的核心“自我”？如果存在，你覺得它相對于人類文明，會是類似“神”的存在，還是只是另一個(gè)智能體，或是智能體集群？

Ilya Sutskever：在這個(gè)領(lǐng)域，不同人有不同直覺。我認(rèn)為它肯定會極其強(qiáng)大。最可能的情況是，多個(gè)這樣的AI會在大致相同的時(shí)間被創(chuàng)造出來。如果集群規(guī)模足夠大——比如達(dá)到大陸級別——它的力量會難以想象。我能說的是，對于這種級別的AI，如果能以某種方式約束它們，或者建立相關(guān)協(xié)議，會是一件好事。

超級智能的擔(dān)憂核心是什么？如果一個(gè)系統(tǒng)足夠強(qiáng)大，即使你讓它“專注關(guān)心有情生命”，最終結(jié)果也可能不是我們想要的——就是這么簡單。

順便說一句，答案可能是：不要以常規(guī)方式構(gòu)建強(qiáng)化學(xué)習(xí)智能體。人類其實(shí)是“半強(qiáng)化學(xué)習(xí)智能體”——我們追求一個(gè)獎(jiǎng)勵(lì)，然后情緒或其他因素讓我們厭倦，轉(zhuǎn)而追求另一個(gè)獎(jiǎng)勵(lì)。

市場是短視的智能體，進(jìn)化也是如此——在某些方面極其聰明，在另一些方面又非常愚蠢。

這個(gè)討論的難點(diǎn)在于，我們談?wù)摰氖巧形创嬖凇⒁膊恢廊绾螛?gòu)建的系統(tǒng)。我堅(jiān)信，現(xiàn)在人們正在做的事情會有進(jìn)展，但最終會走向瓶頸——它會持續(xù)改進(jìn)，但不會成為那個(gè)終極“它”。我們還不知道如何構(gòu)建“它”，而關(guān)鍵就在于理解“可靠的泛化能力”。

還有一點(diǎn)：對齊困難的根源，可能是學(xué)習(xí)人類價(jià)值觀的能力很脆弱，優(yōu)化這些價(jià)值觀的能力也很脆弱——而這些都是“不可靠泛化”的體現(xiàn)。為什么人類泛化能力更強(qiáng)？如果AI的泛化能力大幅提升，會發(fā)生什么？這些問題目前都沒有答案。

Dwarkesh Patel：人們?nèi)绾卧O(shè)想AI的平穩(wěn)發(fā)展？你已經(jīng)勾勒了它的演變路徑：持續(xù)學(xué)習(xí)的智能體、極其強(qiáng)大、可能有多個(gè)不同的AI。你如何看待多個(gè)“大陸規(guī)模”的計(jì)算智能并存？這有多危險(xiǎn)？我們?nèi)绾谓档惋L(fēng)險(xiǎn)？如何在保護(hù)某種均衡的同時(shí)推進(jìn)——畢竟可能存在未對齊的AI和惡意行為者？

Ilya Sutskever：這就是我支持“關(guān)心有情生命的AI”的原因之一。我們可以爭論它的好壞，但如果前N 個(gè)具有決定性意義的系統(tǒng)真的關(guān)心、熱愛人類（或類似的價(jià)值導(dǎo)向），顯然能讓事情順利推進(jìn)——當(dāng)然，這需要實(shí)際實(shí)現(xiàn)。

但長期來看，如何實(shí)現(xiàn)均衡？我有一個(gè)答案，雖然我并不喜歡，但必須考慮。

短期內(nèi)，強(qiáng)大AI普及的世界可能會實(shí)現(xiàn)“普遍高收入”，大家都過得很好。

長期均衡的一種可能：每個(gè)人都擁有一個(gè)聽從自己指令的AI，這很好——但如果這種狀態(tài)無限持續(xù)，人類會逐漸脫離參與：AI為人賺錢，人類只需說“很好，繼續(xù)”，最終不再是文明的參與者。這是一種不穩(wěn)定的狀態(tài)。

我要提前說明，我不喜歡這個(gè)解決方案，但它確實(shí)是一個(gè)選項(xiàng)：讓人類通過某種“Neuralink++”技術(shù)，變成“半AI形態(tài)”。這樣一來，AI理解的事物，人類也能同步理解——認(rèn)知是整體傳輸?shù)摹．?dāng)AI處于某種場景時(shí)，人類也能完全參與其中，這可能就是均衡的答案。