加载中...
上周五，OpenAI董事会突然把Sam开除的事件已经结束，闹了好几天之后Sam回归，董事会改组。而这件事的背后导火索有许多传闻，其中最重要的一个是OpenAI可能在最近有一项重大的技术突破，被认为是Sam和董事会分歧的重要原因。而今天，国外的路透社独家消息提到OpenAI内部一个称为Q*（Q Star）项目取得了非常重大的突破，使得部分人认为AGI很接近，进而引发了一系列事件。本文将根据目前的信息汇总介绍一下Q*项目。
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
在路透社的独家报道中，Q Star是一个OpenAI内部的新模型，它可以解决一些数学问题。内部人士表示，虽然Q*模型目前仅仅可能只有小学生的水平，但是它可以解决一些数学问题。而与此前数学推理模型不同的是，Q*模型可能不是通过检索来解决问题，而是有可能有一点真正的人类推理能力。
尽管当前Q*模型能力不那么强，但是它的测试结果很出色，让一些人看到这已经可能是接近AGI的能力了。
而另一家非常著名的媒体，The Information在今天也有一个独家的报道。题目是《OpenAI Made an AI Breakthrough Before Altman Firing, Stoking Excitement and Concern》，里面提到Sam被开除前，他在APEC会议上提到他在OpenAI经历过四次“知识界限”突破，最近的一次就在几周前。原话是“push the veil of ignorance back and the frontier of discovery forward.”
然而，目前并没有关于Q*项目和模型的任何有价值的信息。但是也有很多人从历史的信息中猜测了一部分关于Q*模型技术相关的信息，我们总结一下。
斯坦福AI博士生Silas Alberti从命名习惯和能力上猜测，Q*可能是Q-Learning和A*的结合或者是表示贝尔曼方程的最优解。
Q-Learning是强化学习的一种方法，而A* 算法用于在图形（如地图或网络）中找到从一个节点（起点）到另一个节点（目标）的最短路径。A* 算法和 Q-Learning可能结合的原因是基于这两种算法的互补特性，这种结合可以在复杂的决策环境中发挥出更强大的能力。
二者结合的潜在原因包括：
互补性：A* 算法在已知环境中表现出色，而 Q-Learning在处理不确定性和学习环境动态方面更有效。将这两者结合可能创建一种能够有效处理复杂、动态环境的算法。
路径规划和决策制定：A* 提供了有效的路径规划能力，而 Q 学习能在不确定环境中作出最优决策。结合它们可能使算法能在不确定性较高的环境中找到最优路径，并在此过程中适应环境变化。
提高效率：A* 的启发式搜索可以指导 Q-Learning更快地收敛到最优解，而 Q-Learning的适应性可以帮助 A* 算法更好地处理动态变化的环境。
综上所述，结合 A* 算法和 Q-Learning可能会产生一种既能有效规划路径，又能适应环境变化并进行复杂决策制定的算法，这应该可以大大提高大模型的泛化和推理能力。
贝尔曼最优解（Bellman Optimal Equation）是强化学习和动态规划领域的一个核心概念，由理查德·贝尔曼（Richard Bellman）提出。这个方程式描述了在一个决策过程中，如何找到使长期回报最大化的策略。
不管怎么说，这种猜测都指向Q*很可能是一种采用了 AlphaGo 风格的蒙特卡洛树搜索，这种技术可能会让大模型大大提高推理能力。而且可能极大提高数学问题的解决能力，与报道传闻的突破一致。
GPT-Zero被传闻是OpenAI的科学家Ilya Sutskever在2021年开始的OpenAI内部模型项目，目的是找出一条可行的路径让GPT-4模型能够解决推理、数学或者科学类的问题。而这也是类似DeepMind的AlphaGO的项目。
AlphaGo是一个由DeepMind开发的人工智能程序，专门设计用来玩围棋。这个项目的显著特点是它结合了机器学习和树搜索技术，使用深度神经网络来模拟人类围棋玩家的思维过程。
AlphaGo首次引起广泛关注是在2016年，当时它在一场历史性的比赛中战胜了世界级围棋冠军李世石。此后，AlphaGo继续进化，其改进版本AlphaGo Zero甚至能够在没有任何人类围棋知识的情况下，仅凭自我对弈学习并达到超越专业水平的能力。
注意，这里的最大的一个亮点是，后期的AlphaGo Zero已经不需要人类棋谱来提升能力，而是通过自我对弈学习提升。这也是OpenAI的GPT-Zero可能想解决的问题。即克服没有高质量数据情况下解决模型的继续训练。而Ilya Sutskever的GPT-Zero的目的也是希望可以用计算机生成的数据而不是真实的数据来解决模型训练数据缺乏的瓶颈！
而在最近的Ilya采访中，他表示最近的大模型的阻碍最大的是数据问题，但是这个问题可以被解决：
Without going into too much detail, the data limit can be overcome
Ilya表示，虽然无需赘述，但是这个问题可以被克服，显然这说明内部应该也有一些突破了~
上述两个猜想一个是技术层面一个是数据层面，但是两种路径都是似乎指向用类似AlpahGO Zero的技术解决大模型的继续大规模训练的问题。而NVIDIA的高级AI科学家Jim Fan今天在推特上和马斯克、LeCun讨论了这个问题。
Jim Fan认为使用计算机生成（合成）数据可以提供下一次几十万亿高质量数据集。唯一的问题就是需要想办法确保数据的持续高质量和多样性。而马斯克也认为这是对的。因为一个硬盘就可以装下人类所有的书很可悲，但是合成数据可以生成更多，非常有潜力。而特斯拉据称也在用生成（合成）的数据来做训练（https://www.perplexity.ai/search/tesla-auto-labeling-qN__P2.ES8iMeqa9er3jow?s=c ）。
这也可以理解，毕竟可以用类似仿真的游戏让车不断行驶。
而LeCun则表示：
动物和人类只需少量的训练数据，就能很快变得非常聪明。 我认为新的架构可以像动物和人类一样高效地学习。 使用更多的数据（合成数据或非合成数据）只是暂时的权宜之计，因为我们目前的方法存在局限性。
他认为合成数据只是暂时的方法，最终还是需要依赖模型架构的更新，让它可以像人类一样用少量数据就可以学习。
最后总结一下，虽然没有更多详细的信息，但是大家普遍认为Sam说的OpenAI内部大模型技术的突破应该就是指这个Q*的突破，可能下一代的模型在数学推理和科学任务上会有很大的提升。而这背后可能就是类似数据合成和强化学习的突破！
