来源：机器之心

编辑：Panda、泽南

大模型的 scaling law 到头了？行业龙头 OpenAI 在转换策略。

有研究预计，如果 LLM 保持现在的发展势头，预计在 2028 年左右，已有的数据储量将被全部利用完。届时，基于大数据的大模型的发展将可能放缓甚至陷入停滞。

来自论文《Will we run out of data? Limits of LLM scaling based on human-generated data》

但似乎我们不必等到 2028 年了。昨天，T一篇独家报道《随着 GPT 提升减速，OpenAI 改变策略》，其中给出了一些颇具争议的观点：

OpenAI 的下一代旗舰模型的质量提升幅度不及前两款旗舰模型之间的质量提升；

AI 产业界正将重心转向在初始训练后再对模型进行提升；

OpenAI 已成立一个基础团队来研究如何应对训练数据的匮乏。

文章发布后，热议不断。OpenAI 著名研究科学家 Noam Brown 直接表示了反对（虽然那篇文章中也引用了他的观点）。他表示 AI 的发展短期内并不会放缓。并且他前些天还在另一篇 X 推文中表示，对于 OpenAI CEO 山姆・奥特曼的 AGI 发展路径已经清晰的言论（「事情的发展速度将比人们现在预想的要快得多」），OpenAI 的大多数研究者都表示比较认同。

著名 X 博主 @apples_jimmy 甚至直斥之为 Fake News，毕竟奥特曼说过 AGI 很快就要实现了。OpenAI 的 Adam GPT 则给出了更详细的反对意见。他表示大模型的 scaling laws 和推理时间的优化是两个可以互相增益的维度。也就是说就算其中一个维度放缓，也不能得出 AI 整体发展放缓的结论。

OpenAI 产品副总裁 Peter Welinder 也认同上述看法。

当然，也有人认同这篇文章的观点，比如一直有类似观点的 Gary Marcus 表示这篇文章宣告了自己的胜利。

数据科学家 Yam Peleg 也表示某前沿实验室的 scaling laws 出现了巨大的（HUGE）受益递减问题。

大多数吃瓜群众基本认同 OpenAI 相关人士公开发布的意见，毕竟该公司虽然存在无数的争议和八卦，但目前仍旧是当之无愧的行业领导者。也就是说，相比于媒体揣测，OpenAI 的话会更可信一些。

不过有意思的是，这篇报道也宣称很多信息来自 OpenAI 内部员工和研究者。当然，该媒体没有给出具体的信息源。下面我们就来看看这篇引发广泛的争议的报道究竟说了什么。

使用 ChatGPT 和其他人工智能产品的人数正在飙升。不过，支撑这些产品的基本构建模块的改进速度似乎正在放缓。

为了弥补这种减速，OpenAI 正在开发新技术来增强这些构建模型，即大型语言模型。

据一位知情人士透露，尽管 OpenAI 只完成了 Orion 训练过程的 20%，但奥特曼表示，在智能和完成任务和回答问题的能力方面，它已经与 GPT-4 不相上下。

据一些使用或测试过 Orion 的 OpenAI 员工称，虽然 Orion 的性能最终会超过之前的型号，但相比于该公司发布的最新两款旗舰模型 GPT-3 和 GPT-4 之间的飞跃，质量的提升要小得多。

据这些员工称，该公司的一些研究者认为，在处理某些任务方面，Orion 并不比其前代模型更好。据 OpenAI 的一名员工称，Orion 在语言任务上表现更好，但在编程等任务上可能不会胜过之前的模型。其中一位员工表示，这可能是一个问题，因为与 OpenAI 之前发布的其他模型相比，Orion 在 OpenAI 数据中心运行的成本可能更高。

Orion 的情况可以检验人工智能领域的一个核心假设，即 scaling laws：只要有更多数据可供学习，并有更多的计算能力来促进训练过程，LLM 就能继续以相同的速度提升性能。

为了应对近期 GPT 提升放缓对基于训练的 scaling laws 带来的挑战，AI 行业似乎正在将精力转向训练后对模型进行改进，这可能会产生不同类型的 scaling laws。

包括 Meta 的马克・扎克伯格在内的一些 CEO 表示，在最坏的情况下，即使当前技术没有进步，仍有很大空间在现有技术的基础上构建消费者和企业产品。

例如，OpenAI 正忙于将更多的编程功能融入其模型中，以抵御来自竞争对手 Anthropic 的重大威胁。后者正在开发一种软件，其可以接管用户电脑，通过像人类一样执行点击、光标移动、文本输入来使用不同的应用程序，从而完成涉及网络浏览器活动或应用程序的白领工作。

这些产品是向处理多步骤任务的 AI 智能体迈进的一部分，可能与 ChatGPT 最初发布时一样具有革命性。

此外，扎克伯格、奥特曼和其他 AI 开发商的首席执行官也公开表示，他们尚未达到传统 scaling laws 的极限。因此，OpenAI 等公司仍在开发昂贵的、价值数十亿美元的数据中心，以尽可能多地提升预训练模型的性能。

然而，OpenAI 研究者 Noam Brown 上个月在 TEDAI 大会上表示，更先进的模型可能在经济上不可行。

「毕竟，我们真的要花费数千亿美元或数万亿美元训练模型吗？」 Brown 说。「在某个时候，scaling 范式会崩溃。」

OpenAI 尚未完成对 Orion 的安全性的漫长测试过程。其员工们表示，OpenAI 明年初发布 Orion 时，可能不再采用其旗舰模型的传统「GPT」命名惯例，进一步凸显 LLM 改进方式的变化。（OpenAI 发言人没有对此发表评论。）

撞上数据南墙

OpenAI 员工和研究者表示，GPT 速度放缓的原因之一是高质量文本和其他数据的供应量正在减少，而这些数据是 LLM 预训练所必需的。

他们表示，在过去几年中，LLM 使用来自网站、书籍和其他来源的公开文本和其他数据进行预训练，但模型开发者基本上已经从这类数据中榨干了尽可能多的资源。

作为回应，OpenAI 成立了一个基础团队，由之前负责预训练的 Nick Ryder 领导。他们表示，该团队将研究应对训练数据的匮乏，以及大模型的扩展定律将持续到什么时候。

据 OpenAI 的一名员工称，Orion 部分接受了 AI 生成的数据的训练，这些数据由其他 OpenAI 模型生成，包括 GPT-4 和最近发布的推理模型。然而，这位员工表示，这种合成数据导致了一个新问题，即 Orion 最终可能会在某些方面与那些旧模型相似。

风险投资人 Ben Horowitz 表示：「我们正在以同样的速度增加『用于训练 AI 的 GPU 数量』，但我们并没有从中获得任何智能改进。」

OpenAI 研究人员正在利用其他工具在训练后过程中改进 LLM，通过改进它们处理特定任务的方式。研究人员通过让模型从大量已被正确解决的问题（如数学或代码问题）中学习来实现这一目标，这一过程称为强化学习。

他们还要求人类评估人员在特定的代码或复杂问题任务上测试预训练模型，并对答案进行评分，这有助于研究人员调整模型以改进其对某些类型请求（例如写作或代码）的回答水平。这个过程称为带有人类反馈的强化学习（RLHF），也为较旧的人工智能模型提供了帮助。

为了处理这些评估，OpenAI 和其他人工智能开发人员通常依靠 Scale AI 和 Turing 等初创公司来管理数千名承包商。

随着 OpenAI 技术的演进，研究人员继续开发出了名为 o1 的推理模型，该模型需要更多时间「思考」LLM 训练的数据，然后才能给出答案，这一概念称为测试时间计算。

这意味着，如果在模型回答用户问题时为其提供额外的计算资源，即使不更改底层模型，o1 的响应质量也可以继续提高。一位了解这一过程的人士表示，如果 OpenAI 能够不断提高底层模型的质量，即使速度较慢，也能产生更好的推理结果。

「这为大模型的扩展开辟了一个全新的维度，」Brown 在 TEDAI 会议上表示。研究人员可以通过将「每个查询花费一分钱提到每个查询花费一毛钱」来改善模型响应。

奥特曼也强调了 OpenAI 推理模型的重要性，它可以与 LLM 相结合。

「我希望推理能解锁很多我们等待多年的事情 —— 例如，像这样的模型能够为科学研究做出贡献，帮助编写更多非常困难的代码，」奥特曼在 10 月的一次应用开发者活动中说道。

在最近接受 Y Combinator 首席执行官 Garry Tan 采访时，奥特曼表示，「我们基本上知道该怎么做」才能实现通用人工智能，即与人类智力相当的技术 —— 其中的一部分涉及「以创造性的方式使用现有模型」。

数学家和其他科学家表示，o1 对他们的工作很有帮助，因为它可以充当可以提供反馈或想法的伙伴。但两位了解情况的员工表示，该模型目前的价格比非推理模型高出六倍，因此它还没有广泛的客户群。

「突破渐近线」

一些向人工智能开发者投入了数千万美元的投资者怀疑，大语言模型的进步速度是否开始趋于平稳。

Ben Horowitz 的风险投资公司已经投资了 OpenAI、Mistral 和 Safe Superintelligence 等公司，他在 YouTube 频道里表示：「我们正在以同样的速度增加『用于训练人工智能的 GPU』的数量，但我们根本没有从中获得智能改进。」

Horowitz 的同事 Marc Andreessen 在同一视频中则表示，「有很多聪明人正在努力突破渐近线，想办法达到更高水平的推理能力。」

企业软件公司 Databricks 的联合创始人兼主席联合开发者 Ion Stoica 表示，大模型的表现可能在某些方面已经停滞，但在其他方面仍在进步。

Stoica 表示，尽管大模型在代码和解决复杂、多步骤问题等任务方面不断改进，但其在执行通用任务（如分析一段文本的情感或描述医疗问题的症状）方面似乎进展缓慢。

「对于常识性问题，你可以说，目前我们看到 LLM 的表现停滞不前。我们需要 [更多] 事实数据，而合成数据没有太大帮助，」他说道。

你觉得 AI 发展的 scaling laws 速度放缓了吗？推理时间计算能否成为新的性能提升来源？请与我们分享你的观点。