2003年夏天的一個周日，AI教父Hinton在多倫多大學(xué)的辦公室里敲代碼，突然響起略顯莽撞的敲門聲。

門外站著一位年輕的學(xué)生，說自己整個夏天都在打工炸薯條，但更希望能加入Hinton的實驗室工作。

Hinton問，你咋不預(yù)約呢？預(yù)約了我們才能好好談?wù)劇?/p>

學(xué)生反問，要不就現(xiàn)在吧？

這位年輕學(xué)生就是Ilya Sutskever，剛剛完成本科二年級的數(shù)學(xué)課程，從教務(wù)處打聽到“想學(xué)機器學(xué)習(xí)，最好去找Hinton教授”。

他照做了，也因此成就了一段傳奇：

從AlexNet到AlphaGo，他兩次參與改變世界的研究。

OpenAI創(chuàng)立之初挖他去當(dāng)首席科學(xué)家，在他的領(lǐng)導(dǎo)下，推出了GPT系列早期版本、DALL·E系列、代碼大模型Codex，直到ChatGPT，再次改變世界。

多年后，他發(fā)動董事會內(nèi)訌，最終與OpenAI徹底分道揚鑣，全世界都在等待著他的下一個動作。

在OpenAI的時候，Ilya并不像Altman那樣到處拋頭露面，也不像Brockman天天在網(wǎng)上分享自己的“編程之禪”。

僅有的幾次演講和訪談中也多是聊技術(shù)、宏觀思考，不常談及自己的經(jīng)歷，最近半年更是銷聲匿跡。

這次的故事，正是來自他的博士導(dǎo)師Geoffrey Hinton。

在與Sana Labs創(chuàng)始人的最新對話節(jié)目中，Hinton不僅講了自己的事，還回憶了師徒共事期間的一些往事。

20多年過去了，很多細節(jié)在Hinton的敘述里還是那么鮮活。

這段訪談錄像理所當(dāng)然的火了，除了軼事之外，還涉及Ilya的一些學(xué)術(shù)思想怎么來的，又是如何發(fā)展：

• 2010年Ilya就用GPU開發(fā)了一種語言模型
• Scaling Law最早是他的一種直覺
• 兩人都認為”語言模型不只是預(yù)測下一個token“
• 兩人都認同“預(yù)測即壓縮壓縮即智能”

那么，Hinton眼中的Ilya，到底是什么樣子？

驚人的原始直覺

Ilya加入實驗室后，Hinton給他布置的第一個任務(wù)是讀論文，一篇關(guān)于反向傳播的論文。

下一個周會，Ilya回來報告了，說“我不理解”。

Hinton很失望，內(nèi)心OS：“這孩子看著挺機靈的，咋連鏈式法則求導(dǎo)這么基礎(chǔ)的東西都看不懂？”

Ilya連忙解釋，哦這個部分我懂了，我不理解的是，為什么不給梯度加一個sensible functional optimizer？

Hinto團隊后來花了好幾年來解決這個問題，最初指出問題的卻是剛?cè)腴T一周的Ilya。

像這樣的情況后面還在反復(fù)發(fā)生……Hinton如此評價Ilya：

他對事物的原始直覺總是非常好。

但Hinton也說搞不清楚Ilya這種直覺從何而來，或許歸功于他從小就對人工智能問題感興趣，再加上數(shù)學(xué)基礎(chǔ)很棒。

除了研究直覺，學(xué)生時期的Ilya也展現(xiàn)了超強的代碼和工程能力。

當(dāng)時還沒有TenserFlow或Torch之類流行框架，機器學(xué)習(xí)的主要工具和平臺是Matlab。

一項工作需要在Matlab里調(diào)整大量矩陣乘法代碼，Ilya做了一段時間就很不耐煩，說要為Matlab寫一個界面：

我用其他（Python等更方便的）語言寫代碼，然后能自動轉(zhuǎn)成Matlab代碼就好了。

Hinton聽說后苦口婆心勸他，你可別，這得花上一個月時間，我們不要分心，把手頭項目先做完。

Ilya卻輕描淡寫地說，害，沒事，今天早上我已經(jīng)寫完了。

△這項工作出現(xiàn)在Ilya的博士畢業(yè)論文里

打小就堅信Scaling Law

正如Hinton所言，Ilya在很多問題上有驚人的直覺。

今天全AI圈不少人信奉的Scaling Law，Ilya學(xué)生時代就已堅信，并抓住各種機會向身邊的人安利：

只要（把模型）做得更大，它們就會發(fā)揮更好的作用。

后來到OpenAI成立之初，Ilya的表述更加完善了：

如果你有一個大而深的神經(jīng)網(wǎng)絡(luò)，可以在大量數(shù)據(jù)上進行訓(xùn)練，那么你實際上可以解決任何模式識別問題。

早年間Hinton看來，這就像是研究者在沒有創(chuàng)新的想法時，一種“逃避責(zé)任”的表現(xiàn)。

當(dāng)時的我錯了，而Ilya基本上是對的。

比如Transformer確實是一種創(chuàng)新想法，但實際上起作用的還是規(guī)模，數(shù)據(jù)的規(guī)模和計算的規(guī)模。

Hinton提到在當(dāng)年那個時間節(jié)點，沒人敢預(yù)料計算機速度今后會快上10億倍，最多想象到快100倍就不得了。

如果有今天的計算機，當(dāng)年研究的難題可能會自行解決，包括語言模型問題。

（此處應(yīng)插入比爾蓋茨曾預(yù)言64k內(nèi)存就足夠任何人用了笑話)

Ilya在2003年加入Hinton的實驗室，不知具體何時開始有了Scaling Law的想法，可能在他腦海里已經(jīng)盤旋了20多年。

后來直到2020年，GPT-3發(fā)布的幾個月前，OpenAI團隊才正式在論文中向世人完整定義和介紹這一理念。

在語言模型上用GPU，比AlexNet更早

2010年底，Ilya和另一個學(xué)生James Martens（現(xiàn)DeepMind研究科學(xué)家）合作研究了一種語言模型，后來入選ICML 2011。

RNN架構(gòu)，使用維基百科數(shù)據(jù)，在8張當(dāng)時最先進的GPU上訓(xùn)練，比在AlexNet上使用GPU還早兩年。

與今天的大語言模型預(yù)測下一個token不一樣，當(dāng)時他們嘗試的是一次預(yù)測一個字符。

這款模型能力有限，比如給一段起始文字，模型可以繼續(xù)生成看起來像維基百科文章的語句。

雖然語意上像是胡言亂語，但語法和標點符號大部分是準確的，引號和括號已經(jīng)能成對出現(xiàn)，主語和動詞形態(tài)一致，比如論文中的一段：

生命的意義是古代人類繁殖的傳統(tǒng)：對于好男孩什么時候移除她更大的來說，并不是很有利。在這個節(jié)目的協(xié)議中，幾乎一致地重新浮現(xiàn)……

當(dāng)時多倫多大學(xué)校刊的采訪中，Ilya認為這已經(jīng)超出了所有人的預(yù)期：

它發(fā)現(xiàn)了單詞的存在，也發(fā)現(xiàn)了語法。

Hinton理智上也無法去相信這個系統(tǒng)能“理解”任何事，但它看起來就像是理解了。

比如給它一個地點組成的列表，它可以繼續(xù)生成地點，盡管還分不出國家和州的區(qū)別。

當(dāng)年的Ilya并不愿意討論這項工作的潛在應(yīng)用。

在維基百科上成功后，團隊又嘗試了紐約時報文章數(shù)據(jù)，目標是教會它根據(jù)文字識別不同作者的身份。

但Ilya已經(jīng)想到并承認，如果做的足夠好，這項技術(shù)有一天可能成為洗稿軟件的基礎(chǔ)。

如今，這篇論文的代碼依然存放在多倫多大學(xué)的服務(wù)器上，供感興趣的人研究。

不止是預(yù)測下一個token

后來的AlexNet、師徒三人“拍賣”自己加入谷歌等大家已熟知的故事，這里先略過。

Ilya加入OpenAI后，雖然不再與Hinton共事，但兩人的學(xué)術(shù)思想始終在一條路上。

ChatGPT問世后，不少人批評大模型本質(zhì)上只是統(tǒng)計學(xué)，預(yù)測下一個token，就像隨機模仿人類說話的鸚鵡。

但Hinton和Ilya師徒二人都認為，遠不止如此。

在Hinton眼中，問題之后的下一個token，便是答案的第一個token。

因此學(xué)會預(yù)測，就意味著必須學(xué)會理解問題。

這種理解的方式與人類相似，同時與老式基于三元組數(shù)據(jù)的自動補全有根本不同。

今天我們現(xiàn)在已經(jīng)看到了，做一個大語言模型，不刻意訓(xùn)練其推理能力，就產(chǎn)生了推理能力。

這就是大腦如何學(xué)習(xí)，你在預(yù)測視覺的下一幀、聽覺的下一個聲音。

Ilya更是不遺余力傳播這套理論，在去年和英偉達老黃的爐邊對話中說了這個，在OpenAI內(nèi)訌兩周前最后一個公開采訪中也講了這個：

當(dāng)我們訓(xùn)練一個大型神經(jīng)網(wǎng)絡(luò)來準確預(yù)測互聯(lián)網(wǎng)上許多不同文本中的下一個單詞時，我們所做的就是學(xué)習(xí)一個世界模型。

從表面上看，可能只是在學(xué)習(xí)文本中的統(tǒng)計相關(guān)性。

但事實證明，為了“只是學(xué)習(xí)”文本中的統(tǒng)計相關(guān)性，為了壓縮它們，神經(jīng)網(wǎng)絡(luò)需要學(xué)習(xí)的是文本生成過程的某種表示。

文本實際上是對世界的投影。

在另一場采訪中，他走的更遠：

很好地預(yù)測下一個token，意味著了解創(chuàng)造該token的深層現(xiàn)實。

這不僅是統(tǒng)計學(xué)，而是理解創(chuàng)造了這些統(tǒng)計數(shù)字的那個世界。

如果真的很擅長預(yù)測下一個token，就可能根據(jù)普通人如何行動的數(shù)據(jù)，外推出擁有非凡智慧和洞察力的人如何行動，盡管這種人可能并不存在。

這就是Ilya認為的，為什么“預(yù)測下一個token”范式有可能抵達AGI，甚至有可能超越人類直至ASI。

預(yù)測即壓縮，壓縮即智能

在不同場合提到“預(yù)測下一個Token”時，Ilya大概率會同時提到“壓縮”，他認為預(yù)測即是壓縮，壓縮就是智能的來源。

但Ilya總是從理論的角度去解釋這個想法，并不容易讓所有人都能理解。

比如在UC Berkley的一場演講中，他這樣解釋：

- “Kolmogorov壓縮器”，是理論上能生成特定數(shù)據(jù)集的、長度最短的一段程序，能最小化遺憾值。

- 隨機梯度下降，可以看成在軟計算機（比如大型Transformer）的權(quán)重里，搜索隱含的“Kolmogorov壓縮器”。

- 神經(jīng)網(wǎng)絡(luò)越大，就越能更好的近似“Kolmogorov壓縮器”，遺憾值越低。

Hinton也認同這個說法，并且在訪談中舉了非常形象的例子。

大模型做的是尋找共同結(jié)構(gòu)，使用共同結(jié)構(gòu)編碼事物，這樣效率更高。

如果你問GPT-4堆肥和原子彈相似性在哪，大多數(shù)人類都回答不出來，認為它們是非常不同的兩種東西。

GPT-4會告訴你，雖然他們的能量規(guī)模不同，時間尺度不同，但仍有相同之處：

• 當(dāng)堆肥變熱時，產(chǎn)生熱量的速度就更快。
• 當(dāng)原子彈產(chǎn)生更多中子時，產(chǎn)生中子的速度也更快。

通過類比，AI就理解了“鏈式反應(yīng)”的概念。

Hinton認為，AI在利用這種理解去將所有信息壓縮到自己的權(quán)重中。

一但AI這樣做了，那么它就有能力理解數(shù)百種人類還未見過的類比，這就是創(chuàng)造力的來源。

Hinton眼中什么是好學(xué)生？

說回到兩人相遇時，Hinton談到，與他交談沒多久就能看出他很聰明。

再多交談一會，就能發(fā)現(xiàn)他有很好的直覺，而且擅長數(shù)學(xué)。

所以選Ilya做學(xué)生是非常容易做出的決定。

那么如何挑選其他學(xué)生？Hinton也用了Ilya最擅長的方法：跟著直覺走。

如果一個人輕信別人告訴他的一切，那就太致命了。

不輕信他人，而是嘗試將新信息融入自己對世界的理解框架中，如果融入不進去，就拒絕，這是很好的策略。

如果試圖吸收被告知的一切，最終會得到一個非常模糊的框架。相信一切，但是沒有用處。

所以Hinton眼中的好學(xué)生，應(yīng)該擁有一個堅定的世界觀，并試圖擺弄輸入的事實以適應(yīng)你的觀點。

這樣雖然也可能陷入深信宗教或堅持致命錯誤，但我認為這種方法仍是正確的。

后來我們也能看到，兩人都是秉持這樣的理念，堅持著“大模型不止是預(yù)測下一個token”，堅持著“預(yù)測即壓縮，壓縮即智能”。

他們也都堅持認為，這個世界應(yīng)該更加重視AI帶來的風(fēng)險，一個因此離開了工作10年的谷歌，一個因此離開了一手拉扯大的OpenAI。

Hinton訪談完整視頻https://www.youtube.com/watch?v=tP-4njhyGvo