OpenAI 路线遭质疑,Meta 研究员:根本无法构建超级智能
日期:2025-06-20 22:30:36 / 人气:24
超级智能作为超越通用人工智能(AGI)的更高层级 AI 目标,吸引着 Meta、OpenAI 等科技巨头重金投入。OpenAI 首席执行官 Sam Altman 曾表示构建超级智能是 “工程问题”,暗示已有可行路径。然而,Meta AI 研究员 Jack Morris 公开质疑:基于大语言模型(LLM)的强化学习(RL)路线,根本无法实现超级智能。
Morris 在博客中剖析了实现超级智能的三大可能方向:监督学习(SL)、基于人类验证的 RL、基于自动验证的 RL。他认为,当前最好的 AI 系统依赖互联网文本数据,非文本数据(如图像、视频)尚未证明能提升模型性能。因为文本是人类思维的直接映射,蕴含高价值信息,而原始感官数据缺乏这种 “预处理” 优势。但随着数据抓取趋于极限,“数据墙” 危机正在逼近。

在学习算法层面,SL 通过预测下一个 token 训练模型,曾被认为可能催生超级智能。但 Morris 指出,如今模型参数扩展面临硬件和电力瓶颈,10^19 参数规模难以企及;即便实现,仅靠预测人类文本也无法突破通用智能。RL 虽能通过反馈优化模型,但存在冷启动等难题,需结合 SL 解决。
基于人类验证的 RL,受限于标注成本和人类本身非超级智能的局限性,难以提供可靠的训练信号。而基于自动验证的 RL(如 OpenAI 的 o1 模型通过可验证奖励训练),虽在数学题、编程等可验证任务上表现出色,但 Morris 质疑其迁移能力 —— 解决数学问题的能力能否迁移到预订机票?提升编程能力能否让模型成为优秀工程师?
他悲观预测:LLM 将在训练范围内的任务持续优化,但无法进化为单一的超级智能模型。这场关于超级智能路线的争论,不仅关乎技术路线选择,更预示着 AI 未来发展方向的激烈博弈。
作者:长运娱乐
新闻资讯 News
- 韩国出境游重构:自由行浪潮下的...07-01
- 中国为何飞不起全球最大客机 A3...07-01
- 特斯拉上市十五周年:战略转变下...07-01
- 学习机拼 AI,谁是赢家?07-01