OpenAI首席科學(xué)家宣布AI已有微弱自主意識的風(fēng)波，現(xiàn)在仍在擴(kuò)大化。支持方的MIT學(xué)者在自己論文圖表上畫條線，稱當(dāng)下AI的大計算量已達(dá)到產(chǎn)生自主意識的突破閾值，在消息出圈后不得不澄清：「我開玩笑的」。
OpenAI大佬聲稱AI已經(jīng)有自主意識的推特，讓全業(yè)界都炸了鍋，而引發(fā)的罵戰(zhàn)還在繼續(xù)擴(kuò)大化。
當(dāng)然，這種學(xué)界對罵，一般是口說無憑、拿出論文/數(shù)據(jù)效果立馬變樣，不亞于街頭罵戰(zhàn)時一方突然掏出手槍的效果。
MIT的訪問研究學(xué)者塔米·貝西羅格魯在布滿了機(jī)器學(xué)習(xí)模型的圖表上畫了「一條線」，界線以上即是模型「有微弱意識」的程度。
這張圖出自在他與別人合著的預(yù)印本論文「Compute Trends Across Three Eras of Machine Learning」里，其中記錄了自1950年代「機(jī)器學(xué)習(xí)」概念產(chǎn)生以來的業(yè)界幾乎所有重大的研究。
這個推特一出，差點要引發(fā)不亞于之前的聲浪。
2月17日早上，貝西羅格魯不得不澄清：「大家淡定，之前我在圖上畫線那條推特是開玩笑的，線是假的，研究是真的。我倒是希望自己發(fā)現(xiàn)了AI獲取自主意識的秘訣，可惜天不假人?！?/p>
不過，這個情勢顯然已經(jīng)不再由他自己掌控了。
供職于IFP智庫與愛荷華州立大學(xué)的學(xué)者馬特·克蘭西回復(fù)：「不好意思，你這里現(xiàn)在已經(jīng)出圈了，正式成為罵戰(zhàn)的陣線之一?！?/p>
盡管對有自主意識的電腦的恐懼可以追溯到1927電影《大都會》里的「機(jī)器人瑪麗婭」，但研究者常常會嘲笑這個概念。
因為這種事發(fā)生的可能性實在太過渺茫，而且在擔(dān)心終結(jié)者活過來之前，各種「人工智障」的普通AI已經(jīng)需要避免被不當(dāng)使用了。
《大都會》劇照
薩茨克維爾與現(xiàn)任老板山姆·奧特曼（Sam Altman）、著名網(wǎng)紅馬斯克當(dāng)年合創(chuàng)的OpenAI，現(xiàn)在是業(yè)界當(dāng)之無愧的研發(fā)火車頭。其開發(fā)的GPT系列模型，是全球AI人都艷羨的著名先進(jìn)模型。
數(shù)據(jù)報道網(wǎng)站「用數(shù)據(jù)呈現(xiàn)世界」（Our World in Data）有AI系統(tǒng)訓(xùn)練計算量的逐年與分領(lǐng)域趨勢圖。
在1952年的古代，計算次數(shù)每秒過萬已是尖端科技巔峰。而當(dāng)下的大型尖端模型，每秒浮點計算次數(shù)動輒每秒1千萬億億次，為了跑這種大模型，Meta等大公司被逼到建造之前只有國家政府才舍得投資的超級計算機(jī)了。
因此當(dāng)OpenAI的領(lǐng)軍人表示AI有自主意識時，已被當(dāng)代AI進(jìn)步眩目的公眾更加迷惑和反對，也在情理之中。
如果沒其他收獲的話，至少這次罵戰(zhàn)讓研究者們更加關(guān)注「何為自主意識」的定義了，或許對推動研究會有少許助益。
不過網(wǎng)友表示，這種罵戰(zhàn)已經(jīng)快成了定期的八卦項目。「每五年就會來一次，每次都是瞎編故事和模糊定義參數(shù)，大家已經(jīng)看乏了?！?/p>
十年后，計算機(jī)視覺會有多大的進(jìn)步？機(jī)器會不會比我們寫小說寫得更好？哪些工作我們將能夠?qū)崿F(xiàn)自動化？
想要回答這些問題是十分困難的，然而，有一個因素卻貫穿始終，它在時間上的規(guī)律性令人吃驚——計算量。
為此，來自阿伯丁大學(xué)、圣安德魯斯大學(xué)、麻省理工學(xué)院、圖賓根大學(xué)和馬德里康普頓斯大學(xué)等機(jī)構(gòu)的研究人員對里程碑式的ML模型隨時間變化的計算量需求做了的詳細(xì)調(diào)查：
1. 一個由123個里程碑式的機(jī)器學(xué)習(xí)系統(tǒng)組成的數(shù)據(jù)集，并標(biāo)注了訓(xùn)練這些系統(tǒng)所需的計算量。
2. 將計算量的趨勢歸納為三個不同的時代：前深度學(xué)習(xí)時代（Pre Deep Learning Era）、深度學(xué)習(xí)時代（Deep Learning Era）和大規(guī)模時代（Large-Scale Era）。
論文鏈接： https://arxiv.org/abs/2202.05924
簡而言之，在深度學(xué)習(xí)興起之前，機(jī)器學(xué)習(xí)模型的訓(xùn)練計算量有一個緩慢增長的時代。
2010年左右，這一趨勢加速發(fā)展，此后一直沒有放緩。
另外，在2015年到2016年，出現(xiàn)了大規(guī)模模型的新趨勢，增長速度確定，但增速超過了過去時代速度的兩個數(shù)量級。
1952年至2022年期間，n=118個里程碑式的ML模型的趨勢
主要結(jié)果
作者發(fā)現(xiàn)，在深度學(xué)習(xí)出現(xiàn)之前和之后有兩個非常不同的趨勢機(jī)制。
在此之前，訓(xùn)練ML系統(tǒng)所需的計算量每17至29個月翻一番。隨后，整體趨勢加快，每4到9個月翻一番。
前深度學(xué)習(xí)時代的趨勢大致符合摩爾定律：晶體管密度大約每兩年翻一番，不過通常被簡化為計算性能每兩年翻一番。
深度學(xué)習(xí)時代通常被認(rèn)為是在2012年隨著AlexNet的誕生而開始的，而作者認(rèn)為，根據(jù)現(xiàn)有的證據(jù)，2010年是最符合這個時代開始的時間。
不過在這個界定上，不管是選擇2010年還是2012年，都不會對整體的結(jié)果產(chǎn)生顯著影響。
1952年至2022年期間，n=118個里程碑式的ML系統(tǒng)的訓(xùn)練計算量的趨勢
1952年至2022年ML模型的對數(shù)線性回歸結(jié)果
數(shù)據(jù)表明，在2015-2016年左右，出現(xiàn)了大規(guī)模模型的新趨勢。
這個新趨勢從2015年底的AlphaGo開始，一直持續(xù)到現(xiàn)在。這些大規(guī)模的模型是由大公司訓(xùn)練的，他們更高額的訓(xùn)練預(yù)算大概是打破之前趨勢的原因。
另外，常規(guī)規(guī)模模型的趨勢繼續(xù)不受干擾。這個趨勢在2016年之前和之后都是連續(xù)的，并且計算量有持續(xù)的發(fā)展速度，每5到6個月翻一番
大規(guī)模模型的計算量增加的趨勢顯然比較緩慢，每9到10個月翻一番。
不過，由于關(guān)于大規(guī)模模型的數(shù)據(jù)有限，作者推測，明顯的放緩可能是噪聲的結(jié)果
2010年至2022年期間，n=99個里程碑式ML系統(tǒng)的訓(xùn)練計算量的趨勢
2010年至2022年之間數(shù)據(jù)的對數(shù)線性回歸結(jié)果
不同領(lǐng)域的機(jī)器學(xué)習(xí)模型依賴于不同的架構(gòu)，因此可以自然地預(yù)期它們會受到不同的擴(kuò)展規(guī)律的影響。
由此，作者調(diào)查了視覺、語言、游戲和其他12個領(lǐng)域的機(jī)器學(xué)習(xí)模型訓(xùn)練計算量增加趨勢。
視覺和語言領(lǐng)域的趨勢隨著時間的推移似乎相當(dāng)一致，并按照與整個數(shù)據(jù)集相同的倍增模式增長。
然而，在游戲領(lǐng)域中卻無法找到一致的趨勢。作者猜測，可能的原因是數(shù)據(jù)太少，而不同的游戲本質(zhì)上是屬于不同領(lǐng)域的，此外，也可能是因為沒有像其他領(lǐng)域那樣得到系統(tǒng)性的推動。
2010年至2022年期間每個領(lǐng)域訓(xùn)練計算量的趨勢
每個領(lǐng)域從2009年到2022年的趨勢
在本文中，作者通過策劃100多個里程碑式的ML系統(tǒng)的訓(xùn)練計算量數(shù)據(jù)集來研究計算量的趨勢，并使用這些數(shù)據(jù)來分析這一趨勢是如何隨時間增長的。
在前深度學(xué)習(xí)時代（1952年到2010年），計算量增長緩慢。
2010年左右，隨著過渡到深度學(xué)習(xí)時代，這一趨勢加快了。
2015年底，大公司開始發(fā)布跨時代的大規(guī)模模型，如AlphaGo，標(biāo)志著大規(guī)模時代的開始。
用這三個時代來框定趨勢，有助于解釋在數(shù)據(jù)中觀察到的不連續(xù)現(xiàn)象，并讓人更好地理解更好地理解最近的ML進(jìn)展是由規(guī)模的增加所推動的，從而改善對先進(jìn)ML系統(tǒng)發(fā)展的預(yù)測。
不過，有些遺憾的是本文并沒有詳細(xì)剖析用于訓(xùn)練機(jī)器學(xué)習(xí)模型的另一個關(guān)鍵可量化資源——數(shù)據(jù)集。
作者表示會將在未來的工作中研究數(shù)據(jù)集大小的趨勢以及它們與計算趨勢的關(guān)系。
而本想借機(jī)宣傳一下論文的貝西羅格魯，恐怕學(xué)到的要比其他合著者們更多：「貝西羅格魯法則：不管研究者的推特笑話有多明顯，只要你夠資深，總有傳媒會當(dāng)真」。
https://wordpress.futurism.com/mit-researcher-conscious-ai/amp
https://arxiv.org/abs/2202.05924
https://twitter.com/tamaybes/status/1493682157914578944
本文來自微信公眾號“新智元”（ID:AI_era），作者：新智元，36氪經(jīng)授權(quán)發(fā)布。
關(guān)鍵詞：
