戏精 OpenAI 又放炮了，2027年是AGI元年，你信吗
这两天网上流传着一个OpenAI内部泄密的文件，揭秘了OpenAI 的 Q* 项目，说它们计划在 2027 年创建并推出通用人工智能 (AGI)。这个事情被一些好事之徒宣扬，搞得像人类末日一样。
出于好奇，我停下了手头的工作，去网上搜索并下载了一份，看完，我不禁发出了猪笑声。
文章比较很长，但它的摘要已经把事情讲清楚了，我们来看一下，然后点评几句。
- OpenAI 于 2022 年 8 月开始训练 125 万亿参数的多模态模型。
- 第一步叫Arrakis，也称为Q*。 该模型于 2023 年 12 月完成训练，但发布时间前 由于推理成本高而被取消。 这是最初的 GPT-5，计划于 2025 年发布。
- 戈壁(Gobi)，原先的GPT-4.5被更名为 GPT-5，因为原来的 GPT-5 已被取消。
- Q* 的下一阶段最初是 GPT-6，但后来更名为 GPT-7（最初于 2026 年发布）由于埃隆·马斯克的诉讼而被搁置
- Q* 2025 (GPT-8) 计划于 2027 年发布，实现全面的 AGI
下面是Q*项目各个阶段对应的人脑智商：
Q* 2023 = 48 智商
Q* 2024 = 96 IQ（推迟）
Q* 2025 = 145 IQ（推迟）
然后这个泄密者煞有介事的补充了几点：
- 埃隆·马斯克的诉讼导致Q*项目的延误，所以他现在透露这些信息不会对OpenAI造成进一步的伤害。
- 他重新定义了通用人工智能
- 他认为Q*可以拥有AGI，是因为它的参数个数超过100万亿 – 这是人类神经元突触的总数。
对第一条，我完全不理解。如果你是OpenAI的员工，你和公司签有保密协议，只要文件没有被解密，你就不能泄密，这跟对公司有没有伤害是两码事。如果你不是，那么请问你是如何得到这份文件的？考虑到他在文件头上加的那段话，和OpenAI的一贯作风，给我的感觉就是在制造话题搞营销。
对第二条，我认为每个人有权利定义自己的AGI，但最终还是要获得公众的认可。就算我们以他的定义，“人工智能可以完成聪明人可以完成的任何智力任务”，但是一个多模态大模型并不能完全覆盖全部的智力任务。更重要的，现在的模型都基于大规模的训练数据，如果训练数据没有覆盖某个领域，大模型是完全没有自己学习研究的能力，
- 它们需要人类准备训练数据，准备这些数据本身就是一个智力过程，而目前没有一个模型有这种能力。你会说，OpenAI会设计一个模型来准备训练数据。但还是需要人来设计这个模型。人类会从无到有创建一个东西，比较典型的例子就是 C 语言编译器创建过程，它是一个渐进的过程，需要从无到有逐步完善，OpenAI的AGI能吗？
- 它们没有学习的*具身*。具身认知才是真正的人工智能。具身要求人工智能有一个身体，能够真正的看，听，感知世界，然后它才能像人一样从事研究。大模型最多只能算是一个缸中之脑，生活在OpenAI通过各种训练数据给他编织的世界里。
对第三条，我在人工神经网络和生物神经网络比较一文中做了介绍。人类的突触总数在100万亿这个量级。一个大模型的参数可以类比为突触数量。但是这并不说明拥有100万亿的参数可以比拟人类大脑。因为：
- 生物神经元的输入由三部分组成，从其他神经元来的电信号，化学信号，神经元细胞内的信号，输出也是三部分，电信号，化学信号和改变自身状态。而人工神经元只有电信号。生物神经元的输入有兴奋和抑制类型，抑制信号对决策起决定作用。
- 生物神经元有很多形态，每种形态代表了不同的功能。人工神经元功能相对比较单一，激活函数只能部分表达生物神经元底层的编码能力。
- 人类神经元的电信号编码方式是脉冲形式，我们还不了解这种方式对智能的影响。
- 在网络结构的复杂度和可塑性上：
- 生物神经网络的结构要比人工神经网络复杂和精细得多，随着生理神经学的进展，很多新的网络结构被发现，并启发了人工智能专家，比如最近的很火的注意力机制的灵感来自人类的视觉系统。
- 在人体尺度上，生物神经系统还存在更复杂的结构，比如大脑皮质的分层体系结构，脑区域内、区域间的前馈和反馈连接，以及多层脑构建块的模体等等，还有中枢神经系统和周围神经系统之间的结构等等。在这些方面，人工神经系统基本是空白，等待着人们的研究和开发。
- 人工神经网络模型是固化的，一旦完成设计，能够修改的只有权重，偏置等少数内容。而整个生物神经系统具有高度的可塑性，它既有出厂设置，也有动态改变
- 生物神经元具有可塑性，即它们可以通过经验和学习形成新的突触或调整现有的突触连接。这种可塑性包括长期增强和长期抑制。
- 大脑区域之间并非是完全不相关的功能模块，当一个区域受损时，大脑的其他区域会学习并实现该受损区域的功能。
- 人类对整个生物神经系统的工作机理的研究还在继续，我们无法肯定我们已经发现其中的全部奥秘，因此也无从模仿。
- 最后从模型的学习和使用效率角度来看一下。人工智能网络模型的学习是极其低效的。而生物神经系统的学习是非常高效。机器训练的成本是极其高昂的。目前一个七百亿到几千亿参数的普通大模型的训练成本在200-1200万美元，像这种有100万亿参数的大模型，其训练成本只会更加昂贵。使用成本也是如此。所以，我根本不担心资本家会用它来替代贫穷而勤奋的我，没有资本家是傻子。
所以我的结论是，就算OpenAI训练了125万亿的大模型，也不能实现AGI。就算实现了，也卷不过我这种低端人口。
人工智能专家吹大牛，那是有传统的。两次人工智能寒冬，都是人工智能专家吹大牛，最终让人失望而嘘声四起。OpenAI的奥特曼深谙其道，他把自己包装成一个人工智能领域的符号，这出泄密的戏码，我不排除是他们的一次商业炒作。