即刻App年轻人的同好社区
下载
Muse真的挺好用! 我愿称之为美国豆包🤓
速度快，大部分标准需求都需要快速应答，而不需要深度思考，所以我在国内用豆包的很多场景，这几天在美国用的都是Muse。
听Meta的朋友说，Muse8 月内测的时候还有很多Bug，赶在 9 月推出来，就是为了赶上开学季，家长有很多和学校发邮件，处理孩子事情的需求，Muse都可以帮着处理。
这边也没有大众点评、美团啥的，Muse还可以帮着订餐，确实很实用了！
速度快，大部分标准需求都需要快速应答，而不需要深度思考，所以我在国内用豆包的很多场景，这几天在美国用的都是Muse。
听Meta的朋友说，Muse8 月内测的时候还有很多Bug，赶在 9 月推出来，就是为了赶上开学季，家长有很多和学校发邮件，处理孩子事情的需求，Muse都可以帮着处理。
这边也没有大众点评、美团啥的，Muse还可以帮着订餐，确实很实用了！
34 21
知道苏轼是四川眉山人以后，就理解他的人生态度了。
这不就是大耍起主义吗？人这一辈子，以耍为主，找钱来耍。给我贬了我也能做点好吃的东坡肉穷乐呵，给我放哪我都能找到让自己有成就感，开心的点，给老百姓干点实事：
包括但不限于教海南小孩们读书，给地方官写建议，设立一个救援队，减少溺水，多实在啊！
四川人这种乐观到底从哪来的？相比之下北方人真是压抑的一生啊，考公考研上岸，没有尽头。
这不就是大耍起主义吗？人这一辈子，以耍为主，找钱来耍。给我贬了我也能做点好吃的东坡肉穷乐呵，给我放哪我都能找到让自己有成就感，开心的点，给老百姓干点实事：
包括但不限于教海南小孩们读书，给地方官写建议，设立一个救援队，减少溺水，多实在啊！
四川人这种乐观到底从哪来的？相比之下北方人真是压抑的一生啊，考公考研上岸，没有尽头。
68 1710
你有没有想过，对一个人来说，到底什么是真正的自由？
挣很多钱，有很多空余时间，就是真正的自由吗？那为什么那么多人Fire以后还是会觉得无比空虚？
黑格尔和恩格斯都尝试回答过这个问题：
如果世界有规律，人也受自然、社会和历史条件制约，人的自由还存在吗？
如果说“自由就是想怎样就怎样”，它似乎与因果规律冲突；如果说“一切都由条件决定”，人又似乎只能听天由命。
黑格尔要打破这个二选一。他认为，任性选择不等于自由。一个人不知道洪水怎样形成，站在河边“自由地”决定往哪里跑，其实处处受洪水摆布；理解水势、修好河道和堤防后，他仍不能命令水停止流动，却能让水按预期发挥作用。
黑格尔说，必然性在尚未被理解时才是“盲目的”；自由不是把必然性消灭，而是理解它，使行动不再只是被动反应。
他还进一步追问：这种自由怎样落实在法律和社会制度中，而不只停留在个人心里？
恩格斯把回答重点转向物质生产和社会组织。
人类借科学认识自然规律，能够造机器、提高生产力；可人们共同造成的经济危机、竞争和贫困，又像不受控制的自然灾害一样反过来支配人。为什么人能控制机器，却控制不了自己建立的生产关系？
恩格斯认为，只有认识这些社会力量如何运作，并有意识地组织生产，人才能减少这种“自己创造的东西反过来统治自己”的处境。
两人的共同点是：自由不是没有约束，而是从被未知力量推着走，变成理解条件、能够有目的地行动。
任正非在企业管理的场景下理解“自由”。
一家公司的资金、技术、人才和市场变化都是真实约束，管理者不可能宣布它们不存在。但如果企业只靠一个能人拍板、出了问题靠领导救火，它就在被这些条件推着走；如果摸清业务规律，把经验沉淀为流程、激励和应急机制，它就多了一分主动权。
前者是“必然王国”，后者是“自由王国”。这样的王国不是形成了就会定型了，因为企业总会遇到新场景，总要花时间摸清规律，总在追求自由王国的路上。
放到个人上，我觉得自由就是通过最大限度的调研、理解，掌握了足够多信息，尽可能消除了不确定性后，自己能够做出主动选择。
你不是被逼着Fire，你是想清楚了why，搞清楚了how，最后主动选择了Fire，大概才能体会到真正畅快的自由。
挣很多钱，有很多空余时间，就是真正的自由吗？那为什么那么多人Fire以后还是会觉得无比空虚？
黑格尔和恩格斯都尝试回答过这个问题：
如果世界有规律，人也受自然、社会和历史条件制约，人的自由还存在吗？
如果说“自由就是想怎样就怎样”，它似乎与因果规律冲突；如果说“一切都由条件决定”，人又似乎只能听天由命。
黑格尔要打破这个二选一。他认为，任性选择不等于自由。一个人不知道洪水怎样形成，站在河边“自由地”决定往哪里跑，其实处处受洪水摆布；理解水势、修好河道和堤防后，他仍不能命令水停止流动，却能让水按预期发挥作用。
黑格尔说，必然性在尚未被理解时才是“盲目的”；自由不是把必然性消灭，而是理解它，使行动不再只是被动反应。
他还进一步追问：这种自由怎样落实在法律和社会制度中，而不只停留在个人心里？
恩格斯把回答重点转向物质生产和社会组织。
人类借科学认识自然规律，能够造机器、提高生产力；可人们共同造成的经济危机、竞争和贫困，又像不受控制的自然灾害一样反过来支配人。为什么人能控制机器，却控制不了自己建立的生产关系？
恩格斯认为，只有认识这些社会力量如何运作，并有意识地组织生产，人才能减少这种“自己创造的东西反过来统治自己”的处境。
两人的共同点是：自由不是没有约束，而是从被未知力量推着走，变成理解条件、能够有目的地行动。
任正非在企业管理的场景下理解“自由”。
一家公司的资金、技术、人才和市场变化都是真实约束，管理者不可能宣布它们不存在。但如果企业只靠一个能人拍板、出了问题靠领导救火，它就在被这些条件推着走；如果摸清业务规律，把经验沉淀为流程、激励和应急机制，它就多了一分主动权。
前者是“必然王国”，后者是“自由王国”。这样的王国不是形成了就会定型了，因为企业总会遇到新场景，总要花时间摸清规律，总在追求自由王国的路上。
放到个人上，我觉得自由就是通过最大限度的调研、理解，掌握了足够多信息，尽可能消除了不确定性后，自己能够做出主动选择。
你不是被逼着Fire，你是想清楚了why，搞清楚了how，最后主动选择了Fire，大概才能体会到真正畅快的自由。
35 83
我不觉得做一杯更好喝的奶茶，一个更舒服的床，一顿更好吃的火锅，意义要比一堆AI视频应用、聊天软件要更小。
更用户视角、更洞察人性的消费体验给人带来的幸福感提升是直接的、明显的，但投资人们已经不听这些故事了。遗憾。
更用户视角、更洞察人性的消费体验给人带来的幸福感提升是直接的、明显的，但投资人们已经不听这些故事了。遗憾。
34 90
一直以为OpenAI是自己找到的大语言模型这个Big Bet，其实真实情况是：
早期他们也不知道做什么，于是机器人，在《刀塔 2》环境中训练的AI，语言模型都在搞，但是钱烧太狠了要搞盈利公司，开始找钱了，想把微软拉进来，比尔盖茨不想给钱，觉得机器人、游戏都没啥意思，他想要的是能跟他一起思考研究的助手。
于是OpenAI团队把手上的GPT2 攒吧攒吧，重新训了一下，原本团队是担心这种生成式AI会产生大量虚假信息，觉得安全风险很大，没想大搞来着。
结果就是为了想让比尔盖茨至少从不想投，转到中立，专门搞了个Gates Demo，去他家客厅展示了一下GPT的效果，盖茨被惊艳到了。
钱来了。
所以啊，创业者别埋头干，高质量投资人的直觉也值得听一听。
早期他们也不知道做什么，于是机器人，在《刀塔 2》环境中训练的AI，语言模型都在搞，但是钱烧太狠了要搞盈利公司，开始找钱了，想把微软拉进来，比尔盖茨不想给钱，觉得机器人、游戏都没啥意思，他想要的是能跟他一起思考研究的助手。
于是OpenAI团队把手上的GPT2 攒吧攒吧，重新训了一下，原本团队是担心这种生成式AI会产生大量虚假信息，觉得安全风险很大，没想大搞来着。
结果就是为了想让比尔盖茨至少从不想投，转到中立，专门搞了个Gates Demo，去他家客厅展示了一下GPT的效果，盖茨被惊艳到了。
钱来了。
所以啊，创业者别埋头干，高质量投资人的直觉也值得听一听。
27 93
今天大模型训练的路子错了吗？
今年美国 5 家最大的云和 AI 公司，加起来要往数据中心和芯片里投 6600 亿到 6900 亿美元，将近去年的两倍，而个别顶尖研究员的薪酬包已接近 1 亿美元。
这么多钱和人相信的都是同一条技术路径：先拿互联网上人写的东西做预训练，再用强化学习做后训练，这条遵循 Scaling law 的路径打开了投资人的想象空间，似乎看起来是无可争议的可以带我们进入 AGI 的路子了。
但有个人说，你们都错了。
这个人是 Richard Sutton，强化学习之父，2024 年，他和导师一起拿了计算机界的诺贝尔奖，图灵奖。他的博士生 David Silver 在 DeepMind 团队做出了打败人类最顶尖围棋选手的 AlphaGo，用的就是强化学习：先学人类棋谱，再让 AI 在封闭环境中自我对弈，赢了就给正反馈，输了就给负反馈，自我强化、自我进化。
Sutton 从上世纪 80 年代入行研究 AI，那时候今天大部分研究员还没出生。他在 Dwarkesh 的播客上这么形容自己：
我个人挺安于跟这个领域长期不同步的，可能有几十年了，因为过去偶尔会证明我是对的。我其实把自己看成一个古典派，而不是一个逆行者。
为什么他会和这些拿几百亿美元买卡的人判断截然相反？因为他真的见过过去 70 年 AI 走过的弯路，这条弯路上留下了许多同行的遗憾与苦涩。
2019 年 3 月他写了一篇《苦涩的教训》，核心观点就是：
能利用算力的通用方法最终是最有效的，而且优势巨大。
Sutton 的解释是，按摩尔定律，算力的成本一直在指数级往下掉，可是做研究的人只是盯着手里这点算力，靠往机器里塞人的经验来提高成绩。一个项目做上几年，外面的算力早翻了好几番。人的时间就那么多，花在教机器人类经验上，就没功夫去做能吃算力的方法；塞进去的经验越多，程序越复杂，越难拿算力去硬堆。
最终历史证明，教机器学会人类经验，就是打不过靠堆算力，让机器自己学会怎么解决问题。
Sutton 举的第一个例子是国际象棋。80 年代的主流做法是研究象棋本身有什么门道，把大师的棋理编进程序。1997 年赢了顶尖棋手 Kasparov 的深蓝没走这条路，它靠的是大规模搜索：从当前局面往下把每一步可能的走法、对手可能的应法一层层全算一遍，每秒算 2 亿个局面。
当时输了的人觉得，人下棋不是这样的，所以不算真正的智能。但后来学界一次次证明了，把算力和数据做大，比苦哈哈教机器学人类有效得多。
70 年代美国国防部资助过一场语音识别的比赛。当时语言学家觉得，机器要听懂人说话，就得先懂语音学：单词怎么拆成音素，人的声道是怎么发出这些音的，这些都得编进程序。另一批人直接把一大堆录音喂给机器，让它自己统计一个音后面最常跟着哪个音。后一种赢了。
图像识别也是这样。早期是人告诉机器该看什么：你去图里找尖尖的耳朵，有几根胡子等特征的动物，找到了就知道这就是猫了，但人写的规则总有覆盖不到的地方。卷积网络不写任何"猫长什么样"的规则，而是造一台有几百万个可调旋钮的机器，先随便设置旋钮，给它看一张照片，它瞎猜一个答案，猜错了，它就把旋钮往"下次更可能答猫"的方向拧一点点，旋钮拧了几百万次，最终就能认出来图上的是猫了，效果比人手工设计的好，最重要的是可规模化。
围棋比象棋晚了 20 年才被拿下。它难在棋盘太大，一盘棋几百手，每一步又有上百种下法，往后算几步就是天文数字，靠硬算根本算不完。所以做围棋程序的人比做象棋的更相信，这回只能把人的棋感教给机器了。
后来把围棋拿下的 AlphaGo，是 Sutton 的学生 Silver 带队做的，他让机器做两件事：一件是往前算，从眼前这个局面出发，试着往后走几步，看看会变成什么样。另一件是给机器加判断能力：既然局面太多算不完，就判断下这些局面中谁占上风、赢面大概多少，不用真的每个局面都下到最后。
这个判断能力以前是看人的棋谱学会的，AlphaGo 直接自己对弈几百万次，就自己锻炼出判断能力了。
Sutton 总结，能跟着算力一起变强的办法，只有搜索和学习。《苦涩的教训》的结尾是：
把我们以为自己是怎么思考的那一套造进机器，长期来看行不通。
后来许多人引用这篇文章，用来说明把算力堆上去训练大模型多么正确。Sutton 觉得这是行业对他的误读，他说：
我们往大语言模型里塞的人类知识越多，它们表现就越好，所以感觉很不错。可我预期会出现能从经验里学习的系统。到那时，这就会是苦涩的教训的又一个例子：用了人类知识的东西，最终被那些只靠经验和计算训练出来的东西取代。
他说大模型学的是人说过的话：
下一个 token 是它们该说什么、该采取什么动作，而不是它们做了之后世界会回给它们什么。它们不会对接下来发生的事感到意外。
这期播客的主持人 Dwarkesh 说预测下一个词本身怎么不算目标呢？Sutton 不同意：
那不是目标。它不改变世界。一个系统只是坐在那儿做预测，并且为自己预测得准而高兴，你没法说它有目标。
Sutton 采用的是 John McCarthy 对智能的定义：intelligence is the computational part of the ability to achieve goals in the world。在这个定义下，没有目标就没有对错，没有对错就没有东西可学，而且学习的环境得是 in the world，而不只是在互联网文本中。
接着他讲了我印象最深的一段：
与其盯着人有什么特别，不如看动物身上那套共通的东西。人是动物。我们和动物的共同之处更有意思。语言只是表面上薄薄的一层贴面。
监督学习（人先把答案标好，机器看大量带答案的例子，自己学会怎么从题目推导到答案）不发生在动物身上，这是再明显不过的事。松鼠不上学，松鼠照样能把这个世界学个明白。小孩怎么转动眼睛、甚至怎么发出声音，都没有可以模仿的对象，那些事没有示例。
前特斯拉 AI 负责人 Karpathy 也在同一档节目里批评过强化学习：
你让模型干了那么多活，可能跑了一分钟写出一大篇，最后只从结果里得到一个对或者错。这点信息细得像用吸管吸出来的。然后你拿这一个字去给整篇过程里的每一步打分，对了全部加分，错了全部减分。这简直又蠢又疯。
但 Karpathy 也说，这是个很烂的方法，可现在我们也没有更好的了。
不仅是 Sutton、Karpathy，Hassabis 也一直强调，AI 得有对真实世界的理解，光靠语言不够。可现实是，在笃信强化学习的那些年，DeepMind 在大语言模型上落在了 OpenAI 后面。
此前 DeepMind 靠在封闭环境中训练打游戏的 AI、下围棋的 AI，一度风光无限，但是 OpenAI 靠着一遍遍学习互联网上的数据，又开放给普通人用，点燃了更广泛人群对 AI 的热情。2022 年 ChatGPT 发布一个月不到，Google 内部就拉了红色警报；第二年 4 月，Google 把 DeepMind 和 Google Brain 合成一个团队，开始在面向 C 端用户的大语言模型上奋起直追。
今天你问 GPT 猫为什么怕水，它答得出来；你说要把猫关进洗衣机，它会告诉你这是虐待。这到底是懂猫这个实体，还是只是懂这个概念本身呢？没人有明确答案。
这期播客的博主 Dwarkesh 事后写了篇复盘，回应"死路一条"这个说法。Sutton 的逻辑是，人类写的文本是有限的，用完就没了，所以靠它走不远。Dwarkesh 说，用完就没了和走不通是两回事：
化石燃料不可再生，不等于人类文明用了它就走进了死胡同。你不可能从 1800 年的水车直接过渡到太阳能板和核聚变电站。中间非得用煤和石油这种便宜、方便、量大的过渡品不可。
人类文本对 AI 来说就是这个过渡品。
AlphaGo 先看人类棋谱起步，是超人水平；AlphaZero 不看棋谱从零开始，比它更强。Sutton 拿这个证明人类知识没用，Dwarkesh 说，这恰恰证明先靠人类知识起步、再甩掉它，是条走得通的路。AlphaGo 的那一步并没有通向死路，只是走了进步的台阶。
听完这期播客，我的感触是，Sutton 老爷子拿到了这么高的荣誉，这么大年纪还在思考今天的学术界是不是走错了路子，而深度学习之父 Hinton 现在作为全职 AI 安全吹哨人，四处演讲呼吁人们重视 AI 安全，还是挺有趣的，一位觉得这只是个学术问题，你们今天走得不太对，另一位觉得这是人类危机问题，你们再加速我们就要完蛋了。
另一个感受是，这位和 Sutton 对话的 Dwarkesh Patel，2000 年出生，20 岁还在德州大学读计算机的时候就开始做播客，今天能做到几乎 AI 圈所有核心人士都愿意坐下来和他聊几个小时，Ilya、Karpathy、Dario Amodei、Hassabis、Zuckerberg、Nadella、Musk，包括 Sutton 这样的老一辈学者，而且聊的都是非常前沿的 AI 进展，而不是什么人生故事，赚了多少钱。
人家对采访的重视程度，我觉得可以超过我见过的 99% 以上的记者：采访 DeepMind 的 Hassabis 之前，他把 DeepMind 过去两年的论文差不多读完了，还找了十几个 AI 研究员挨个聊；采访 Ilya 之前，他自己动手写了一遍 Transformer。他给自己定的标准是，每期开录之前，把这个话题相当于一门本科课程的东西过一遍。准备的东西大部分在节目里用不上，他不在乎。他说有些同行，"感觉根本没在努力，为什么不花一两周呢？"
在这个对话访谈泛滥的时代，人生故事说得太多，关于真问题的 Hardcore 讨论太少。国内的听众如果想无门槛听 Dwarkesh 的播客，可以去《跨国串门儿计划》搜一搜，有他的中文转述。
这哥们最近自己还跑了个实验，结论是过去六年预训练的进步，大头来自数据配方的改进，而不是模型架构的改进，文章也附在了后面。可见人家是真在一线干活，才能有真思考啊。
今年美国 5 家最大的云和 AI 公司，加起来要往数据中心和芯片里投 6600 亿到 6900 亿美元，将近去年的两倍，而个别顶尖研究员的薪酬包已接近 1 亿美元。
这么多钱和人相信的都是同一条技术路径：先拿互联网上人写的东西做预训练，再用强化学习做后训练，这条遵循 Scaling law 的路径打开了投资人的想象空间，似乎看起来是无可争议的可以带我们进入 AGI 的路子了。
但有个人说，你们都错了。
这个人是 Richard Sutton，强化学习之父，2024 年，他和导师一起拿了计算机界的诺贝尔奖，图灵奖。他的博士生 David Silver 在 DeepMind 团队做出了打败人类最顶尖围棋选手的 AlphaGo，用的就是强化学习：先学人类棋谱，再让 AI 在封闭环境中自我对弈，赢了就给正反馈，输了就给负反馈，自我强化、自我进化。
Sutton 从上世纪 80 年代入行研究 AI，那时候今天大部分研究员还没出生。他在 Dwarkesh 的播客上这么形容自己：
我个人挺安于跟这个领域长期不同步的，可能有几十年了，因为过去偶尔会证明我是对的。我其实把自己看成一个古典派，而不是一个逆行者。
为什么他会和这些拿几百亿美元买卡的人判断截然相反？因为他真的见过过去 70 年 AI 走过的弯路，这条弯路上留下了许多同行的遗憾与苦涩。
2019 年 3 月他写了一篇《苦涩的教训》，核心观点就是：
能利用算力的通用方法最终是最有效的，而且优势巨大。
Sutton 的解释是，按摩尔定律，算力的成本一直在指数级往下掉，可是做研究的人只是盯着手里这点算力，靠往机器里塞人的经验来提高成绩。一个项目做上几年，外面的算力早翻了好几番。人的时间就那么多，花在教机器人类经验上，就没功夫去做能吃算力的方法；塞进去的经验越多，程序越复杂，越难拿算力去硬堆。
最终历史证明，教机器学会人类经验，就是打不过靠堆算力，让机器自己学会怎么解决问题。
Sutton 举的第一个例子是国际象棋。80 年代的主流做法是研究象棋本身有什么门道，把大师的棋理编进程序。1997 年赢了顶尖棋手 Kasparov 的深蓝没走这条路，它靠的是大规模搜索：从当前局面往下把每一步可能的走法、对手可能的应法一层层全算一遍，每秒算 2 亿个局面。
当时输了的人觉得，人下棋不是这样的，所以不算真正的智能。但后来学界一次次证明了，把算力和数据做大，比苦哈哈教机器学人类有效得多。
70 年代美国国防部资助过一场语音识别的比赛。当时语言学家觉得，机器要听懂人说话，就得先懂语音学：单词怎么拆成音素，人的声道是怎么发出这些音的，这些都得编进程序。另一批人直接把一大堆录音喂给机器，让它自己统计一个音后面最常跟着哪个音。后一种赢了。
图像识别也是这样。早期是人告诉机器该看什么：你去图里找尖尖的耳朵，有几根胡子等特征的动物，找到了就知道这就是猫了，但人写的规则总有覆盖不到的地方。卷积网络不写任何"猫长什么样"的规则，而是造一台有几百万个可调旋钮的机器，先随便设置旋钮，给它看一张照片，它瞎猜一个答案，猜错了，它就把旋钮往"下次更可能答猫"的方向拧一点点，旋钮拧了几百万次，最终就能认出来图上的是猫了，效果比人手工设计的好，最重要的是可规模化。
围棋比象棋晚了 20 年才被拿下。它难在棋盘太大，一盘棋几百手，每一步又有上百种下法，往后算几步就是天文数字，靠硬算根本算不完。所以做围棋程序的人比做象棋的更相信，这回只能把人的棋感教给机器了。
后来把围棋拿下的 AlphaGo，是 Sutton 的学生 Silver 带队做的，他让机器做两件事：一件是往前算，从眼前这个局面出发，试着往后走几步，看看会变成什么样。另一件是给机器加判断能力：既然局面太多算不完，就判断下这些局面中谁占上风、赢面大概多少，不用真的每个局面都下到最后。
这个判断能力以前是看人的棋谱学会的，AlphaGo 直接自己对弈几百万次，就自己锻炼出判断能力了。
Sutton 总结，能跟着算力一起变强的办法，只有搜索和学习。《苦涩的教训》的结尾是：
把我们以为自己是怎么思考的那一套造进机器，长期来看行不通。
后来许多人引用这篇文章，用来说明把算力堆上去训练大模型多么正确。Sutton 觉得这是行业对他的误读，他说：
我们往大语言模型里塞的人类知识越多，它们表现就越好，所以感觉很不错。可我预期会出现能从经验里学习的系统。到那时，这就会是苦涩的教训的又一个例子：用了人类知识的东西，最终被那些只靠经验和计算训练出来的东西取代。
他说大模型学的是人说过的话：
下一个 token 是它们该说什么、该采取什么动作，而不是它们做了之后世界会回给它们什么。它们不会对接下来发生的事感到意外。
这期播客的主持人 Dwarkesh 说预测下一个词本身怎么不算目标呢？Sutton 不同意：
那不是目标。它不改变世界。一个系统只是坐在那儿做预测，并且为自己预测得准而高兴，你没法说它有目标。
Sutton 采用的是 John McCarthy 对智能的定义：intelligence is the computational part of the ability to achieve goals in the world。在这个定义下，没有目标就没有对错，没有对错就没有东西可学，而且学习的环境得是 in the world，而不只是在互联网文本中。
接着他讲了我印象最深的一段：
与其盯着人有什么特别，不如看动物身上那套共通的东西。人是动物。我们和动物的共同之处更有意思。语言只是表面上薄薄的一层贴面。
监督学习（人先把答案标好，机器看大量带答案的例子，自己学会怎么从题目推导到答案）不发生在动物身上，这是再明显不过的事。松鼠不上学，松鼠照样能把这个世界学个明白。小孩怎么转动眼睛、甚至怎么发出声音，都没有可以模仿的对象，那些事没有示例。
前特斯拉 AI 负责人 Karpathy 也在同一档节目里批评过强化学习：
你让模型干了那么多活，可能跑了一分钟写出一大篇，最后只从结果里得到一个对或者错。这点信息细得像用吸管吸出来的。然后你拿这一个字去给整篇过程里的每一步打分，对了全部加分，错了全部减分。这简直又蠢又疯。
但 Karpathy 也说，这是个很烂的方法，可现在我们也没有更好的了。
不仅是 Sutton、Karpathy，Hassabis 也一直强调，AI 得有对真实世界的理解，光靠语言不够。可现实是，在笃信强化学习的那些年，DeepMind 在大语言模型上落在了 OpenAI 后面。
此前 DeepMind 靠在封闭环境中训练打游戏的 AI、下围棋的 AI，一度风光无限，但是 OpenAI 靠着一遍遍学习互联网上的数据，又开放给普通人用，点燃了更广泛人群对 AI 的热情。2022 年 ChatGPT 发布一个月不到，Google 内部就拉了红色警报；第二年 4 月，Google 把 DeepMind 和 Google Brain 合成一个团队，开始在面向 C 端用户的大语言模型上奋起直追。
今天你问 GPT 猫为什么怕水，它答得出来；你说要把猫关进洗衣机，它会告诉你这是虐待。这到底是懂猫这个实体，还是只是懂这个概念本身呢？没人有明确答案。
这期播客的博主 Dwarkesh 事后写了篇复盘，回应"死路一条"这个说法。Sutton 的逻辑是，人类写的文本是有限的，用完就没了，所以靠它走不远。Dwarkesh 说，用完就没了和走不通是两回事：
化石燃料不可再生，不等于人类文明用了它就走进了死胡同。你不可能从 1800 年的水车直接过渡到太阳能板和核聚变电站。中间非得用煤和石油这种便宜、方便、量大的过渡品不可。
人类文本对 AI 来说就是这个过渡品。
AlphaGo 先看人类棋谱起步，是超人水平；AlphaZero 不看棋谱从零开始，比它更强。Sutton 拿这个证明人类知识没用，Dwarkesh 说，这恰恰证明先靠人类知识起步、再甩掉它，是条走得通的路。AlphaGo 的那一步并没有通向死路，只是走了进步的台阶。
听完这期播客，我的感触是，Sutton 老爷子拿到了这么高的荣誉，这么大年纪还在思考今天的学术界是不是走错了路子，而深度学习之父 Hinton 现在作为全职 AI 安全吹哨人，四处演讲呼吁人们重视 AI 安全，还是挺有趣的，一位觉得这只是个学术问题，你们今天走得不太对，另一位觉得这是人类危机问题，你们再加速我们就要完蛋了。
另一个感受是，这位和 Sutton 对话的 Dwarkesh Patel，2000 年出生，20 岁还在德州大学读计算机的时候就开始做播客，今天能做到几乎 AI 圈所有核心人士都愿意坐下来和他聊几个小时，Ilya、Karpathy、Dario Amodei、Hassabis、Zuckerberg、Nadella、Musk，包括 Sutton 这样的老一辈学者，而且聊的都是非常前沿的 AI 进展，而不是什么人生故事，赚了多少钱。
人家对采访的重视程度，我觉得可以超过我见过的 99% 以上的记者：采访 DeepMind 的 Hassabis 之前，他把 DeepMind 过去两年的论文差不多读完了，还找了十几个 AI 研究员挨个聊；采访 Ilya 之前，他自己动手写了一遍 Transformer。他给自己定的标准是，每期开录之前，把这个话题相当于一门本科课程的东西过一遍。准备的东西大部分在节目里用不上，他不在乎。他说有些同行，"感觉根本没在努力，为什么不花一两周呢？"
在这个对话访谈泛滥的时代，人生故事说得太多，关于真问题的 Hardcore 讨论太少。国内的听众如果想无门槛听 Dwarkesh 的播客，可以去《跨国串门儿计划》搜一搜，有他的中文转述。
这哥们最近自己还跑了个实验，结论是过去六年预训练的进步，大头来自数据配方的改进，而不是模型架构的改进，文章也附在了后面。可见人家是真在一线干活，才能有真思考啊。
25 114