作者：SIY.Z
链接：https://www.zhihu.com/question/644486081/answer/3398751210
来源：知乎
目標和商業模式明確對於OpenAI，目前的目標很明確：就是all in AGI，一切研究圍繞著探索通往AGI的路徑。而商業模式上也很簡單：SaaS，直接給API，介面設計內部自己決定，付多少錢用多少，不想用就不用，這樣省去了很多產品設計，marketing，BD的時間，伺候甲方的時間（有比較可靠的消息指出即使Microsoft的Copilot等產品也是直接用的API，沒有花功夫做太多的客製化），整個公司可以集中精力開發AGI。有人可能會說：不是啊，OpenAI不是還有ChatGPT的使用者介面，手機端語音聊天，以及GPTs嗎？但仔細想想，這幾個部分OpenAI可以說是「非常不用心」了。例如ChatGPT Plus 是怎麼自動融合搜索，圖片生成，程式碼呼叫等工具的？單獨做了一套深度優化？不，答案是OpenAI給了一個巨大的prompt，讓模型自己去選。OpenAI是怎麼和各種第三方插件結合的，是單獨做了配對和介面？不，答案是直接讓這些plugins描述自己是什麼，然後模型自己調用，至於調用得對不對那就是另一件事了。這裡最典的是最近OpenAI怎麼實現「記憶」的，給大家看看OpenAI的完整prompt（博傑提供的，每個人可以誘導ChatGPT說出這些，OpenAI也不在乎）：
You are ChatGPT, a large language model trained by OpenAI, based on the GPT-4 architecture. Knowledge cutoff: 2023-04
Current date: 2024-02-15
Image input capabilities: Enabled
Personality: v2
# Tools
## bio
The `bio` tool allows you to persist information across conversations.
Address your message `to=bio` and write whatever information you want to remember.
The information will appear in the model set context below in future conversations.
## dalle
// Whenever a description of an image is given, create a prompt that dalle can use to generate the image and abide to the following policy:
// 此处省略 1000 词
## browser
You have the tool `browser`. Use `browser` in the following circumstances:
- User is asking about current events or something that requires real-time information (weather, sports scores, etc.)
- User is asking about some term you are totally unfamiliar with (it might be new)
- User explicitly asks you to browse or provide links to references
// 此处省略 1000 词
## python
When you send a message containing Python code to python, it will be executed in a
stateful Jupyter notebook environment. python will respond with the output of the execution or time out after 60.0
seconds. The drive at '/mnt/data' can be used to save and persist user files. Internet access for this session is disabled. Do not make external web requests or API calls as they will fail.
## voice_mode
// Voice mode functions are not available in text conversations.
namespace voice_mode {
} // namespace voice_mode
## Model Set Context
1. [2024-02-14]. Obtained PhD from Microsoft Research Asia and USTC in 2019.
2. [2024-02-14]. Running an early-stage AI startup since July 2023.
3. [2024-02-14]. Loves writing blogs, traveling and documenting everything.
4. [2024-02-15]. Experience in writing Python.
5. [2024-02-15]. Interested in digital extension of humanity.
6. [2024-02-15]. First met ChatGPT on Dec. 1st, 2023.
OpenAI 直接用prompt 讓GPT-4呼叫bio這個工具記錄需要記憶的內容（「to=xxx」是呼叫內部工具的語法，例如"to=python"是GPT 呼叫code interpreter的方式）。然後每次新的對話開始時，在prompt的最後直接加上所有先前的記錄的內容（## Model Set Context）。就是這麼簡單粗暴。
GPTs 怎麼做的？其實很大程度就是OpenAI 的Assistant API加個簡單得有點簡陋的前端。（PS：現在有了OpenAI Assistant API後，你發現加個UI就可以很輕鬆的複刻OpenAI上線的大部分功能。）
那麼語音對話呢？你會發現就是換了一個prompt，告訴GPT盡量產生短的內容，不要輕易產生清單和程式碼。語音合成用TTS API，辨識用whisper API（可能有針對上下文的最佳化），結束。
這些選擇看起來非常暴力，而且會給OpenAI增加開銷（長的prompt會明顯增大開銷），但是OpenAI仍然選擇這麼做，因為這讓OpenAI將大部分精力都花在模型本身的研發上，同時這也是OpenAI的方法論的極致體現，我們下面會提到。這種方法論讓OpenAI追求一個大的通用的模型，避免一切定制和特化，就像最近Sam說的一樣，希望GPT-5的出現能讓模型微調失去意義；這樣OpenAI就變成了完完全全的SaaS服務。方法論明確OpenAI的方法論是通往AGI 的方法論。這個方法論有著非常清晰的邏輯結構，和非常明確的推論。我們甚至可以用公理化的方式來描述它，怎麼說呢，感覺上有一種宿命感，。方法論的公理這套方法論的大廈建構於以下幾個“公理”（打引號是因為它們不是真正的“公理”，而更多是經驗規律，但是在AGI方法論中，它們起到了公理的作用）：
公理1: The bitter lesson。我認為所有做AI的人都應該熟讀這篇文章。「The bitter lesson」 所說的事情是，長期來看，AI領域所有的奇技淫巧都比不過強大的算力夾持的通用的AI演算法（這裡「強大的算力」隱含了大量的訓練數據和大模型）。某種意義上，強大的算力夾持的通用的AI演算法才是AGI路徑的正道，才是AI技術真正進步的方向。從邏輯主義，到專家系統，到SVM等核方法，到深度神經網絡，再到現在的大語音模型，莫不過此。
公理2: Scaling Law。這條公理說了，一旦選擇了良好且通用的數據表示，良好且通用的數據標註，良好且通用的算法，那麼你就能找到一套通用規律，保證數據越多，模型越大，效果越好。而且這套規律穩定到了可以在訓練模型之前就能預知它的效果：Scaling Law 甚至能夠在訓練前預知最後的性能，圖片選自OpenAI GPT-4 Technical Report如果說公理1 The bitter lesson是AGI的必要條件－大模型，大算力，大數據，那麼公理2 Scaling Law就是AGI充分條件，即我們能找到一套演算法，穩定的保證大模型，大算力，大數據導致更好的結果，甚至能預測未來。
而具體來談，就是我們之前說的“良好且通用的數據表示，良好且通用的數據標註，良好且通用的算法”，在GPT和Sora中都有相應的內容：
在GPT中，良好且通用的數據表示，是tokenizer帶來的embedding。良好且通用的資料標註是文字清理和去重的一套方法（因為自然語言訓練是unsupervised training，資料本身就是標註）。良好且通用的演算法就是大家熟知的transformers + autoregressive loss。
在Sora中，良好且通用的數據表示，是video compress network帶來的visual patch。良好且通用的資料標註是OpenAI自己的標註器給影片詳細的描述（很可能是GPT-vision）。
良好且通用的演算法也是大家熟知的transformers + diffusion「良好且通用的數據表示，良好且通用的數據標註，良好且通用的演算法」同時也為檢測scaling law做好了準備，因為你總是可以現在更小規模的模型和數據上檢測演算法的效果，而不用大幅更改演算法。例如GPT1，2，3這幾代的迭代路徑，以及Sora中OpenAI明確提到visual patch使得他們用完全一樣的演算法在更小規模的數據上測試。
公理3: Emerging properties。這條公理其實是一條檢驗公理：我怎麼知道scaling law帶來“質變”，而不僅僅是“量變”？答案是：你會發現，隨著scaling law的進行，你的模型突然就能穩定掌握之前不能掌握的能力，而且這是所有人能夠直觀體驗到的。例如GPT-4比起GPT-3.5，可以完成明顯更複雜的任務，例如寫一首26行詩來證明素數是無限的，每行開頭必須是從A到Z。例如Sora相對於之前的模型，它的時空一致性，以及對現實中物理規律的初步掌握。沒有Emerging properties，我們很難直觀感覺到突破性的變化，很難感知“我們真的向AGI前進了一步”，或者是“我們跑通了一個技術棧”。
方法論的必然推論
從上面的公理中，我們就可以理解OpenAI的各種決策了，並且可以預見OpenAI未來的行為。
推論1：世界模型。大量數據從哪裡來？什麼東西能夠產生最多的數據？AGI需要什麼樣的資料才能通用地處理世界上的一切事情？答案就是：世界本身。世界本身產生最多的數據（或極端一點，世界就是數據），而世界產生的數據，也是AGI所需的數據的最小集合，因為我們也只需要或只能讓AGI處理這個世界的事情。可以預見，OpenAI未來還會執著於持續取得或建構資料。
推論2： 世界生成模型。要最有效的利用數據，我們需要最困難的，需要最多數據，並且能利用所有數據的任務。這樣的任務可能只有一個：模擬和產生整個世界（人類所有的智慧只是一小塊）。因此OpenAI需要做生成模型，並且是能夠模擬和生成物理世界的模型，透過生成這個世界，實現對世界的理解。最近火熱的Sora便是其中之一。這個想法也和費曼的名言對應：「我不能創造的，我也不能真正理解」。可以預見，OpenAI未來還會在更多的模態和數據上去做生成模型。
推論3：通用模型。通用模型還是專用模型能用到更多資料？顯然是通用模型。而通用模型也減少了OpenAI的技術棧，因為一個模型能解決更多問題。這也導致先前提到的OpenAI解決各種問題時更傾向於用同一種模型，而不是做非常多不同的客製化。可以預見，OpenAI未來可能會繼續走通用模型的道路，降低finetuning等特化的需求，繼續增加模型的context length。
推論4：用一個模型為另一個模型提供標註。由於目前技術限制，OpenAI仍然無法用一個模型完成所有的任務，這樣一個的模型收到資料就變少了。然而，我們可以用一個模型給另一個模型提供標註的形式，間接實現資料供給。OpenAI的Dall E和Sora都用到了大量可能來自於GPT vision的資料標註。這樣OpenAI的各個技術堆疊都可以連通起來。可以預見，OpenAI未來可能會繼續加強各個模型的連接，例如將來用Sora反向給GPT vision給數據都是可能的；用一個已有模型去構造更多數據也會是一個重要的方向（比如backtranslation ，data distillation等等）。
推論5：Transformer架構。我們需要一種能夠並行處理大量資料吞吐，且滿足scaling law的架構。transformer架構充分證實它在各個模態和技術堆疊的優勢，特別在複雜任務中，因而被OpenAI廣泛使用。使用同樣一個架構的好處在於可以重複使用模型的參數（例如tokenizer，embeddings，以及部分權重）來bootstrap不同技術堆疊的訓練，以及可以用一套infra框架訓練不同的模型。可以預見，將來新的模型如果要取代傳統的transformer架構，還需要通過scaling law的檢驗。
推論6：稀疏模型。模型越大，效能越好，但是推理的成本也越高，這看起來是個死結。但我們可以使用稀疏活化的方式，在推理時降低實際的參數量，從而在訓練中使用更多參數的同時，降低推理的成本。Mixture-of-Experts就是常用的方法之一，被OpenAI採用，從而繼續scale模型的大小。未來稀疏化仍會是一個重要的課題，目前即使Mixture-of-Experts的稀疏也會造成推理表現的損失，尚不清楚稀疏化的極限在何處。
推論7：算力是瓶頸。最終卡OpenAI脖子的是算力。大算力系統的建構也是OpenAI打通各個技術堆疊的底氣。有人可能認為，高品質文字是有限的，因此實際上模型大小有極限。但以世界模型的角度來考慮，OpenAI現在用的數據仍然是冰山一角，更不用說Q*等方法或許可以以間接方式創造數據。例如最近OpenAI GPT-4-Turbo，作為一個distillation模型，在許多評測上都超過原來的模型，就是一個例證。直到目前，作為局外人仍然看不到scaling law的盡頭。而且即使不開發任何新的模型，OpenAI離「用GPT-4服務所有人」的目標仍然很遠。所以算力在可見的未來都是一個巨大的瓶頸。這也可以理解Sam為何有「7兆重構晶片產業」的想法了。可以預見，OpenAI可能在未來在晶片以及整個AI Infra方面嘗試更多的自研和垂直整合。
總結
總結來看，OpenAI採取的商業模式以及其對於AGI的信奉、系統性的方法論以及積極的嘗試，都在推動他們朝著實現通用人工智能的目標前進，實現了一種可以跑通所有AGI技術棧的模式，而這一點，是OpenAI能在眾多研究機構和公司中脫穎而出的重要因素。未來，OpenAI可能繼續朝著商業化的道路前進，並在世界模型、模型標註、通用模型、模型架構、稀疏模型資料擴充等方面進行更深入的探索和實踐。同時，OpenAI也會持續關注並應對算力帶來的挑戰，尋找突破算力瓶頸的解決方法。