啟元世界CEO袁泉：能力涌現(xiàn)不只與模型大小相關(guān) | 中國(guó)AIGC產(chǎn)業(yè)峰會(huì)

衡宇 2023-04-12 13:41:27 來(lái)源：量子位

衡宇 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

ChatGPT和GPT-4引發(fā)全球地震，很多人都在思考一個(gè)問(wèn)題：OpenAI的成功路徑是什么？

在中國(guó)AIGC產(chǎn)業(yè)峰會(huì)現(xiàn)場(chǎng)，啟元世界創(chuàng)始人兼CEO袁泉給出了他的答案，它很好地融合了三大時(shí)代紅利。

三個(gè)紅利具體如下：

• 一是摩爾定律帶來(lái)的算力紅利，尤其是GPU的算力；
• 二是算法的并行性帶來(lái)規(guī)模可擴(kuò)展的紅利；
• 三是對(duì)無(wú)標(biāo)注數(shù)據(jù)探索的紅利。

2017年，Transformer出現(xiàn)后，OpenAI很快將這三點(diǎn)融合在一起，推出了GPT-1，而后GPT-2、GPT-3……

ChatGPT破圈之后，人們對(duì)AGI有了更多的理解和認(rèn)識(shí)，而國(guó)內(nèi)，啟元世界也于早幾年起開(kāi)始在AGI方向探索。

啟元世界成立于2017年。當(dāng)時(shí)，幾個(gè)聯(lián)創(chuàng)在紐約聽(tīng)了AlphaGo創(chuàng)始人之一David Silver關(guān)于AlphaGo戰(zhàn)勝李世石的分享，其中談到了背后包含DL和RL的AGI技術(shù)，從而激發(fā)了他們對(duì)AGI的興趣。

成立后，啟元世界開(kāi)始沿著AGI路徑，以游戲?yàn)榍腥朦c(diǎn)，逐漸從互聯(lián)網(wǎng)、元宇宙破圈。這一次，在總結(jié)OpenAI的成功路徑后，關(guān)于踐行AGI這件事，袁泉在活動(dòng)現(xiàn)場(chǎng)分享了啟元視角下的觀點(diǎn)。

為了完整體現(xiàn)他的思考，在不改變?cè)獾幕A(chǔ)上，量子位對(duì)其演講內(nèi)容進(jìn)行了編輯整理。

中國(guó) AIGC 產(chǎn)業(yè)峰會(huì)是由量子位主辦的行業(yè)峰會(huì)，近 20 位產(chǎn)業(yè)代表與會(huì)討論。線下參與觀眾 600+，線上收看觀眾近 300 萬(wàn)，得到了包括 CCTV2、BTV 等在內(nèi)的數(shù)十家媒體的廣泛報(bào)道關(guān)注。

演講要點(diǎn)：

• ChatGPT是站在三大技術(shù)紅利之上的一個(gè)劃時(shí)代產(chǎn)物；
• 在特定問(wèn)題空間中，幾千萬(wàn)參數(shù)的transformer就能取得不錯(cuò)的效果；
• 未來(lái)5到10年，AGI的重點(diǎn)是元宇宙，因?yàn)樵钪娴谋举|(zhì)是互聯(lián)網(wǎng)豐富的語(yǔ)料、交互和3D開(kāi)放世界游戲的合體；
• 涌現(xiàn)能力除了與模型大小相關(guān)，還可能和問(wèn)題領(lǐng)域的規(guī)模、AGI是否已在這個(gè)領(lǐng)域充分探索，都有一定關(guān)聯(lián)；
• 將AIGC融入游戲制作階段，如游戲策劃，尤其是數(shù)值策劃等，會(huì)優(yōu)化整個(gè)游戲數(shù)值生態(tài)的平衡性。

以下為袁泉演講全文：

站在三大技術(shù)紅利之上的劃時(shí)代產(chǎn)物

ChatGPT破圈之后，大家都在分析OpenAI的成功路徑。這里我也談一些啟元的思考和實(shí)踐。

從技術(shù)角度看，我們覺(jué)得ChatGPT是站在三大技術(shù)紅利之上的一個(gè)劃時(shí)代產(chǎn)物。

一個(gè)紅利是摩爾定律帶來(lái)算力紅利，尤其是GPU的算力，可能超過(guò)摩爾定律的提升速度。

第二大紅利就是算法的并行性所帶來(lái)的scalable的紅利。2017年底、Transformer出現(xiàn)之前，DL的算法，尤其用于做序列數(shù)據(jù)、序列決策的算法，主要以LSTM（Long Short-Term Memory，長(zhǎng)短期記憶網(wǎng)絡(luò)）為主，很難并行化。

Transformer發(fā)布第二天，Ilya Sutskever（OpenAI聯(lián)合創(chuàng)始人兼首席科學(xué)家）就看到它的并行性以及長(zhǎng)語(yǔ)境能帶來(lái)的好處，于是研究轉(zhuǎn)向以此為基礎(chǔ)。

第三大紅利就是大數(shù)據(jù)中的未標(biāo)注數(shù)據(jù)。我個(gè)人覺(jué)得，從2016年起，OpenAI就對(duì)它開(kāi)始看重。

GPT-1就是把這三點(diǎn)較好融合在一起的產(chǎn)物，GPT-2在其基礎(chǔ)上拓展了10倍，GPT-3又拓展了100倍，這讓業(yè)界十分吃驚。

RL之父、DeepMind研究科學(xué)家Richard Sutton在2019年就提到，之前幾十年，AI發(fā)展過(guò)程走的最大的彎路，就沒(méi)有用可擴(kuò)展性來(lái)進(jìn)行研究。

但OpenAI很快把這一套踐行到GPT系列大模型上。

踐行AGI發(fā)展路徑的啟元方式

啟元是怎么踐行AGI發(fā)展路徑的呢？

第一個(gè)階段，從2017年開(kāi)始，啟元用3年時(shí)間主要在包括《星際爭(zhēng)霸》等游戲世界里探索AGI。

從零開(kāi)始，只用少量的、5000局中韓高手游戲錄像作為啟動(dòng)，在游戲中訓(xùn)練AGI。

一個(gè)比較有意思的現(xiàn)象是，在特定問(wèn)題空間中，幾千萬(wàn)參數(shù)的transformer就能取得不錯(cuò)的效果。基于此，啟元把它優(yōu)化后用到了游戲行業(yè)最主流的7大品類游戲中。

第二階段是游戲世界往互聯(lián)網(wǎng)世界破圈。2016年左右，OpenAI就開(kāi)始探究在互聯(lián)網(wǎng)上是否也能夠基于DL、RL甚至AGI來(lái)訓(xùn)練很強(qiáng)的智能體。

Transformer出來(lái)后，OpenAI發(fā)現(xiàn)scalable的方法，這也讓全世界發(fā)現(xiàn)把AGI技術(shù)用在價(jià)值大于游戲行業(yè)100倍的互聯(lián)網(wǎng)里，能創(chuàng)造更大的商業(yè)價(jià)值和社會(huì)價(jià)值，帶來(lái)很多機(jī)會(huì)。

第三個(gè)階段，可能也是未來(lái)5到10年的重點(diǎn)，就是元宇宙。我們認(rèn)為元宇宙的本質(zhì)是互聯(lián)網(wǎng)豐富的語(yǔ)料、交互和3D開(kāi)放世界游戲的合體。

AIGC如何催生元宇宙、在元宇宙中如何訓(xùn)練AGI，使得它能力越來(lái)越強(qiáng)，能夠完成更多的任務(wù)，可能也是未來(lái)非常有價(jià)值的命題。

最后一步可能是AGI虛實(shí)遷移，服務(wù)或者應(yīng)用于現(xiàn)實(shí)世界中。

啟元世界的發(fā)展過(guò)程則主要分兩個(gè)階段。

第一階段是前三年，主要是在各類游戲中訓(xùn)練決策大模型為主，參數(shù)級(jí)別在幾千萬(wàn)或者一億以內(nèi)，能夠讓AI用小樣本做啟動(dòng)，甚至從零開(kāi)始做啟動(dòng)，探索這一類任務(wù)的邊界。

第二階段是從2021年開(kāi)始，我們開(kāi)始做10億到100億參數(shù)的語(yǔ)言模型。

背后原因是我們覺(jué)得模型的參數(shù)大小其實(shí)和所解決任務(wù)空間的大小、任務(wù)下能夠收集到高質(zhì)量語(yǔ)料高度相關(guān)。在我們看來(lái)，10億到100億規(guī)模，能和各個(gè)行業(yè)垂直應(yīng)用相結(jié)合的這一類模型，還有非常大的潛力。

在決策大模型這一塊，以《星際爭(zhēng)霸》智能體為代表，2020年6月份，我們擊敗中國(guó)星際職業(yè)選手，出現(xiàn)了一個(gè)今天看來(lái)比較反常識(shí)的認(rèn)知，那就是今天看到千億參數(shù)模型可以涌現(xiàn)出100多種不同能力，在當(dāng)時(shí)4900萬(wàn)參數(shù)的星際模型現(xiàn)場(chǎng)比賽時(shí)，涌現(xiàn)出“維京流”這樣的新策略玩法，即按照人類選手的經(jīng)驗(yàn)和規(guī)則去放基地、建造新東西的玩法，給了大家一些啟發(fā)。

△

AI對(duì)戰(zhàn)人類選手現(xiàn)場(chǎng)

可能涌現(xiàn)能力除了與模型大小相關(guān)之外，和問(wèn)題領(lǐng)域的規(guī)模，以及AGI是否在這個(gè)問(wèn)題中已經(jīng)充分探索到經(jīng)驗(yàn)的邊界，都有一定的關(guān)聯(lián)。

做啟發(fā)人和陪伴人的AGI

基于決策大模型的技術(shù)和平臺(tái)，目前啟元的目標(biāo)主要是做啟發(fā)人和陪伴人的AGI。

一方面在很多游戲中，比如在線用戶不多時(shí)，AI陪人互動(dòng)，陪人去玩。

第二方面我們叫“陪聊NPC”，比如說(shuō)一局游戲結(jié)束后，上一局人機(jī)合作勝負(fù)如何、戰(zhàn)況如何，下一局怎么打，用戶都可以和AI進(jìn)行交流。

還有一部分是將AIGC融入游戲制作階段，如游戲策劃，尤其是數(shù)值策劃等，會(huì)優(yōu)化整個(gè)游戲數(shù)值生態(tài)的平衡性，這一部分AI探索效率更高，也更能幫助在數(shù)值和平衡性方面進(jìn)行優(yōu)化。

最近我們?cè)凇度龂?guó)志戰(zhàn)棋版》中有一個(gè)落地案例。玩法是走格子下棋，幾百?gòu)埖貓D中，山川河流不一，還有幾百個(gè)武將，每一局目標(biāo)也不一樣，有攻城、守城、野戰(zhàn)、援護(hù)、撤退等等。

這里面就是啟元訓(xùn)練的800萬(wàn)參數(shù)transformer智能體，可以用通用方式應(yīng)對(duì)不同攻關(guān)需求，包括自己探究新的有意思的玩法。

這就是我們覺(jué)得并且基于涌現(xiàn)能力，AGI不僅能提升效率，還可能產(chǎn)生很多新的體驗(yàn)價(jià)值的原因。

去年開(kāi)始，啟元另一個(gè)重點(diǎn)是做陪聊NPC。

面向更廣泛的虛擬世界，比如一些歷史人物和二次元人物，用戶也想跟他們深度互動(dòng)。AGI技術(shù)讓此成為可能。

我們基于劉備做了一個(gè)陪聊NPC，你問(wèn)劉備為什么喜歡哭？怎么看待阿斗？他都能給出基于人設(shè)、基于事實(shí)的交互和對(duì)話。

在我們看來(lái)，AGI技術(shù)既能用于游戲中，也可以展現(xiàn)出非常強(qiáng)的破圈能力，尤其是陪聊類、交互類NPC，能把歷史人物、虛擬人物、二次元人物等任何之前想交往但是無(wú)法接觸的人，拉到你身邊，進(jìn)行符合人設(shè)和事實(shí)的交互和對(duì)話。

啟元世界成立時(shí)，slogan就是“Build intelligence, Understanding worlds, Inspire people”。我們的定位是做好AGI的應(yīng)用技術(shù)和產(chǎn)品研發(fā)，并要服務(wù)任何場(chǎng)景。

我們初心和目標(biāo)，還是希望AGI能更多啟發(fā)人、陪伴人，在數(shù)字世界中創(chuàng)造更多的樂(lè)趣和價(jià)值。