1. 首頁 > 生活百科 > >

OpenAI聯創曝AGI秘訣！超臨界學習吞噬算力，2045金錢無用？

人工智能openai超臨界

OpenAI聯創曝AGI秘訣！超臨界學習吞噬算力，2045金錢無用？

文章圖片

OpenAI聯創曝AGI秘訣！超臨界學習吞噬算力，2045金錢無用？

文章圖片

OpenAI聯創曝AGI秘訣！超臨界學習吞噬算力，2045金錢無用？

文章圖片

OpenAI聯創曝AGI秘訣！超臨界學習吞噬算力，2045金錢無用？

文章圖片

OpenAI聯創曝AGI秘訣！超臨界學習吞噬算力，2045金錢無用？

文章圖片

OpenAI聯創曝AGI秘訣！超臨界學習吞噬算力，2045金錢無用？

文章圖片

OpenAI聯創曝AGI秘訣！超臨界學習吞噬算力，2045金錢無用？
編輯：桃子
【新智元導讀】GPT-5是一個分水嶺 ， 終于學會了「推理」 。 聯創Greg Brockman最新訪談暢談了OpenAI AGI之路 ， 未來AI可以做到邊用邊學 ， 在超臨界模式下推導出N階后果 。


「GPT-5 ， 是一個分水嶺」 。
昨天 ， OpenAI聯創Greg Brockman在Latent Space團隊的專訪中對GPT-5做出了高度的評價 。
這一小時的訪談 ， 含金量極高 。
從GPT-5 的意義、推理與強化學習的轉折點 ， 到算力瓶頸、AI工程實踐 ， 再到對未來社會的預判 ， Greg Brockman的對話透露了OpenAI最新戰略的思考 。

他還表示 ， 「當內部訓完GPT-4時 ， 我們就知道下一步必須走向推理范式 。 這不是新想法 ， 而是讓模型變得可靠的唯一途徑」 。
以下是 ， 全文訪談的核心亮點：
· GPT-4持續對話 ， 但不夠可靠；GPT-5開始真正學會「推理」
· 未來模型不再是「一次訓練+無限推理」 ， 而是邊用邊學
· 超臨界學習：AI學到的不止是答案 ， 還能推導出后果鏈
· 使用AI是一門管理學 ， 要當多智能體的經理人 。
· 唯一稀缺的 ， 是算力



GPT-5 ， 一個分水嶺


談及GPT-5時 ， Greg強調這是OpenAI首個「混合模型」 ， 通過路由器在推理模型與非推理模型之間自動切換 。
這種模式降低了使用復雜度 ， 避免用戶糾結于「該選哪個版本」 。
從性能上看 ， GPT-5 已經在數學、編程、物理等高智力任務上表現出質變 。

對此 ， Greg將其與前幾代旗艦做了一個鮮明的對比 。
GPT-3出世后 ， 所具備的文本能力還很淺 ， 甚至連「排序數字」這樣的基礎任務都做不好 。
到了GPT-4 ， 其實用性大幅提升 ， 成為廣泛商用的基礎 ， 但在真正深度智力上仍有欠缺 。
「而GPT-5 ， 則是一個分水嶺」 。
GPT-5在極難的領域上 ， 如IMO、IOI國際比賽中 ， 已經能寫出與最優秀人類相當的證明 。
這在過去是極大的挑戰 ， 而現在我們能用少數人團隊把它解決掉 。

更令人震驚的是 ， 物理學家已經反饋 ， GPT-5 給出的推理過程 ， 能重現他們花了數月研究才得出的見解 。
這意味著 ， 模型已經不再只是「輔助寫作工具」 ， 而是真正的科研合作者 。
他還提到 ， OpenAI在GPT-4之后 ， 做出了一個關鍵的判斷：
光靠海量預訓練數據 ， 根本無法讓模型真正可靠 。
早期實驗顯示 ， GPT-4雖能連續對話 ， 但常常「跑偏」 ， 并不可靠 。
因此 ， 團隊認定必須讓模型「測試想法——獲得反饋——強化學習」 ， 才能縮小與AGI的差距 。
Greg解釋道 ， 我們希望語言模型能像當年Dota AI一樣 ， 從隨機初始化的神經網絡 ， 最終學到復雜、穩定的行為 。
強化學習能把有限的人類任務設計 ， 放大出可靠的智能 。
這也是GPT-5背后最大的范式轉折：從靜態訓練 ， 邁向動態推理 。

超臨界學習


人類學習有「睡眠回放」 ， AI也在探索「推理-再訓練」的循環 。
OpenAI模型從「離線訓練+大量推理」轉向了「推理+基于推理數據的再訓練」 ， 逐步接近人類學習的過程 。
Greg表示 ， 「我們正在從『一次性訓練 ， 無限次推理』的時代 ， 邁向『邊推理邊訓練』的新紀元」 。
這個過程中 ， 人類只需設計少量任務 ， 模型通過成千上萬次嘗試即可學習到復雜行為 ， 但算力消耗巨大 。
當算力增加10倍、10000倍 ， 模型就會出現「超臨界學習」（Supercritical learning） 。

它意味著 ， LLM學習不僅是掌握當前任務 ， 還要推導二階、三階效應 。
展望模型未來新應用 ， Greg在生物研究所的經歷讓他相信 ， DNA就像預言一樣 ， 可以被神經網絡學習 。
他表示 ， 對于神經網絡來說 ， 人類語言和生物語言沒有本質區別 ， 我們在DNA建模上已經能做到GPT-2的水平 。
Greg還提到 ， 自己的妻子患有罕見遺傳病 ， AI在醫療上的突破 ， 對于他來說有著更重要的個人意義 。




最佳工程實踐 ， 打造Prompt武器庫


有了如此強大模型 ， 開發者如何將其發揮出最大的效用？
「若要充分發揮模型的潛力 ， 確實需要一些特殊的技巧」 。
這需要一種近乎偏執的韌性 ， 去真正摸清模型能力的邊界與缺陷的輪廓 。
為此 ， Greg提出了最佳工程實踐——
1. 構建AI友好型代碼庫：模塊清晰、單元測試完整、文檔詳?。 ?
2. 拆解任務 ， 讓多個智能體并行完成；
3. 要做「Prompt庫」管理 ， 積累自己的提示武器庫 ， 不斷探索模型的邊界 。


不過 ， 這些Prompt往往不是唯一正確答案 ， 而是能讓模型發揮創造性和多樣性的測試 。
訪談中 ，Greg表示 ， 「我始終模型當作一個開發團隊 ， 而不是單一的工具」 。
它可以遠程異步完成任務 ， 也可以像結對編程一樣實時協作 。
更重要的是 ， AI不介意被完全「微觀管理」 ， 而且還可以被無限復制 ， 這一點是人類開發者無法做到的 。
GPT-5在前端測試上表現突出 ， 但開發者不能只「過擬合」某些強項場景 ， 要學會讓AI在不同模塊間切換 ， 形成完整的工作流 。

Greg舉了一個例子 ， 自己平時會把非關鍵任務外包給模型 ， 降低風險 ， 同時還能保持信息流動 。
他還豪言 ， OpenAI正在建造人類史上最龐大的智能機器 。 相比之下 ， 「阿波羅計劃」這樣的工程都黯然失色 。
即便部分工作被自動化 ， 優秀工程師依然稀缺 。
關于當前AI研究現狀 ， Greg指出 ， 不同實驗室并非是同質化 ， 而是各自有獨特取向 。
OpenAI的重點是——下一個范式的轉折 ， 優先級包括：推理范式、多模態、應用 。



算力 ， 是永恒的瓶頸


下一個未來 ， 算力將成為最炙手可熱的資源 。
在OpenAI內部 ， 擁有更多計算資源后 ， 研究人員才能開展更大的項目 ， 取得更多的成果 。
近來 ， 奧特曼稱 ， 我們內部有更強大的模型 ， 但因算力不夠 ， 還拿不出來 。
談到AI的極限時 ， Greg一針見血 ， 「瓶頸永遠是算力」 。
如果你能給我們更多的算力 ， 我們就能把它轉化為更強的模型 。


他還將算力比做一種「能量」 ， 預訓練是將能量轉化為潛在的智力（potential energy） ， 而推理則把智力再次釋放為動能（kinetic energy） ， 用于現實世界中的任務 。
為此 ， OpenAI今年開始打造「星際之門」超級集群 ， 不斷擴張基礎設施 。
在Greg看來 ， 未來社會中的「算力分配」將成為核心議題 ， 甚至比財富更加稀缺 。
用他的話來說 ， 「未來唯一肯定會稀缺的資源 ， 是算力」 。

Greg相信 ， 隨著算力Scaling ， AI推理深度將呈指數級增長 。
【OpenAI聯創曝AGI秘訣！超臨界學習吞噬算力，2045金錢無用？】


2045年：AI生成一切 ， 錢沒用了？


訪談中 ， 當主持人問及 ， 你想要發送到2045年一張便條會是什么？
Greg Brockman表示 ， 那將會是一個驚人豐饒的世界 ， AI的進步可能讓我們實現科幻小說中的夢想 ， 甚至邁向多星球文明 。
AI的應用空間無比廣闊 ， 無論是醫療、教育還是其他行業 ， 都有無數「未被采摘的果實」等待探索 。
不過 ， 如何構建一個公平、高效的社會來分配計算資源 ， 將是未來需要深思的問題 。

但他也認真強調：
如果AI能免費生成一切物質 ， 金錢可能會失去意義；


但算力將成為新的稀缺品 ， 誰能獲得更多算力 ， 就能做更多事 。


采訪的最后 ， Greg回憶起年輕時 ， 常覺得「錯過了時代」 。
他表示 ， 「我曾以為等到我準備好時 ， 所有酷炫的問題肯定早被解決完了…結果證明這想法大錯特錯 。 問題的數量會隨時間增長而非減少」 。
換句話說 ， 現在依然是進入AI的最佳時機 。
參考資料：
https://www.youtube.com/watch?v=35ZWesLrv5A&t=1s
https://x.com/slow_developer/status/1956741490170106288

    推薦閱讀