OpenAI CEO表示:扩大规模并非进步的唯一方法,巨型AI模型时代或将结束

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

OpenAI CEO:巨型AI模型时代即将终结,想进步别再靠扩大规模

4月18日消息,OpenAI的聊天机器人ChatGPT可谓是功能强大,引起了人们对人工智能的极大兴趣和投资。但该公司的CEO萨姆·奥尔特曼认为,现有研究策略已经失效,未来的AI进步需要新的思路。

近年来,OpenAI通过将现有的机器学习算法扩展到以前无法想象的规模,在处理语言方面取得了一系列令人印象深刻的进步。其最近开发的项目是GPT-4,据称已经使用数万亿字的文本和数千个强大的计算机芯片进行训练,耗资超过1亿美元。

但是,奥尔特曼表示,未来AI的进步不再依赖于将模型变得更大。在麻省理工学院的一次活动上,他说:“我认为,我们正处在一个时代的尽头。在(即将过去的)这个时代,模型变得越来越大。现在,我们会在其他方面让它们变得更好。”

奥尔特曼的表态意味着,开发和部署新AI算法的竞赛出现了出人意料的转折。自去年11月推出ChatGPT以来,微软就开始利用这一底层技术在其必应搜索引擎中添加了聊天机器人,谷歌也推出了名为Bard的竞争对手。许多人都迫不及待地尝试使用这种新型聊天机器人来帮助完成工作或个人任务。

与此同时,许多资金充足的初创公司,包括Anthropic、AI21、Cohere和Character.AI等,正在投入大量资源用于构建更大的算法,以努力赶上OpenAI的脚步。ChatGPT的初始版本是基于GPT-3构建的,但用户现在也可以访问功能更强大的GPT-4支持的版本。

奥尔特曼的陈述也暗示,采用将模型扩大并提供更多数据进行训练的策略后,GPT-4可能是OpenAI最后一项重大成果。不过,他没有透露任何可能替代当前方法的研究策略或技术。在描述GPT-4的论文中,OpenAI表示,其估计表明,扩大模型规模的回报正在减少。奥尔特曼说,该公司可以建立的数据中心数量以及建设这些中心的速度也都受到物理限制。

Cohere的联合创始人尼克·弗罗斯特(Nick Frosst)曾在谷歌从事人工智能研究,他表示,奥尔特曼所说的“不断扩大模型规模并不是无限制的有效解决方案”是正确的。他认为,针对GPT-4和其他transformers类型(编辑组:transformers直译为转换器,而GPT是Generative pre-trained transformers的简写,意思是基于转换器的生成式预训练模型)的机器学习模型,进展不再只是靠扩大规模。

弗罗斯特补充说:“有很多方法可以让transformers变得更好、更有用,而且很多方法都不涉及给模型增加参数。新的人工智能模型设计或架构,以及基于人类反馈的进一步调整,都是许多研究人员已经在探索的前进方向。”

在OpenAI的语言算法家族中,每个版本都由人工神经网络组成,这个软件的设计灵感来自于神经元之间相互作用的方式,经过训练后,它可以预测应该跟随在给定文本字符串后面的单词。

2019年,OpenAI发布了其第一个语言模型GPT-2。它最多涉及到15亿个参数,这一指标能够衡量神经元之间可调整的连接数量的大小。这个数字非常大,这在某种程度上要归功于OpenAI研究人员的发现,扩大规模使模型变得更加连贯。

2020年,OpenAI推出GPT-2的后继者GPT-3,该模型规模更大,参数高达1750亿个。GPT-3在生成诗歌、电子邮件和其他文本方面具备广泛能力,这令其他公司和研究机构相信,他们可以将自己的AI模型扩展到与GPT-3类似甚至更大的规模。

去年11月,ChatGPT首次亮相后,表情包制造者和科技专家猜测,当GPT-4问世时,它将是个拥有更多参数、更为复杂的模型。然而,当OpenAI最终宣布新的人工智能模型时,该公司没有透露它有多大,也许是因为规模不再是唯一重要的因素。在麻省理工学院的活动上,奥尔特曼被问及GPT-4的培训成本是否有1亿美元,他回答说:“不止如此。”

尽管OpenAI对GPT-4的规模和内部工作原理保密,但很可能它已经不再仅仅依赖于扩大规模来提高性能。有一种可能性是,该公司使用了名为“强化学习与人类反馈”的方法,用于增强ChatGPT的能力,包括让人类判断模型答案的质量,以引导它提供更有可能被判断为高质量的答案。

GPT-4的非凡能力让许多专家感到震惊,并引发了关于AI改变经济潜力的辩论,以及其可能传播虚假信息和制造失业的担忧。许多企业家和AI专家最近签署了一封公开信,呼吁暂停开发比GPT-4更强大的模型6个月,其中包括特斯拉首席执行官埃隆·马斯克。

在麻省理工学院的活动中,奥尔特曼证实,他的公司目前没有开发GPT-5。他补充说:“这封公开信的早期版本声称OpenAI正在训练GPT-5。实际上我们并没有这样做,短期内也不会。”

以上就是OpenAI CEO表示:扩大规模并非进步的唯一方法,巨型AI模型时代或将结束的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/555955.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年11月9日 22:32:57
下一篇 2025年11月9日 22:37:27

相关推荐

  • ChatGPT冲击下,国内技术问答社区如何突围?

    ChatGPT的崛起对全球技术问答社区造成了巨大冲击,Stack Overflow的困境更是敲响了警钟。国内技术问答平台,例如SegmentFault,也面临着同样的挑战。它们该如何应对呢? SegmentFault长期以来专注于为开发者提供高质量的技术问答服务,并不断优化用户体验。这包括持续改进平…

    2025年12月13日
    000
  • Flask流式传输如何模拟ChatGPT的实时响应?

    使用Flask流式传输模拟ChatGPT实时响应 许多应用,例如模拟ChatGPT的实时聊天或大型文件下载,都需要边生成边传输数据,避免客户端长时间等待。本文演示如何在Python Flask框架中实现这种流式传输,并修正原代码中的缺陷。 原代码尝试使用yield实现流式传输,但由于response…

    2025年12月13日
    000
  • Flask如何实现类似ChatGPT的实时数据流传输?

    使用Flask框架构建实时数据流:模拟ChatGPT响应 在Flask Web应用开发中,常常需要模拟ChatGPT的实时数据传输效果,即数据生成的同时即时传输给客户端,而非等待所有数据生成完毕再一起发送。本文将介绍如何利用Flask实现这种流式传输,并解决传统方法中存在的延迟问题。 传统方法的问题…

    2025年12月13日
    000
  • Flask如何实现类似ChatGPT的实时流式响应?

    使用Flask模拟ChatGPT的实时流式响应 许多开发者希望在Flask应用中实现类似ChatGPT的实时响应效果:内容生成过程中持续传输给客户端。然而,简单的Flask response 对象无法满足此需求,它会等待生成器函数完全执行后才发送结果。本文探讨如何利用Flask框架实现真正的流式传输…

    2025年12月13日
    000
  • ChatGPT冲击下,SegmentFault的生存策略是什么?

    ChatGPT的崛起对开发者社区带来了巨大冲击,Stack Overflow的困境已敲响警钟。SegmentFault作为国内领先的开发者社区,如何应对ChatGPT带来的挑战,确保自身持续发展? SegmentFault的核心竞争力在于庞大的中文开发者用户群体和高质量的技术问答内容。然而,Chat…

    2025年12月13日
    000
  • 如何通过 ADB 控制小米手机进行长截图并保存到手机上?

    ADB控制小米手机长截图:探索与实践 许多Android用户需要截取超出屏幕范围的内容,特别是包含滚动内容的页面。本文探讨如何利用ADB (Android Debug Bridge) 在小米手机上实现长截图并保存到手机。目标是截取1600×720分辨率屏幕的完整内容,生成3200&#215…

    2025年12月13日
    000
  • ChatGPT时代,技术问答社区思否如何应对挑战?

    ChatGPT浪潮下,技术问答社区思否(SegmentFault)如何突围? Stack Overflow近期面临挑战,其CEO公开承认公司正经历艰难时期,这与ChatGPT等大型语言模型的崛起息息相关。那么,作为另一个重要的技术问答社区,思否将如何应对这一挑战呢? 本文将分析思否可能的应对策略。参…

    2025年12月13日
    000
  • Flask框架下如何实现ChatGPT式的流式文本传输?

    使用Flask框架构建类似ChatGPT的流式文本传输应用 许多开发者希望利用Flask框架创建类似ChatGPT的应用,实现文本内容的实时生成和传输。然而,Flask的response对象并非为这种场景设计,它会在生成器函数完全执行后才开始返回数据。本文将介绍如何使用Flask的stream_wi…

    2025年12月13日
    000
  • Python的GIL:究竟是作用于整个进程还是每个线程?

    python全局解释器锁(gil)详解:作用范围及误区 Python的GIL (全局解释器锁) 限制了多线程程序的性能,但其作用范围常常被误解。本文将澄清GIL究竟作用于进程还是线程。 许多Python开发者对GIL有所了解,但关于GIL是否作用于每个线程,存在疑问。 这种疑问可能源于与AI模型(例…

    2025年12月13日
    000
  • ChatGPT时代,SegmentFault如何应对开发者问答社区的挑战?

    大型语言模型(LLM)如ChatGPT的崛起,给开发者问答社区带来了前所未有的挑战。Stack Overflow的困境已为业界敲响警钟。那么,SegmentFault将如何应对ChatGPT带来的冲击,保持其在开发者社区中的领先地位呢? ChatGPT能够快速生成代码和答案,这无疑会对Segment…

    2025年12月13日
    000
  • Flask框架如何实现类似ChatGPT的实时流式数据传输?

    使用Flask框架构建实时流式数据传输,如同ChatGPT的即时响应 许多开发者希望在Flask应用中实现类似ChatGPT的实时响应效果:数据生成的同时即时传输给客户端。然而,简单的yield语句无法直接实现这一目标。本文深入探讨如何利用Flask框架高效实现这种流式传输。 问题在于,之前的代码片…

    2025年12月13日
    000
  • Python的GIL:一个进程只有一个,还是每个线程都有一个?

    python全局解释器锁(gil)的真相:只有一个,而非每个线程一个 关于Python的GIL(全局解释器锁),一个常见的误解是它是否每个线程都拥有一个。 事实并非如此。Python进程只有一个GIL。 许多Python开发者对GIL的运作机制有所了解,但一些细节容易混淆。最近,一个截图(此处略去)…

    2025年12月13日
    000
  • 为什么科学家们最初选择Python而非JavaScript进行科学计算?

    Python在科学计算领域的统治地位:从最初的选择到如今的广泛应用 Python在科学计算领域的广泛应用,常常令专注于Web开发并习惯使用JavaScript的开发者感到疑惑。近期ChatGPT源码采用Python编写,更是加剧了这种好奇。JavaScript凭借其丰富的库和框架,在Web开发领域占…

    2025年12月13日
    000
  • Python的全局解释器锁(GIL)究竟作用于进程还是线程?

    Python 全局解释器锁 (GIL) 的作用范围:一个进程只有一个 GIL。 关于 Python 的 GIL 作用范围,存在一些误解。有人认为 GIL 作用于每个线程,也有人认为它作用于整个进程。本文将澄清这个疑问。 Python 的 GIL 仅作用于整个进程,且只有一个 GIL 实例。 这意味着…

    2025年12月13日
    000
  • 为什么科学计算领域偏爱Python而非JavaScript?

    Python在科学计算领域的统治地位:一个前端开发者的视角 ChatGPT源码的公开,让许多前端开发者,例如提问者,开始关注Python在科学计算领域的广泛应用。提问者注意到JavaScript凭借其丰富的库在Web开发中占据主导地位,却好奇为什么科学计算领域偏爱Python。这不仅仅是因为Pyth…

    2025年12月13日
    000
  • 有没有想过像您一样的AI“看到”?初学者&#s注意指南

    在大型语言模型中了解注意力:初学者指南 >您是否曾经想过chatgpt或其他ai模型如何能够很好地理解和响应您的消息?秘密在于一种称为注意的机制 – 一种关键组成部分,可帮助这些模型理解单词之间的关系并产生有意义的响应。让我们简单地将其分解! > 什么是关注? 想象您正在读一…

    2025年12月13日
    000
  • AI模型的兴起,能够在各个行业创建内容,设计和解决方案

    引言 人工智能(AI)已不再是遥不可及的未来科技,它正深刻地改变着当今各行各业。先进的AI模型的出现,彻底革新了企业的内容创作、产品设计以及创新解决方案的开发模式。从AI写作助手到自动化图形设计工具,再到智能化业务解决方案,AI正以前所未有的方式改变着我们的工作方式和人机交互模式。 AI如何重塑内容…

    2025年12月13日
    000
  • OpenAI工具呼叫示例

    from json import loadsfrom signal import signal, sigintfrom requests import get # pip install requestsfrom openai import openai # pip install openai# …

    好文分享 2025年12月13日
    000
  • ChatGPT和Python的完美结合:打造智能客服聊天机器人

    ChatGPT和Python的完美结合:打造智能客服聊天机器人 引言:在当今信息时代,智能客服系统已经成为企业与客户之间重要的沟通工具。而为了提供更好的客户服务体验,许多企业开始转向采用聊天机器人的方式来完成客户咨询、问题解答等任务。在这篇文章中,我们将介绍如何使用OpenAI的强大模型ChatGP…

    2025年12月13日
    000
  • ChatGPT Python插件开发指南:增加自然语言理解的功能

    ChatGPT Python插件开发指南:增加自然语言理解的功能,需要具体代码示例 引言:ChatGPT是一个强大的自然语言生成模型,但它有一个短板,那就是缺乏自然语言理解的能力。在本文中,我们将分享一个开发ChatGPT Python插件的指南,以增加自然语言理解的功能。我们将探讨如何使用代码示例…

    2025年12月13日
    000

发表回复

登录后才能评论
关注微信