许多 人工智能 (AI)科学家和草创公司认为，通过增加更多数据和算力来扩大当前模型，以持续改进AI模型的要领正在走到尽头。因此，像OpenAI这样的AI公司正在寻求通过开发新的练习技术来克服当前面临的挑战，这些技术更像人类的思考方式。
自风靡全球的聊天 机器人 ChatGPT发布以来，科技公司都是通过增加更多数据和算力来扩大并改善AI模型。但现在，一些最杰出的AI科学家正在指出这种“越大越好”的局限性。
人工智能 实验室Safe Superintelligence和OpenAI的联合开创人Ilya Sutskever近日表示，扩大预训练(训练AI模型的阶段，该模型使用大量未标记的数据来理解语言模式和结构)所取得的成果已经达到了一个平稳期，对提升模型性能的帮助有限。
Sutskever早期主张通过在预训练中使用更多数据和算力来实现生成式AI的巨大飞跃，这最终创造了ChatGPT。他今年早些时候离开OpenAI，建立了Safe Superintelligence。
Sutskever表示：“以前是规模扩张的时代，目前我们又回到了奇迹和发现的时代。每个人都在寻找下一个东西，这比以往任何时候都更重要。”
另外，Sutskever还承认他的企业正在研究一种扩大预训练规模的替代方法，但未透露更多细节。
新技术竞赛
大模型的所谓“训练”需要同时运行数百个芯片，成本可能高达数千万美元。考量到全面的复杂性，它们更有可能发生硬件引发的故障；在测试结束之前，科研人员可能无法知道这些模型的最终性能，这可能需要几个月的时间。
另外一个问题是，大语言模型吞噬了大量数据，而AI模型已经耗尽了全球所有容易获取的数据。电力短缺也阻碍了训练运行，因为这个过程需要大量的能源。
为了克服这些挑战，科研人员正在探索测试时计算(test-time compute)，这是一种在所谓的推理阶段或使用模型时增强现有AI模型的技术。例如，模型可以实时生成和评估多种可能性，最终选择最佳前进路径，而不是立即选择一个答案。
这种方法使模型能够将更多的处理能力投放到具有挑战性的任务中，好比数学或编码问题或需要类似人类的推理和决策的复杂操作。
OpenAI研究员Noam Brown此前表示：“事实证明，让一个 机器人 在一盘扑克牌中思考20秒，与将模型放大10万倍、训练时间延长10万倍的效果相同。”
OpenAI 在其新发布的模型“o1”中采用了这项技术，这时，来自Anthropic、xAI和DeepMind等其它顶尖AI实验室的科研人员也在致力于开发自己的技术版本。
OpenAI首席产品Kevin Weil表示：“我们看到了很多低垂的果实，摘下来让这些模型变得更好。等到人们奋起直追的时候，我们会努力开发新的技术。”
多位科学家、科研人员和投资者认为，这种新技术可能会重塑AI军备竞赛，并对AI公司所需求的各类资源发生影响。
