Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

机器之心编辑部报告

微软10亿美元入局,拥有无限算力的OpenAI,真的能实现AGI吗?

微软向 OpenAI 投资 10 亿美元,双方就计算展开合作。这是否能够推动 OpenAI 关于通用人工智能的研究?

周一,微软OpenAI 宣布将开展多年「独家计算合作」,根据双方的官方公告,两家公司的合作将聚焦于构建通向通用人工智能(AGI)的软硬件平台,将 Microsoft Azure 平台的能力扩展至大规模 AI 系统。

微软OpenAI 的合作主要从以下几方面展开:

  • 联合构建新型 Azure AI 超级计算技术;

  • OpenAI 将在 Microsoft Azure 上运行其服务,使用 Azure 平台创建新型 AI 技术,发展通用人工智能

  • 微软将成为 OpenAI 商业化新型 AI 技术的首选合作伙伴

微软在官方公告中表示:

  • 双方将聚焦于构建大规模的 Azure 计算平台,从而训练和运行先进的 AI 模型,包括基于微软超级计算技术的硬件技术,双方将遵循共同的伦理和信任原则。该合作将为以安全、可信的方式发展 AI 奠定基础,这也是双方合作的重要原因。

这一新闻引发了大量讨论。

TechCrunch 对此评论道:

公告中「独家」和「首选」这样的字眼很有趣,尤其是 OpenAI 的基本原则之一是与其他 AI 研究者开展「自由合作」,以及使其研究和专利能被其他人获取。不过事情已经发生改变,比如 OpenAI 从非营利组织转变为营利公司,新的章程中有一项条款表示「出于安全考虑将减少发表传统的研究成果,而更注重分享安全、策略和标准化相关的研究」。
微软进行此次合作的目的似乎是构建大规模 Azure AI 平台,并确保其超级计算技术应用于通用人工智能的开发中。OpenAI 当然也从中受益,因为微软将遵循其出于人类利益安全开发 AGI 的原则,而且,OpenAI 得到了 10 亿美元投资。

有 twitter 用户表示 OpenAI 的变化有一个清晰但令人伤感的轨迹:

第一个标志是 OpenAI 决定不开源其研究(今年 2 月的 GPT-2),然后又决定从非营利组织变为营利性组织。OpenAI 微软的合作似乎是这一清晰轨迹上的必然步骤。

图源:https://twitter.com/mouthofmorrison/status/1153405571657338881

同样,有网友对 OpenAI 的开放性表示质疑:

数据科学家、机器学习工程师 Ali Shahed 设想也许 OpenAI 下一篇论文中会出现这样的语句「该模型使用 1000 万 GPU 花费一年时间训练而成……由于它过于危险,不好意思,你们无法拥有它。」

Sam Nazarius 认为 OpenAI 的工作是开源,世界上已经有那么多构建壁垒的组织了,我们需要让每个人都能获取知识的组织。

图源:https://twitter.com/OpenAI/status/1153289143964725249

也有网友质疑 OpenAI 是否真的在研究通用人工智能

我已经厌倦了所有这些公告,请开始真正的专注于通用人工智能

图源:https://twitter.com/n_iccolo/status/1153386427763306497

OpenAI:一切转变都是出于算力和资金需求

OpenAI 起初是一个非营利性研究机构,成立于 2015 年,由 CTO Greg Brockman、首席科学家 Ilya Sutskever 和 Elon Musk 等人联合创建,同时还受到来自 LinkedIn 创始人 Reid Hoffman 和 Y Combinator 前总裁 Sam Altman 的支持。今年 3 月,Sam Altman 宣布离开 Y Combinator,把工作重点转向 OpenAI。

OpenAI 旨在匹敌谷歌、亚马逊等公司的高科技研发水平,同时以安全、民主的方式开发人工智能技术。但今年 3 月份,OpenAI 宣布转型为营利公司,成立了一家新形式的「有限利润」公司「OpenAI LP」,以此快速增加对于计算和人才的投资。

OpenAI 为新成立的公司设置了 10 倍的利润上限,即任何 OpenAI LP 投资生成的超额利润将转输给另一家非营利公司,后者将会按照合适的方式使用这些资金——但这只在利润超过 100 倍的情况下才会成立。据 Techcrunch 介绍,很多类似的公司设定的利润上限通常是 10 到 20 倍,因此有人担心这个结构只是名义上的「限制」。

对于微软这次投资的 10 亿美元,目前尚不清楚双方就此达成了什么条款。实现「通用人工智能」目前看起来仍然有点科幻。但在谈判结果中,微软OpenAI 正准备启用和构建任何技术推动通用人工智能的实现,无论是云计算服务还是新型机械臂。

「我创立 OpenAI 的目标就是为了创造对人类广泛有益的通用人工智能,」Altman 在最近的一次采访中说道。「而这种伙伴关系是迄今为止我们实现的最重要的里程碑。」

Open AI CTO Greg Brockman 表示,此次合作的达成与 OpenAI 对巨大算力的需求密不可分。其研究者最近发布的分析表明,从 2012 年到 2018 年,最大型的 AI 模型训练所消耗的算力增长了 30 万倍,每 3.5 个月翻一倍,远远超过摩尔定律的速度。

OpenAI 挑战 Dota2 的 OpenAI 5 为例,它每天使用 256 块英伟达 Tesla P100 GPU 和 12.8 万 CPU 内核在谷歌云平台上进行训练,而几年前 CPU 内核的数量仅为 6 万。

OpenAI 正在致力于开发更加强大的 AI 技术,因此需要非常多的资金,」Brockman 表示。「填补资金漏洞最有成效的方法就是构建一款产品,但那会改变我们的方向。」

OpenAI 在某些方面与 DeepMind 有相似之处。早在 2014 年,谷歌母公司 Alphabet 就收购了人工智能企业 DeepMind。与 OpenAI 一样,DeepMind 也严重依赖于计算密集型技术,以在游戏、媒体合成和医学领域取得显著的人工智能进展。这些进展付出了高昂的代价。据《连线》报道,仅 2017 年,DeepMind 就烧掉了 4.42 亿美元。

OpenAI 此前从创始成员和投资者那里获得了 10 亿美元的注资,OpenAI LP 也吸引了霍夫曼慈善基金会和科斯拉风险投资公司的资金。美国国税局(IRS)最新的文件显示,该公司 2016 年支出了 1120 万美元。

OpenAI 对 AI 的不断探索

OpenAI 一直将实现 AGI 作为自己的愿景和终极目标。AGI 是人工智能领域的圣杯,指的是一种与人类一样灵活的人工智能系统。Brockman 和 Altman 认为,通过识别人类专家无法识别的复杂跨学科关联,AGI 将掌握任何人都无法单独掌握的多个领域。而且,他们预测,负责任地部署 AGI 可能有助于解决环境变化、医疗、教育等长期困扰人类的问题。

但以现有的技术水平来看,AGI 的实现可能还需要很长时间。目前,我们只能看到 OpenAI 在特定 AI 领域的探索。

创立至今,OpenAI 在通用语言模型强化学习领域进行了不懈的探索,如最近引发争议的 GPT-2 模型和在 Dota 比赛中击败人类的游戏 AI。

通用语言模型 GPT-2

今年 2 月,OpenAI 推出了一个大型无监督语言模型——GPT-2,能够生产连贯的文本段落,在许多语言建模基准上取得了 SOTA 表现。而且该模型在没有任务特定训练的情况下,能够做到初步的阅读理解、机器翻译、问答和自动摘要

GPT-2 是基于 transformer 的大型语言模型,包含 15 亿参数、在一个 800 万网页数据集上训练而成。GPT-2 是对 GPT 模型的直接扩展,在超出 10 倍的数据量上进行训练,参数量也多出了 10 倍。

起初,由于担心模型太过强大,被不怀好意的人滥用,OpenAI 宣布不开源 GPT-2。这一做法在社区内引发争议,有人甚至嘲讽 Open AI 是 Closed AI。在一场争议之后,OpenAI 决定阶段性开放 GPT-2 模型

OpenAI Dota2 项目的前世今生

研究游戏中的 AI 一直是机器学习领域的热门课题,并且过去几年游戏研究为机器学习领域带来了重大的突破,如谷歌 DeepMind 开发的 AlphaGo 以及进化版 AlphaZero

在这样的背景下,OpenAI 的 Dota AI 项目被寄予厚望。2016 年 11 月,OpenAI 决定开发可以学习 Dota 2 的人工智能体。项目组由 OpenAI CTO Greg Brockman 带领。自该项目组成立以来,OpenAI 就不断地向人类玩家发起挑战,AI 与人类玩家之间互有胜负。

2017 年 8 月,OpenAI 在 Dota2 TI 决赛现场以 1 对 1 solo 的方式击败了「Dota 2」世界顶级玩家 Dendi。此外,OpenAI CTO Greg Brockman 承诺:明年,我们会带着 5v5 的 AI bot 重回 TI。

不到一年的时间,OpenAI 于 2018 年 6 月宣布他们的 AI bot 在 5 v 5 团队赛中击败业余人类玩家,达到 4000 分水平,并计划之后能够击败顶级专业团队。

随后,在 2018 年 8 月首次公开的基准测试赛中OpenAI 人工智能与前职业玩家、游戏解说员 Blitz、Cap、Fogged、Merlini 和 MoonMeander 进行了三场 5v5 对决,并以 2 比 1 的比分取胜(6600 分水平)。人类仅仅依靠阵容优势在最后一场比赛中「挽尊」获胜。

但遗憾的是,2018 年 8 月 23 日,OpenAI 带着全新的 OpenAI Five,意欲挑战全世界最顶尖的 Dota 2 人类玩家—paiN Gaming 战队。然而,51 分钟的比赛之后,OpenAI 经历了一场完败。8 月 24 日,OpenAI Five 在一场长达 45 分钟的比赛中再次输给了中国 Dota 2 史上最传奇的元老人物——徐志雷、张宁、骆非池、白帆和王兆辉。

今年 4 月,在 OpenAI Dota2 项目最终的决战中,OpenAI Five 2:0 战胜 Dota2 职业战队、TI 8 冠军 OG。但是在击败 OG 后,OpenAI Five 还有很长的路要走。

参考链接:

https://www.theverge.com/2019/7/22/20703578/microsoft-openai-investment-partnership-1-billion-azure-artificial-general-intelligence-agi

https://openai.com/blog/microsoft/

产业微软OpenAI智能硬件分布式计算技术人工智能安全强化学习
相关数据
Amazon机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
DeepMind机构

DeepMind是一家英国的人工智能公司。公司创建于2010年,最初名称是DeepMind科技(DeepMind Technologies Limited),在2014年被谷歌收购。在2010年由杰米斯·哈萨比斯,谢恩·列格和穆斯塔法·苏莱曼成立创业公司。继AlphaGo之后,Google DeepMind首席执行官杰米斯·哈萨比斯表示将研究用人工智能与人类玩其他游戏,例如即时战略游戏《星际争霸II》(StarCraft II)。深度AI如果能直接使用在其他各种不同领域,除了未来能玩不同的游戏外,例如自动驾驶、投资顾问、音乐评论、甚至司法判决等等目前需要人脑才能处理的工作,基本上也可以直接使用相同的神经网上去学而习得与人类相同的思考力。

https://deepmind.com/
Microsoft机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
AlphaZero技术

DeepMind 提出的 AlphaZero 不仅征服了围棋,也在将棋、国际象棋等复杂游戏中实现了超越人类的表现。DeepMind 推出的 AlphaGo 曾在围棋项目中取得了超越人类的表现,其研究曾经两次登上 Nature。2018 年 12 月,AlphaGo 的「完全自我博弈加强版」AlphaZero 的论文又登上另一大顶级期刊 Science 的封面。在论文中,AlphaZero 不仅征服了围棋,也在将棋、国际象棋等复杂游戏中实现了超越人类的表现。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

基准技术

一种简单的模型或启发法,用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

机器翻译技术

机器翻译(MT)是利用机器的力量「自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)」。机器翻译方法通常可分成三大类:基于规则的机器翻译(RBMT)、统计机器翻译(SMT)和神经机器翻译(NMT)。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

摩尔定律技术

摩尔定律是由英特尔创始人之一戈登·摩尔提出来的。其内容为:积体电路上可容纳的电晶体数目,约每隔两年便会增加一倍;经常被引用的“18个月”,是由英特尔首席执行官大卫·豪斯所说:预计18个月会将芯片的性能提高一倍。

自动摘要技术

自动摘要是指给出一段文本,我们从中提取出要点,然后再形成一个短的概括性的文本。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

语言模型技术

语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。由于字词与句子都是任意组合的长度,因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题),也使得在语料库中估算字串的机率变得很困难,这也是要使用近似的平滑n元语法(N-gram)模型之原因。

通用人工智能技术

通用人工智能(AGI)是具有一般人类智慧,可以执行人类能够执行的任何智力任务的机器智能。通用人工智能是一些人工智能研究的主要目标,也是科幻小说和未来研究中的共同话题。一些研究人员将通用人工智能称为强AI(strong AI)或者完全AI(full AI),或称机器具有执行通用智能行为(general intelligent action)的能力。与弱AI(weak AI)相比,强AI可以尝试执行全方位的人类认知能力。

GPT-2技术

GPT-2是OpenAI于2019年2月发布的基于 transformer 的大型语言模型,包含 15 亿参数、在一个 800 万网页数据集上训练而成。据介绍,该模型是对 GPT 模型的直接扩展,在超出 10 倍的数据量上进行训练,参数量也多出了 10 倍。在性能方面,该模型能够生产连贯的文本段落,在许多语言建模基准上取得了 SOTA 表现。而且该模型在没有任务特定训练的情况下,能够做到初步的阅读理解、机器翻译、问答和自动摘要。

Elon Musk人物

伊隆·马斯克(Elon Musk)是一名美籍和加籍企业家,出生于南非。作为SpaceX、特斯拉和PayPal的创始人而闻名。

所属机构
推荐文章
暂无评论
暂无评论~