Noam Brown：AI“推理”模型本可以在幾十年前出現

諾姆·布朗（Noam Brown），OpenAI 人工智能推理領域的領先研究者，最近在聖荷西的 Nvidia GTC 會議上分享了見解，指出若當時已知正確的方法與演算法，"推理"人工智能的進展可能早在 20 年前就已實現。他解釋說：「這項研究方向被忽視有諸多原因」，突顯了當時方法上的一個缺口，這個缺口本可以更早被填補。

回顧他的研究歷程，布朗提到了一個關鍵的領悟：「我在研究過程中注意到，好的，少了些什麼。人類在棘手的情況下會花很多時間思考然後再行動。這也許對人工智能非常有用。」這一觀察促使他開發出模仿人類推理的人工智能模型，而非僅依賴計算能力。

他在卡內基梅隆大學的工作，特別是與 Pluribus AI 的研究，堪稱這種方法的典範。Pluribus 之所以開創性，是因為它使用推理來解決問題，與當時較常見的暴力計算方法形成對比。

在 OpenAI，布朗參與了 o1 人工智能模型的開發，該模型使用了一種稱為測試時推理（test-time inference）的方法。這項技術使人工智能在回應前能「思考」，提升其在數學和科學等領域的準確性與可靠性。

在小組討論中，布朗談到了學術研究與大型人工智能實驗室（如 OpenAI）在實驗規模上競爭的挑戰。他承認，由於現代模型對計算能力的需求日益增加，這種挑戰越來越困難，但他建議學者仍可通過專注於需要較少計算能力的領域（如設計模型架構）來做出重大貢獻。

他強調了學術界與前沿實驗室合作的潛力，說道：「前沿實驗室與學術界之間存在合作機會。當然，前沿實驗室會審視學術出版物，並仔細思考，好的，這是否提出了一個令人信服的論點，如果進一步放大規模，會非常有效。如果論文中有這樣的說服力論點，你知道，我們會在這些實驗室中進行調查。」

布朗的評論尤為及時，因為川普政府提議大幅削減科學研究經費，這一舉動遭到包括 Geoffrey Hinton 在內的人工智能專家批評，他們認為此舉可能會危及全球人工智能研究工作。

他還指出學術界在改進人工智能基準測試中的關鍵作用，指出：「人工智能基準測試的現狀真的很糟糕，而這不需要大量計算能力。」當前的人工智能基準測試往往聚焦於冷僻的知識，無法準確反映對用戶最重要的能力，導致對人工智能模型真實潛力與進展的混淆。

太平洋時間下午 4:06 更新：本文早期版本暗示布朗在開場評論中指的是像 o1 這樣的推理模型。實際上，他指的是在加入 OpenAI 之前關於遊戲人工智能的工作。我們對此錯誤表示歉意。