2003年夏天的一個周日，AI教父Hinton在多倫多大學的辦公室里敲代碼，突然響起略顯莽撞的敲門聲。

門外站著一位年輕的學生，說自己整個夏天都在打工炸薯條，但更希望能加入Hinton的實驗室工作。

Hinton問，你咋不預約呢？預約了我們才能好好談談。

學生反問，要不就現在吧？

這位年輕學生就是Ilya Sutskever，剛剛完成本科二年級的數學課程，從教務處打聽到“想學機器學習，最好去找Hinton教授”。

他照做了，也因此成就了一段傳奇：

從AlexNet到AlphaGo，他兩次參與改變世界的研究。

OpenAI創立之初挖他去當首席科學家，在他的領導下，推出了GPT系列早期版本、DALL·E系列、代碼大模型Codex，直到ChatGPT，再次改變世界。

多年后，他發動董事會內訌，最終與OpenAI徹底分道揚鑣，全世界都在等待著他的下一個動作。

在OpenAI的時候，Ilya并不像Altman那樣到處拋頭露面，也不像Brockman天天在網上分享自己的“編程之禪”。

僅有的幾次演講和訪談中也多是聊技術、宏觀思考，不常談及自己的經歷，最近半年更是銷聲匿跡。

這次的故事，正是來自他的博士導師Geoffrey Hinton。

在與Sana Labs創始人的最新對話節目中，Hinton不僅講了自己的事，還回憶了師徒共事期間的一些往事。

20多年過去了，很多細節在Hinton的敘述里還是那么鮮活。

這段訪談錄像理所當然的火了，除了軼事之外，還涉及Ilya的一些學術思想怎么來的，又是如何發展：

• 2010年Ilya就用GPU開發了一種語言模型
• Scaling Law最早是他的一種直覺
• 兩人都認為”語言模型不只是預測下一個token“
• 兩人都認同“預測即壓縮壓縮即智能”

那么，Hinton眼中的Ilya，到底是什么樣子？

驚人的原始直覺

Ilya加入實驗室后，Hinton給他布置的第一個任務是讀論文，一篇關于反向傳播的論文。

下一個周會，Ilya回來報告了，說“我不理解”。

Hinton很失望，內心OS：“這孩子看著挺機靈的，咋連鏈式法則求導這么基礎的東西都看不懂？”

Ilya連忙解釋，哦這個部分我懂了，我不理解的是，為什么不給梯度加一個sensible functional optimizer？

Hinto團隊后來花了好幾年來解決這個問題，最初指出問題的卻是剛入門一周的Ilya。

像這樣的情況后面還在反復發生……Hinton如此評價Ilya：

他對事物的原始直覺總是非常好。

但Hinton也說搞不清楚Ilya這種直覺從何而來，或許歸功于他從小就對人工智能問題感興趣，再加上數學基礎很棒。

除了研究直覺，學生時期的Ilya也展現了超強的代碼和工程能力。

當時還沒有TenserFlow或Torch之類流行框架，機器學習的主要工具和平臺是Matlab。

一項工作需要在Matlab里調整大量矩陣乘法代碼，Ilya做了一段時間就很不耐煩，說要為Matlab寫一個界面：

我用其他（Python等更方便的）語言寫代碼，然后能自動轉成Matlab代碼就好了。

Hinton聽說后苦口婆心勸他，你可別，這得花上一個月時間，我們不要分心，把手頭項目先做完。

Ilya卻輕描淡寫地說，害，沒事，今天早上我已經寫完了。

△這項工作出現在Ilya的博士畢業論文里

打小就堅信Scaling Law

正如Hinton所言，Ilya在很多問題上有驚人的直覺。

今天全AI圈不少人信奉的Scaling Law，Ilya學生時代就已堅信，并抓住各種機會向身邊的人安利：

只要（把模型）做得更大，它們就會發揮更好的作用。

后來到OpenAI成立之初，Ilya的表述更加完善了：

如果你有一個大而深的神經網絡，可以在大量數據上進行訓練，那么你實際上可以解決任何模式識別問題。

早年間Hinton看來，這就像是研究者在沒有創新的想法時，一種“逃避責任”的表現。

當時的我錯了，而Ilya基本上是對的。

比如Transformer確實是一種創新想法，但實際上起作用的還是規模，數據的規模和計算的規模。

Hinton提到在當年那個時間節點，沒人敢預料計算機速度今后會快上10億倍，最多想象到快100倍就不得了。

如果有今天的計算機，當年研究的難題可能會自行解決，包括語言模型問題。

（此處應插入比爾蓋茨曾預言64k內存就足夠任何人用了笑話)

Ilya在2003年加入Hinton的實驗室，不知具體何時開始有了Scaling Law的想法，可能在他腦海里已經盤旋了20多年。

后來直到2020年，GPT-3發布的幾個月前，OpenAI團隊才正式在論文中向世人完整定義和介紹這一理念。

在語言模型上用GPU，比AlexNet更早

2010年底，Ilya和另一個學生James Martens（現DeepMind研究科學家）合作研究了一種語言模型，后來入選ICML 2011。

RNN架構，使用維基百科數據，在8張當時最先進的GPU上訓練，比在AlexNet上使用GPU還早兩年。

與今天的大語言模型預測下一個token不一樣，當時他們嘗試的是一次預測一個字符。

這款模型能力有限，比如給一段起始文字，模型可以繼續生成看起來像維基百科文章的語句。

雖然語意上像是胡言亂語，但語法和標點符號大部分是準確的，引號和括號已經能成對出現，主語和動詞形態一致，比如論文中的一段：

生命的意義是古代人類繁殖的傳統：對于好男孩什么時候移除她更大的來說，并不是很有利。在這個節目的協議中，幾乎一致地重新浮現……

當時多倫多大學校刊的采訪中，Ilya認為這已經超出了所有人的預期：

它發現了單詞的存在，也發現了語法。

Hinton理智上也無法去相信這個系統能“理解”任何事，但它看起來就像是理解了。

比如給它一個地點組成的列表，它可以繼續生成地點，盡管還分不出國家和州的區別。

當年的Ilya并不愿意討論這項工作的潛在應用。

在維基百科上成功后，團隊又嘗試了紐約時報文章數據，目標是教會它根據文字識別不同作者的身份。

但Ilya已經想到并承認，如果做的足夠好，這項技術有一天可能成為洗稿軟件的基礎。

如今，這篇論文的代碼依然存放在多倫多大學的服務器上，供感興趣的人研究。

不止是預測下一個token

后來的AlexNet、師徒三人“拍賣”自己加入谷歌等大家已熟知的故事，這里先略過。

Ilya加入OpenAI后，雖然不再與Hinton共事，但兩人的學術思想始終在一條路上。

ChatGPT問世后，不少人批評大模型本質上只是統計學，預測下一個token，就像隨機模仿人類說話的鸚鵡。

但Hinton和Ilya師徒二人都認為，遠不止如此。

在Hinton眼中，問題之后的下一個token，便是答案的第一個token。

因此學會預測，就意味著必須學會理解問題。

這種理解的方式與人類相似，同時與老式基于三元組數據的自動補全有根本不同。

今天我們現在已經看到了，做一個大語言模型，不刻意訓練其推理能力，就產生了推理能力。

這就是大腦如何學習，你在預測視覺的下一幀、聽覺的下一個聲音。

Ilya更是不遺余力傳播這套理論，在去年和英偉達老黃的爐邊對話中說了這個，在OpenAI內訌兩周前最后一個公開采訪中也講了這個：

當我們訓練一個大型神經網絡來準確預測互聯網上許多不同文本中的下一個單詞時，我們所做的就是學習一個世界模型。

從表面上看，可能只是在學習文本中的統計相關性。

但事實證明，為了“只是學習”文本中的統計相關性，為了壓縮它們，神經網絡需要學習的是文本生成過程的某種表示。

文本實際上是對世界的投影。

在另一場采訪中，他走的更遠：

很好地預測下一個token，意味著了解創造該token的深層現實。

這不僅是統計學，而是理解創造了這些統計數字的那個世界。

如果真的很擅長預測下一個token，就可能根據普通人如何行動的數據，外推出擁有非凡智慧和洞察力的人如何行動，盡管這種人可能并不存在。

這就是Ilya認為的，為什么“預測下一個token”范式有可能抵達AGI，甚至有可能超越人類直至ASI。

預測即壓縮，壓縮即智能

在不同場合提到“預測下一個Token”時，Ilya大概率會同時提到“壓縮”，他認為預測即是壓縮，壓縮就是智能的來源。

但Ilya總是從理論的角度去解釋這個想法，并不容易讓所有人都能理解。

比如在UC Berkley的一場演講中，他這樣解釋：

- “Kolmogorov壓縮器”，是理論上能生成特定數據集的、長度最短的一段程序，能最小化遺憾值。

- 隨機梯度下降，可以看成在軟計算機（比如大型Transformer）的權重里，搜索隱含的“Kolmogorov壓縮器”。

- 神經網絡越大，就越能更好的近似“Kolmogorov壓縮器”，遺憾值越低。

Hinton也認同這個說法，并且在訪談中舉了非常形象的例子。

大模型做的是尋找共同結構，使用共同結構編碼事物，這樣效率更高。

如果你問GPT-4堆肥和原子彈相似性在哪，大多數人類都回答不出來，認為它們是非常不同的兩種東西。

GPT-4會告訴你，雖然他們的能量規模不同，時間尺度不同，但仍有相同之處：

• 當堆肥變熱時，產生熱量的速度就更快。
• 當原子彈產生更多中子時，產生中子的速度也更快。

通過類比，AI就理解了“鏈式反應”的概念。

Hinton認為，AI在利用這種理解去將所有信息壓縮到自己的權重中。

一但AI這樣做了，那么它就有能力理解數百種人類還未見過的類比，這就是創造力的來源。

Hinton眼中什么是好學生？

說回到兩人相遇時，Hinton談到，與他交談沒多久就能看出他很聰明。

再多交談一會，就能發現他有很好的直覺，而且擅長數學。

所以選Ilya做學生是非常容易做出的決定。

那么如何挑選其他學生？Hinton也用了Ilya最擅長的方法：跟著直覺走。

如果一個人輕信別人告訴他的一切，那就太致命了。

不輕信他人，而是嘗試將新信息融入自己對世界的理解框架中，如果融入不進去，就拒絕，這是很好的策略。

如果試圖吸收被告知的一切，最終會得到一個非常模糊的框架。相信一切，但是沒有用處。

所以Hinton眼中的好學生，應該擁有一個堅定的世界觀，并試圖擺弄輸入的事實以適應你的觀點。

這樣雖然也可能陷入深信宗教或堅持致命錯誤，但我認為這種方法仍是正確的。

后來我們也能看到，兩人都是秉持這樣的理念，堅持著“大模型不止是預測下一個token”，堅持著“預測即壓縮，壓縮即智能”。

他們也都堅持認為，這個世界應該更加重視AI帶來的風險，一個因此離開了工作10年的谷歌，一個因此離開了一手拉扯大的OpenAI。

Hinton訪談完整視頻https://www.youtube.com/watch?v=tP-4njhyGvo