OpenAI秘密武器「草莓」计划曝光！Q*推理能力大爆发，逼近AGI L2里程碑

【新智元导读】OpenAI被曝出了新项目「草莓」，据悉能提前计划，自主浏览网页，还能进行深度研究。草莓由大量通用数据上后训练而成，推理能力显著提高。根据OpenAI最近的AGI路线图，草莓疑似已达Level2。

昨天刚刚被曝出AGI五级路线图，今天OpenAI的新项目Strawberry也被曝出了。

不过，大家其实对它都很熟悉——就是曾经的Q*。

听闻消息的马斯克，也补上这么一句评论——「以前的说法是，AI末日是回形针灾难，没想到是永远的草莓田。」

根据路透社在5月份看到的内部文件，OpenAI团队正在全力研究Strawberry项目。

Strawberry具体是如何运作，即使在OpenAI内部也是高度保密的。

因此，何时公开发布，时间也是未知。

从AGI五级路线图来看，具有推理能力还能自主可靠浏览网页的Strawberry，可能已经到了L2的级别

而就在本周，OpenAI刚在内部会议上展示了某个demo，据称推理能力接近人类水平。

结合路线图的曝光，一切都太巧了。

对此，网友们纷纷猜测，OpenAI一定还在憋个大的。

显著提高AI模型的推理能力

文件显示，Strawberry模型的目的，是为了使公司的AI不仅能生成查询答案，还能提前计划，足够自主且可靠地浏览互联网，进行OpenAI所称的「深度研究」。

而这个目标，根据对十多位AI研究人员的采访，目前尚未有任何AI模型实现。

路透社表示，Strawberry就是去年的Q*，后者在OpenAI内部已经实现突破。

当被问询到Strawberry的更多细节时，OpenAI发言人表示——

知情人士表示，OpenAI希望Strawberry的创新能显著提高其AI模型的推理能力，并补充说，Strawberry涉及了一种AI模型在经过非常大的数据集预训练后的一种特殊处理方式。

而路透社采访的研究人员表示，推理是AI达到人类或超人类智能的关键。

虽然LLM可以飞速总结密集文本、撰写优美文章，但在解决对人类很直观的常识性问题时，如识别逻辑谬误和玩井字棋时，表现并不佳，常常出现幻觉。

研究者表示，在AI背景下的推理，就需要一个模型让AI能提前计划，反映物理世界的运作，并且可靠地解决复杂的多步骤问题。

改进AI模型的推理能力，被认为是解锁这些模型潜力的关键。有了推理能力，模型在进行重大科学发现、规划构建新的软件应用上，都会有可观的提升。

Sam Altman此前也曾表示，今后AI领域最重要的进展，将「围绕推理能力展开」。

而其他巨头，如谷歌、Meta、微软等，都在尝试不同技术，来改进AI模型的推理能力。

沿着目前的路线，有可能实现让LLM将想法和长期规划纳入其预测方式吗?图灵三巨头之一的LeCun对此持唱衰态度。

他坚决认为，LLM不具备类人的推理能力。

后训练，能让LLM学会推理吗

要克服这些挑战，对OpenAI来说Strawberry就是关键。最近几个月，OpenAI曾私下向开发者和外部人士暗示过，即将发布具有显著先进推理能力的技术。

据悉，Strawberry包括一种被称为「后训练」的特殊方法，即在OpenAI的生成式AI模型已经在大量通用数据上「训练」后，调整基础模型以特定方式优化其性能。

模型开发的后训练阶段涉及「微调」等方法，这一过程几乎如今所有的LLM都在用，比如RLHF。

知情人士表示，Strawberry类似于斯坦福大学在2022年开发的一种方法——「自我教导推理者」（Self-Taught Reasoner，简称STaR）。

论文地址:https://arxiv.org/abs/2203.14465

论文作者之一，斯坦福教授Noah Goodman表示，STaR使AI模型能够通过迭代创建自己的训练数据，来「自我提升」到更高的智能水平。

理论上，可以让语言模型实现超越人类水平的智能。

另一项OpenAI希望让Strawberry具备的能力之一，是执行长时间任务（LHT），这指的是需要模型提前计划，并在较长时间内执行一系列动作的复杂任务。

文件显示，为了实现这一目标，OpenAI正在创建、训练和评估被称为「深度研究」数据集的模型。

OpenAI非常希望模型能够利用这些能力，通过一个称为「CUA」的计算机使用Agent来自主浏览网络，并根据其发现采取行动来进行研究。

此外，OpenAI还计划测试其在软件和机器学习工程师工作中的应用能力。

神秘项目疑似Strawberry加持

就在2024年7月初的一次全员会议上，OpenAI内部曾对一个神秘研究项目做了展示。

据称，它所展现出的推理能力，已经达到了类人的水平。

结合前文的信息，路透怀疑这可能与Strawberry有关，但目前还无法确定。

而同一时间曝光出的这张通往AGI的路线图，似乎也印证了OpenAI即将会有新的进展。

可以看到，OpenAI将最终抵达AGI终点，划分了五大等级:

OpenAI表示，我们目前正处在第一级别，不过很快会达到第二个级别，即推理者。

所谓推理者，也就是指可以解决博士水平的基本问题的系统。

OpenAI CTO曾透露，OpenAI接下来将致力于研究在特定任务上博士级别的智能，也许就在一年或一年半之后实现。

也就是说，我们还有18月的时间，即将看到级别二的下一代模型。

Q*重出江湖

2023年11月，OpenAI的神秘Q*项目，引爆整个AI社区。

泄露出来的信息，Q*的能力，是能够解决小学阶段的数学问题。

虽然在大多数人看来，这并不是什么令人印象深刻的事，但这的确是朝向AGI迈出的一大步，堪称重要的技术里程碑。

因为Q*解决的，是以前从未见过的数学题。

Ilya做出的突破，使OpenAI不再受限于获取足够的高质量数据来训练新模型，而这，正是开发下一代模型的主要障碍。

那几周内，Q*的演示一直在OpenAI内部流传，所有人都很震惊。

据悉，OpenAI的一些人认为Q*可能是OpenAI在AGI上取得的一个突破。AGI的定义是:「在最具经济价值的任务中，超越人类的自主系统」

所以，Q*究竟是啥呢?

这要从一项1992年的技术Q-learning说起。

简单来说，Q-learning是一种无模型的强化学习算法，旨在学习特定状态下某个动作的价值。其最终目标是找到最佳策略，即在每个状态下采取最佳动作，以最大化随时间累积的奖励。

斯坦福博士Silas Alberti由此猜测，Q*很可能是基于AlphaGo式蒙特卡罗树搜索token轨迹。下一个合乎逻辑的步骤是以更有原则的方式搜索token树。这在编码和数学等环境中尤为合理。

随着几位AI大佬的下场，大家的观点，愈发不谋而合了。

AI2研究科学家Nathan激动地写出一篇长文，猜测Q假说应该是关于思想树+过程奖励模型。并且认为Q*假说很可能和世界模型有关!

文章地址:https://www.interconnects.ai/p/q-star

他猜测，如果Q*（Q-Star）是真的，那么它显然是RL文献中的两个核心主题的合成:Q值和A*(一种经典的图搜索算法)。

A*算法的一个例子

GPT-4o放出新演示

话说，OpenAI最近似乎没有多大动静了。

最近的技术进步，我们可以从OpenAI开发者体验主管Romain Huet在旧金山人工智能工程师世界博览会上的分享中感受一下。

这些分享主要是产品演示，包括GPT-4o Voice、ChatGPT桌面版、Sora和Voice Engine（未发布），

虽然示例有所不同，但用到的模型能力，与5月份在巴黎VivaTech活动上所展示的基本一致。

在这个演示中，主管让GPT-4o表演了多种语调，比如激情四射版、悄悄话版等。

GPT-4o可以即时听懂Huet的命令，立马做出正确的反应，在场观众给出欢呼。

接下来，Huet向ChatGPT出示了金门大桥的手绘图，让它猜猜自己在哪里。

ChatGPT马上猜出来这是哪个大桥，并说出Huet在旧金山，还认出了他在纸上的手写字——「Bonjour Developer」!

随后，Huet又迅速给了它一堆任务，比如认出查理芒格的书，随机翻一页后迅速总结书页大意等等，ChatGPT没有任何迟疑，迅速给出了正确答案，效率令人惊叹。

下一步，Huet把prompt发给Sora，Sora立马就生成的符合要求的视频——自然纪录片风格的丛林中的树蛙。

随后，Huet从视频中提取了6帧，然后把这6帧发给了GPT-4o Vision，让它描述自己看到了什么。

很快，一段内容详实的故事就被创作了出来:

最后，Huet展示了voice engine的神奇功能。

他先录了一段自己的语音，然后把刚才Sora生成的树蛙视频发给voice engine，下一秒，上面那段树蛙视频的长故事，就用他的声音被读了出来!观众们掌声雷动。

然后，这段故事又被Voice Engine用法语、日语重新读了一遍（感觉翻译的淘汰又近了一步）。

在产品层面，OpenAI已经做到了如此先进的地步，如果再加上Strawberry的推理能力，OpenAI离AGI的实现，恐怕是要很近了。

参考资料:

https://www.reuters.com/technology/artificial-intelligence/openai-working-new-reasoning-technology-under-code-name-strawberry-2024-07-12/

https://www.youtube.com/watch?v=yJHw33cVeHo

总结