揭秘 OpenAI 在 2027 年前创建 AGI 的计划

揭秘

OpenAI在

2027年前创建AGI

的计划免责声明：文章描述过程、图片都来源于网络，此文章旨在倡导社会正能量，无低俗等不良引导。如涉及版权或者人物侵权问题，我们将第一时间删除内容！如有事件存疑部分，联系后即刻删除或作出更改在本文档中，我将披露我收集到的有关OpenAI（已推迟）计划在2027年之前创造出人类级别的AGI

的信息。并非所有信息都能轻易验证，但希望有足够的证据说明相关情况。摘要：OpenAI于

2022年8月开始训练一个

125万亿参数的多模态模型。第一阶段是Arrakis，也称为

Q*。该模型于2023年

12月完成训练，但由于推理成本过高而取消发射。这就是原计划于2025年发布的GPT-5

。戈壁（GPT-4.5）已更名为

GPT-5，因为原

GPT-5

已被取消。Q*

的下一阶段原为GPT-6，后更名为

GPT-7（原定于2026年发布），但由于埃隆-马斯克最近提起的诉讼而

被搁置。Q*2025（GPT-8）计划于2027年发布，实现全AGI...q*2023

=

48

iqQ*2024

=96

IQ（延迟）Q*2025=

145

智商（延迟）埃隆-马斯克（Elon

Musk）

因为他的诉讼而导致了延迟。这也是我现在透露信息的原因，因为不会造成进一步损害。我见过很多关于AGI（人工通用智能）的定义，但我要把AGI简单地定义为一种人工智能，它可以完成智能人类可以完成的任何智力任务。现在大多数人都是这样定义这个词的。2020年，我第一次被人工智能系统震撼了--那就是GPT-3。GPT-3.5是GPT-3

的升级版本，是ChatGPT背后的模型。当ChatGPT发布时，我感觉好像世界终于跟上了我两年前的互动。2020年，

我广泛使用了GPT-3，它的推理能力令我震惊。GPT-3及其半步后继者GPT-3.5（在2023年3月升级为GPT-4

之前，它为现在著名的

ChatGPT

提供了动力）是向AGI迈出的一大步，而早期的模型却不是这样。值得注意的是，早期的语言模型，如GPT-2（以及

Eliza之后的所有聊天机器人），根本不具备真正的连贯响应能力。那么，为什么GPT-

3是如此巨大的飞跃呢？...参数计数"深度学习"这一概念基本上可以追溯到20世纪50年代人工智能研究的初期。第一个神经网络诞生于上世纪50年代，而现代神经网络只是"更深"而已，也就是说，它们包含更多的层--它们要大得多，也

要在更多的数据上进行训练。今天，人工智能领域使用的大多数主要技术都源于20世纪50年代的基础研究，并结合了一些小的工程解决方案，如"反推法"和"变换器模型"。总的来说，人工智能研究70年来并没有发生根本性的变化

。因此，近期人工智能能力爆发的真正原因只有两个：规模和数据。该领域越来越多的人开始相信，几十年前我们就已经解决了AGI

的技术细节，只是在21世纪之前没有足够的计算能力和数据来构建它。显然，21世纪的计算机要比20世纪50年代的计算机强大得多

。当然，互联网也是所有数据的来源。那么，什么是参数？你可能已经知道了，但简单概括一下，它类似于生物大脑中的突触，是神经元之间的连接。生物大脑中的每个神经元与其他神经元之间大约有

1000个连接。显然，数字神经网络在概念上类似于生物大脑。...那么，人脑中有多少个突触（或"参数"）？最常引用的大脑突触数量大约为

100万亿个，这意味着每个神经元（人脑中约有

1000亿个神经元）

大约有

1000个连接。如果大脑中每个神经元有

1000个连接点，这意味着一只猫大约有2500亿个突触，一只狗有5300亿个突触。一般来说，突触数似乎预示着更高的智力，但也有少数例外：例如，从技术上讲，大象的突

触数比人类高，但智力却比人类低。突触数量越多，智力越低，最简单的解释就是高质量的数据量越少。从进化的角度来看，大脑是在数十亿年的表观遗传数据的基础上"训练"出来的，人类大脑的进化来自于比大象更高质量的社会化和交流

数据，这导致了我们卓越的推理能力。无论如何，突触数量无疑是非常重要的。同样，自2010年代初以来，人工智能能力的爆炸式增长也是更强计算能力和更多数据的结果。GPT-2有

15亿个连接，还不如一个小鼠的大脑（约

100亿个突触）。GPT-3有

1750亿个连接，已经接近猫

的大脑。猫脑大小的人工智能系统要优于小于老鼠大脑的人工智能系统，这难道不直观明显吗？...预测人工智能性能..2020年，在

1750亿参数的GPT-3发布后，许多人猜测一个比它大600倍、参数为

100万亿的模型的潜在性能，因为这个参数数将与人脑的突触数相匹配。在2020年，并没有强烈的迹象表明有人在积

极研究这种规模的模型，但这种猜测还是很有趣的。最大的问题是，有可能通过参数数量来预测人工智能的性能吗？事实证明，答案是肯定的，我们将在

下一页看到这一点。[来源：/posts/k2SNji3jXaLGhBeYP/extrapolating-gpt-n-performance][以上内容来自Lanrian

的LessWrong

帖子]。...正如Lanrian所说明的那样，推断结果表明，当人类水平的大脑大小与参数数量相匹配时，人工智能的性能似乎会莫名其妙地达到人类水平。他计算的大脑突触数量大约是200万亿个参数，而不是通常所

说的

100万亿个参数，但这一观点仍然成立，而且

100万亿个参数的性能非常接近最佳状态。顺便提一下--需要注意的重要一点是，虽然

100万亿次的性能略微欠佳，但OpenAI正在使用一种工程技术来弥补这一差距。我将在本文档的最后解释这一点，因为这对OpenAI正在构建的系统至关重要。Lanrian

的文章是网上众多类似文章中的一篇--它是根据之前模型之间的跳转推断性能的。当然，

OpenAI有更详细的指标，而且他们得出的结论与Lanrian相同，我将在本文稍后部分加以说明。那么，

如果人工智能的性能可以根据参数数量来预测，

而~100万亿个参数就足以达到人类水平，那么什么时候才能发布

100万亿个参数的人工智能模型呢？GPT-5在2023年末实现了原初AGI，智商达到

48...第一次提到OpenAI

正在开发

100万亿个参数模型是在2021

年夏天，

Cerebras

公司的首席执行官(

安德鲁-费尔德曼）在一次有线采访中不经意间提到的，萨姆-奥特曼是这家公司的主要投资者。德鲁-费尔德曼（Andrew

Feldman）的回答。值得注意的是，萨姆-奥特曼承认了他们的100万亿参数模型计划。(资料来源：/gpt-4-a-viral-case-of-ai-misinformation-c3f999c1f589

/r/GPT3/comments/pj0ly6/sam_altman_gpt4_will_be_remain_textonly_will_not/reddit上的帖子来源于LessWrong

的一个帖子，该帖子已应SamAltman

的要求删除：/posts/aihztgJrknBdLHjd2/sam-altman-q-and-a-gpt-and-agi

)山姆-奥特曼（SamAltman）在

2021年9月举行的名为AC10

的在线聚会和问答上对安...人工智能研究员伊戈尔-拜科夫仅在几周后就声称，GPT-4正在接受训练，并将于

12月至2月间发布。我将再次证明伊戈尔确实掌握了准确的信息，并且是一个可信的消息来源。这一点很快就会变得非

常重要格温是人工智能领域的知名人物--他是一名人工智能研究员和博主。他在Twitter上给伊戈尔-巴伊科夫发消息（2022年9月），他收到了这样的回复。重要提示："参数数量巨大"。"文本"、"音频"、"图像"、"可能还有视频"、和"多模式"。这篇文章来自一个名为"thisisthewayitwillbe"的子论坛，这是我参加的一个小型私人子论坛，由一位对人工智能感兴趣的数学教授运营。人工智能爱好者（和一些专家）使用子论坛来讨论比主流媒体更深入的人工智能话题。参数数量巨大"？听起来伊戈尔-巴伊科夫指的是

100万亿个参数的模型，因为到2022年夏天他发推文时，5000亿个参数模型和多达

1万亿个参数模型已经被训练过很多次了（使得这种规模的模型并不出众，当然也不是"

巨大的"）。rxpu"似乎是一位来自土耳其的人工智能爱好者（？），他的这些推文很有意思，因为他们在其他人之前就对GPT-4

的发布窗口提出了非常类似的说法（相信我--我每天都要花很多时间在互联网上搜索类似的说法，但没有人比他更早提出这种特定的说法）。他还提到了"125万亿突触"的GPT-4--然而，他错误地将GPT-3

的参数数说成了

1万亿。(看起来rxpu

确实掌握了内部信息，但在参数数量上弄混了--我稍后会再次说明这一点，并证明rxpu没有撒谎）。...这是一个较弱的证据，但值得列入，因为"loon"作为硅谷的人工智能研究人员相当引人注目，OpenAI首席执行官山姆-奥特曼（SamAltman）和其他OpenAI研究人员都在Twitter上关注"loon"。发一些关于GPT-4

的基本信息，他可能会写一篇报道，这样消息就会传开了。这次尝试的结果非常显著，我将在接下来的两页中加以说明。2022年

11月，我联系了一位名叫阿尔贝托-罗梅罗的人工智能博主。他的文章似乎在网上传播得很广，所以我希望如果我给他Alberto

Romero

的帖子。总体答复将在下一页显示。。阿尔贝托-罗梅罗（Alberto

Romero）声称对泄密事件负责，如左图所示。100万亿个参数的泄露在网上疯传，影响了数百万人，以至于包括首席执行官山姆-奥特曼（SamAltman）在内的

OpenAI

员工不得不做出回应，称其"完全是胡说八道"。TheVerge称其"与事实不符"...伊戈尔-巴伊科夫，

"数量巨大的

参数"的声明，也看到了GPT-4泄漏病毒的传播（这基本上是他自己造成的），并做出了回应。所以，伊戈尔在说"参数的巨大数量"时，毕竟是指"100万亿个参数"。但是，伊戈尔的消息来源可靠吗？他的其他说法准确吗？多模态又是怎么回事？GPT-4处理图像、声音和视频的能力如何？我很快就会证明伊戈尔的可靠性。大约在2022年

10月/11月，我确信OpenAI计划在发布GPT-4之前，首先发布一个~1-2万亿参数的子集。100万亿参数模型（"GPT-5"）。这些消息来源并不特别可靠，但他们都说了同样的话，包括rxpu、他曾经声称有一个

125

万亿个参数的模型正在制作中，然后又错误地声称GPT-3是

1万亿个参数--我相信他把自己的信息弄混了。(日期：

2022)这里的消息来源可信度不一（Jyri和

Leeor是旧金山的投资者，Harris是一位人工智能研究员），但他们都莫名其妙地说了同样的话--GPT-4正在2022年

10月/11月进行测试。而据美国军方人工智能研究人员称切丽-M-波兰，它肯定是在

10月份接受训练的，这与伊戈尔-巴伊科夫的泄密再次吻合。（2022

年

10

月起^）...正如山姆-奥特曼（SamAltman）本人所表明的那样，OpenAI

的官方立场是，

100万亿参数GPT-4

的想法"完全是胡说八道"。这有一半是对的，因为GPT-4是完整的

100万亿参数模型的

1万亿参数

子集。还有一点值得注意的是，

OpenAI

声称GPT-4在8月份

"完成了训练"

，而我们知道，

在

8

月到

10

月期间，

一个

"巨大的"多模态模型正在接受训练。

一种解释是，

OpenAI

撒了谎。另一种可能是，

1万亿个参数的GPT-4

可能在

8月份完成了第一轮训练，

但在8月至

10

月期间又进行了额外的再训练，

而这正是

100万亿个参数模型的主要训练时间。为了说明

100万亿参数模型尚未到来，仍处于开发阶段，Semafor

在2023

年3

月（GPT-4

发布后不久）声称GPT-4拥有

1万亿参数。

(OpenAI拒绝正式披露参数数量）。现在我将提供证据，证明GPT-4不仅对文本和图像进行了训练，还对音频和视频进行了训练。弗朗西斯-赫利尔似乎还算可信，但这一页并不是最可靠的证据--我把它包括在内是因为它似乎证实了其他来源的信息在说什么。弗朗西斯是一名投资者、企业家和作家。他在推文中列出的关于找不到"互联网耗尽"团队在任何其他出版物、任何泄密事件或任何网上帖子中，因此他没有从其他地方"窃取"。下一页的资料来源非常可靠。微软德国首席技术官、在GPT-4正式发布的一周前，似乎出现了疏漏，披露了存在一个GPT-4，

它具有处理视频的能力。我猜他并不知道OpenAI决定不透露系统的视频处理能力。这完全证明，GPT-4/5不仅对文本和图像进行了训练，还对视频数据进行了训练，当然我们也可以推断出音频数据也包括在内。显然，伊戈尔关于

100万亿参数模型的说法是真实的，精确到每一个细节。另一个来源与伊戈尔的说法一致、是一位可信的企业家，他曾表示（2022年

10月25

日），

P2T0-

3的年发2布月日：期将在

1

月至

3

月之间。虽然GPT-4发布于2023年3月，略微超出了

IgorBaikov

声称的

12

月至2

月的时间窗口（我认为这是OpenAI

故意为之，目的是诋毁Igor

的泄密行为），但BingChatGPT（基于

GPT-4）实际上是在2023年2月发布的，这清楚地表明Igor声称的时间窗口是有效的，很可能是惊慌失措的OpenAI在最后一刻更改的。关于机器人技术的说明：人工智能研究人员开始相信，视觉是实现最佳现实世界/物理性能的全部必要条件。仅举一例，特斯拉公司在其自动驾驶汽车上完全抛弃了所有传感器，完全采用视觉技术。问题的关键在于，用互联网上所有的图像和视频数据训练一个人脑大小的人工智能模型，显然足以应对复杂的机器人任务。视频数据中蕴藏着常识性推理，就像文本数据中蕴藏着常识性推理一样（专注于文本的GPT-4在常识性推理方面的表现令人惊叹）。谷歌最近的一个例子，就是从大型视觉/语言模型中学习机器人能力。(在语言和视觉训练的基础上，只需要极少的机器人数据，就能将视觉和文本任务中的知识转移到机器人任务中。OpenAI正在"互联网上的所有数据"上训练他们的

100万亿参数模型，其中无疑包括机器人数据）。Palm-E是一个约5000亿参数的模型--如果在互联网上的所有数据上训练一个

100万亿参数的模型，机器人的性能会如何呢？下一页将详细介绍谷歌的Palm-E模型）。结论PaLM-E突破了一般模型训练的界限

，使其能够同

时处理视觉、语言和机器人学问题，

同时还能将

视觉和语言知识转移到机器人学领域。论文还进

一步详细探讨了其他主题，如如何利用PaLM-E的神经场景表征，以及随着模型规模的扩大，PaLM-E在多大程度上减少了语言能力的灾难性

遗忘。把一袋薯片拿给他。为了顺利完成任务，PaLM-E制定了一个找到抽屉并将其打开的计划，然后在执

行任务的过程中通过更新计划来应对世界的变化。

在第二个例子中，机器人被要求抓取一个绿色方块

。尽管该机器人从未见过这个积木块，PaLM-E仍

会生成一个逐步推进的计划，并超越该机器人的训

练数据。PaLM-E控制一个在厨房环境中运行的移动机器人。左图：任务是拿一个薯片袋。PaLM-E

显示出对对抗性干扰的鲁棒性，例如将薯片袋放回抽屉。右图的机器人移动操纵

机器人桌面操作问：照片

1

中有什么，但照片2

中没有?

答：太阳镜在下面的第一个例子中，一个人要求移动机器人问：如何在蓝色板上放置黄色块7答：

完成PaLM-E562B任务和运动平移可视化问题解答化身语言模型，也是一种,

,视觉语言通才执行计划的最后步骤，以检索先前未见的区块（绿星)。这一功能得益于从视觉和语言模型中转移学习。另一项机器人技术研发--这次来自特斯拉（2023年5月16

日）。他们训练机器人"擎天柱"能够抓住一个物体--而且"没有进行特定任务编程"。一切都是从人类演示中学来的。"这意味着我们现在可以迅速扩展到许多任务"。再次强调：如果高级机器人的性能只需要人类的演示，那么根据网络上的所有视频训练出的

100万亿个参数模型肯定能达到惊人的效果。机器人性能...左边的图片显示了

1万亿个参数的GPT-4在图像识别方面的能力。它的反应已经比许多人类能够做出的反应更加清晰，文字也更加流畅。那么，再问一次，如果用互联网上的所有数据训练一个比GPT-4大

100倍（相当于人脑大小）的模型，会发生什么呢？上图是

1万亿参数GPT-4文本输出的众多简短样本之一。

如果这就是

1万亿个参数模型所能写出的结果，那么100万亿个参数的模型能够写作吗？人工智能模型能否真正具有"创造力"还有待商榷，但人工智能伪造创造力肯定是可能的，而且已

经

发生重要提示：请注意人工智能模型是如何在同一场景中生成多个角度的、物理上准确的光照，在某些情况下甚至是物理上准确的流体和雨水的。如果你能生成具有准确、常识性物理特性的图像和视频，那么你就具备了常识推理能力。如果你能生成常识，你就理解了常

识。目前公开的视频和图像生成人工智能模型的质量水平示例。这些模型的参数不到

100亿个。如果你用互联网上的

所有数据训练一个大

10000倍的模型，并赋予它生成图像和视频的能力，会发生什么呢？答案是：图像和视频与真实的东西完全无法区分，100%

的时间，没有例外，没有变通，任何人都无法分辨，无论他们如何努力尝试）。-更新：SORA来自GPT-5Q*2023

模型<--视频

<--图像图像^视频-->视频^图像^来自Longjumping-Sky-1971

的两篇帖子。我之所以收录这篇文章，是因为他提前几周就准确预测了GPT-4的发布日期（之前没有其他人公开发布这一信息，这意味着他有内部消息来源）。他的帖子现在可信度更高--他声称图像和音频生成将在2023年第三季度进行培训。如果视频生成训练是同时或之后不久进行的，那么这

与陈思齐所说的GPT-5将于2023年

12月完成训练不谋而合。让我们把时间拉回到2020

年2

月。GPT-3发布前的几个月。科技评论》的一篇文章是关于OpenAI的"内幕消息"，似乎暗示

OpenAI处于一个"秘密"项目的早期阶段,该项目涉及训练的人工智能系统图像、文本和"其他数据"

，以及OpenAI

的领导层认为这是最有望实现AGI。我想知道这可能指的是什么。下一张幻灯片将揭示OpenAI

总裁的一些语录--从2019年开始--它会告诉你他们的计划是什么。OpenAI总裁格雷格-布罗克曼（Greg

Brockman）曾在2019年表示，在当时获得微软

10亿美元投资后,

OpenAI计划在五年内建造一个与人脑大小相同的模型，这就是他们的计划如何实现AGI。2019

+5

=

2024这两份资料都明确提到了实现AGI

的同一计划--一个人脑大小的人工智能模型，通过"图像、文本和其他数据"进行训练，将在2019年之后的五年内完成训练，即2024年之前。这似乎与我在这份文件中列出的所有其他资料来源一致

2023来源：《时代周刊》，正如我将在接下来的几张幻灯片中展示的那样，人工智能的领导者们突然开始敲响警钟--几乎就像他们知道一些公众不知道的非常具体的事情一样。1月

12

日来源：《时代周刊》，2023年

1月

12日年"我原以为这要30

到50年，甚至更长的时间。显然，我不再这么想了"。是什么让他突然改变了主意--决定离开谷歌去谈论人工智能的危险？接受《纽约时报》采访的日期：

2023年5月

1日--就开始了它的研究工作。GPT-4发布后不久，"未来生命研究所"（FutureofLife

Institute）--一该组织发表了一封公开信，呼吁所有人工智能实验室暂停人工智能研究。个极具影响力的研究机构发展六个月。为什么？信的第一个发布版本特别提到"（包括目前正在接受培训的

GPT-5）

"。为什么要写进去，又为什么要删掉？来源：《连线》，2023年3月29日来源：Wired

，2023年3月29日来源：Vox，2023年3月29日Vox,2023年3

月

29

日2022年

10月，萨姆-奥特曼接受采访并回答了一些令人震惊的问题。youtube链接：/watch?v=b022FECpNe8（时间：49:30）观众问答问题："我们是否有足够的互联网信息来创造AGI？"山姆-奥特曼直截了当的回答打断了提问者："是的"萨姆解释道："是的，我们有信心。我们经常思考这个问题并进行测量。面试官插话道"是什么给了你这种自信？"山姆的回答"我认为，OpenAI在这一领域推动了一件非常健康的事情，那就是你可以将扩展法则视为一种科学预测。你可以在计算方面这样做，也可以在数据方面这样做，但你可以在小范围内进行测量，并且可以相当准确地预测它将如何扩展。你需要多少数据，需要多少计算能力，需要多少参数，生成的数据什么时候能达到足够好的效果

而互联网上

有大量的数据。还有大量的视频"。另一个观众问题"我们会不会再次遭遇人工智能的寒冬，是什么原因导致了它的到来？"山姆-奥特曼的回答"我们会不会遇到人工智能的冬天，什么原因会导致冬天的到来

是的，当然会。我认为我们不会很快迎来人工智能的冬天。因为即使我们永远无法找到新的研究思路，当前模式的经济价值以及它能被进一步推动的程度，也会让我们在未来的许多年里继续前行。但有可能的是，不管可能性有多小，我们仍然缺少超越行为克隆的关键想法，这些模型将永远停留在人类水平上。有很多原因让我觉得这不是真的，但如果有人告诉你，我们不可能在这个研究领域再过一个冬天，你千万不要相信他们。"我将在下一页详细说明这些萨姆-奥特曼语录令人担忧的原因。萨姆-奥特曼问答中的另一段话--（时间：53:00）[注--人工智能的冬天是指在一段较长的时期内，人工智能领域获得的资金有限，严肃的研究人员对其关注度不高。这种情况发生过两次--一次是在70年代和80年代，另一次是从80年代中期到大约2000年代末。］这张幻灯片将引用更多的问答内容。关于萨姆-奥特曼的问答首先，萨姆-奥特曼似乎非常非常自信，认为互联网上存在着足够的数据来训练一个人工智能系统--自

信到让人怀疑他们是否已经做到了，或者正在做这件事。其次，"人工智能的冬天"这一概念通常指的是一个向AGI

迈进的进展放缓的时期，但山姆-奥特曼(

SamAltman）将这一术语重新调整为指一个向超级智能迈进的进展放缓的时期。这似乎表明，OpenAI

已经构建了一个AGI系统，或者已经非常接近它，而AGI

已经不再是目标，因为它已经存在。正如我在本文前面提到的，100万亿个参数模型实际上是略微次优的，但OpenAI正在使用一种新的缩放范式来弥合这一差距--它基于一种叫做"钦奇拉缩放定律"的东西。Chinchilla是DeepMind于2022年初推出的人工智能模型。Chinchilla研究论文的含义是，目前的模型训练严重不足，如果计算量（意味着更多数据）大大增加，无需增加参数就能大幅提升性能。关键是，虽然一个训练不足的

100万亿参数模型可能略微次优，但如果它在更多的数据上进行训练，就能轻松超越人类水平。钦奇拉范式在机器学习领域被广泛理解和接受，但仅以OpenAI为例，总裁格雷格-布罗克曼（Greg

Brockman）在这次访谈中谈到，OpenAI如何意识到他们最初的扩展法则存在缺陷，并在此后进行了调整，将钦奇拉法则纳入考虑范围：https://youtu.be/Rp3A5q9L_bg?t=1323人们说，"训练一个计算最优的