首页 > 快讯 > 揭开 AI 推理之谜:OpenAI 通过代码与数据革新人类智慧

揭开 AI 推理之谜:OpenAI 通过代码与数据革新人类智慧

发布时间:2025-08-04 09:38:38 | 责任编辑:吴昊 | 浏览量:6 次

2022年,当 ChatGPT 席卷全球时,OpenAI 内部一个名为 MathGen 的小团队正默默致力于一项更为基础的研究:教 AI 模型进行数学推理。如今,这项工作已成为 OpenAI 打造 AI 智能体(Agent)的核心技术,并引发了硅谷的人才争夺战。本文将深入解析 OpenAI 的 AI 智能体之路,探寻其如何通过强化学习和计算突破,从一个低调的研究项目走向通用智能体的宏伟蓝图。
2022年,在 ChatGPT 凭借其强大的语言能力迅速走红、成为史上增长最快的产品之一时,研究员亨特·莱特曼(Hunter Lightman)正专注于一项截然不同的任务:领导一个名为 MathGen 的团队,教 OpenAI 的模型解决高中数学竞赛难题。
当时,OpenAI 的模型在数学推理方面表现欠佳。但正是这个被视为基础研究的项目,为公司后来的突破性进展奠定了基石。如今,这个团队的成果已成为业界领先的 AI 推理模型,即 AI 智能体背后的核心技术。
OpenAI 首席执行官山姆·奥特曼(Sam Altman)在2023年公司首届开发者大会上曾描绘了一个宏伟愿景:“最终,你只需向计算机提出需求,它就会为你完成所有任务。”他所指的正是 AI 智能体,一个能够像人类一样在计算机上执行复杂任务的 AI 系统。
OpenAI 的 AI 智能体之路,与一种名为强化学习(RL)的训练技术紧密相连。虽然 RL 早在2016年谷歌 DeepMind 的 AlphaGo 击败世界围棋冠军时就已名声大噪,但 OpenAI 的突破在于将其与大语言模型(LLM)相结合。
OpenAI 早期的 GPT 系列模型,虽然擅长文本处理,但在基础数学方面却举步维艰。直到2023年,OpenAI 团队取得了一项代号为“Strawberry”的突破。该技术结合了 LLM、强化学习以及“测试时间计算”技术,后者为模型提供了额外的时间和计算能力来规划、验证并解决问题。这一突破使得 OpenAI 能够引入“思路链”(CoT)方法,显著提升了模型在解决未知数学问题上的表现。
正如研究员埃尔·基什基(El Kishky)所描述:“我看到模型开始推理了。它会注意到错误,然后回溯,也会感到沮丧。感觉就像读懂了一个人的想法。”
这一技术组合最终促成了 OpenAI 推理模型 o1的诞生。o1的规划与事实核查能力,为打造强大的 AI 智能体提供了坚实基础。莱特曼表示,o1的诞生“解决了困扰我好几年的一个难题”,是他研究生涯中“最激动人心的时刻之一”。
2024年秋季,OpenAI 发布 o1模型,震惊了世界。这一突破证明,通过新的训练方法可以继续提升模型的性能。不到一年时间,o1背后的21位研究人员就成了硅谷最抢手的人才。
马克·扎克伯格(Mark Zuckerberg)以超过1亿美元的薪酬待遇,成功招募了五名 o1研究员加入 Meta 新成立的超级智能部门,其中包括被任命为该实验室首席科学家的赵胜佳。这一举动,凸显了 AI 推理模型在当前技术竞赛中的战略地位。
尽管 OpenAI 的模型已在国际数学奥林匹克竞赛中荣获金牌,但其最新的 AI 系统仍会产生幻觉,其智能体在执行复杂任务时也仍面临挑战。
目前市面上的 AI 智能体,如 OpenAI 的 Codex,最适合在编码等定义明确、可验证的领域工作。但在处理购物或寻找停车位等复杂且主观的任务时,通用 AI 智能体仍然举步维艰。
OpenAI 研究员诺姆·布朗(Noam Brown)表示,公司正在探索新的通用强化学习技术,以应对这些难以验证的任务。通过这种方式,OpenAI 打造了能在数学竞赛中夺金的模型。该模型能够生成多个“代理”,同时探索多个想法,最终选出最佳答案。谷歌和 xAI 等公司也已开始采用类似技术。
OpenAI 希望通过即将推出的 GPT-5等模型,进一步巩固其在 AI 领域的领先地位。埃尔·基什基表示,OpenAI 的最终目标是打造能够直观理解用户意图、无需繁琐设置的 AI 智能体。
尽管 OpenAI 在几年前引领了人工智能行业,但如今谷歌、Anthropic、xAI 和 Meta 等强劲对手也正迎头赶上。问题已不再是 OpenAI 能否实现其智能代理的未来,而是能否在竞争对手之前做到这一点。

揭开 AI 推理之谜:OpenAI 通过代码与数据革新人类智慧

AI 的“推理”之谜:OpenAI 如何用代码和数据重塑人类智能

OpenAI 通过强化学习(RL)和“思路链”(CoT)技术,训练了新型推理模型(如 o1 和 o3),使 AI 能够“先思考,后回答”,通过生成详细的中间推理步骤(CoT)来解决复杂问题(如数学和编程任务),而不是简单模仿数据规律。这些模型利用测试时间计算(test-time computation)和动态搜索策略(如 beam search 或蒙特卡洛树搜索),在推理阶段生成多个候选 CoT,并选择最佳答案,从而减少错误和幻觉,提升准确性和可靠性。此外,o1 的训练基于强化学习和人类产生的逐步推理示例,使模型能够理解复杂问题解决过程,且推理质量随投入的时间和算力增加而提升。OpenAI 的推理模型(如 o1 和 o3-mini)已可用于付费 ChatGPT 用户和 API,标志着 AI 发展的新阶段,即从训练扩展转向推理阶段的计算扩展。

©️版权声明:
本网站(https://aigc.izzi.cn)刊载的所有内容,包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏,以及其他非商业性或非盈利性用途,但同时应遵守著作权法及其他相关法律的规定,不得侵犯本网站及相关权利人的合法权利。除此以外,将本网站任何内容或服务用于其他用途时,须征得本网站及相关权利人的书面许可,并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容,请及时通知本站,予以删除。

最新Ai信息

最新Ai工具

热门AI推荐