《科創(chuàng)板日報(bào)》11月10日訊 高質(zhì)量數(shù)據(jù)不夠用，拖累AI模型改進(jìn)速度——OpenAI這位AI領(lǐng)頭羊又遇到了難題。

據(jù)The Information今日消息，一些測試過Orion的OpenAI員工發(fā)現(xiàn)，雖然Orion的性能超過了OpenAI現(xiàn)有的所有模型，但其性能質(zhì)量提升程度遠(yuǎn)遠(yuǎn)小于從GPT-3到GPT-4的飛躍。這意味著，隨著高質(zhì)量數(shù)據(jù)趨于有限，AI模型的改進(jìn)速度可能會放緩。

不僅如此，Orion的訓(xùn)練中涉及來自舊模型（例如GPT-4與一些推理模型）的AI生成數(shù)據(jù)，這可能導(dǎo)致其重現(xiàn)舊模型的一些行為。

為此，OpenAI成立了一個“基礎(chǔ)”團(tuán)隊(duì)，以在高質(zhì)量新數(shù)據(jù)供應(yīng)減少的情況下，研究能讓AI模型保持改進(jìn)的新方法。據(jù)悉，公司計(jì)劃基于AI合成數(shù)據(jù)訓(xùn)練Orion，并在后期訓(xùn)練中對模型作出更多改進(jìn)。

目前，OpenAI正在推進(jìn)Orion的安全測試，計(jì)劃于明年年初發(fā)布這一模型，其可能會打破“GPT-X”的命名慣例，以反映模型開發(fā)的變化。

值得注意的是，OpenAI在今年收購了Chat.com域名，該域名已重定向至OpenAI的AI驅(qū)動聊天機(jī)器人ChatGPT。

▌“撞上數(shù)據(jù)墻”

早在2020年，OpenAI就曾在一篇論文中提出Scaling law定律，意指大模型的最終性能主要與計(jì)算量、模型參數(shù)量和訓(xùn)練數(shù)據(jù)量三者的大小相關(guān)，而與模型的具體結(jié)構(gòu)（層數(shù)/深度/寬度）基本無關(guān)。換言之，僅僅增加模型規(guī)模和訓(xùn)練數(shù)據(jù)，就能顯著提升人工智能能力，而無需取得根本性的算法突破。

AI界許多公司都一度將Scaling Law奉為圭臬，但如今，也有越來越多的質(zhì)疑聲出現(xiàn)。

Meta AI人工智能研究院(FAIR)研究員及高級經(jīng)理田淵棟指出，“我畫過一張圖，一開始數(shù)據(jù)量越大，模型性能表現(xiàn)越好，但模型離人類越近就越難獲得新的數(shù)據(jù)，模型就越來越難以改進(jìn)，最后總會有些corner case（邊角案例，即無法想到的或不常見的案例）解決不了，這是data driven（數(shù)據(jù)驅(qū)動）最大的問題。”

非營利研究機(jī)構(gòu)Epoch AI在今年7月更新的一篇論文中指出，未來數(shù)年內(nèi)，（原始）數(shù)據(jù)增長的速度將難以支撐AI大模型擴(kuò)展發(fā)展的速度，在2026-2032年之間的某個時間點(diǎn)，數(shù)據(jù)存量將耗盡。

實(shí)際上，OpenAI已不是第一次遭遇“數(shù)據(jù)資源不足”的問題。此前已有媒體報(bào)道指出，在訓(xùn)練GPT-5時，OpenAI因文本數(shù)據(jù)不足，正在考慮使用YouTube公開視頻轉(zhuǎn)錄出的文本。

如今OpenAI再度碰上數(shù)據(jù)資源難題，甚至因此影響到了新模型進(jìn)展。“但這代表‘天塌了，’”The Information這篇文章的作者之一Amir Efrati指出，OpenAI正在作出調(diào)整，或許將有新的Scaling Law取代舊Scaling Law。

值得一提的，當(dāng)?shù)貢r間11月9日，OpenAI安全系統(tǒng)團(tuán)隊(duì)負(fù)責(zé)人翁荔（Lilian Weng）宣布將離開已經(jīng)工作了近7年的OpenAI。她公開分享了發(fā)給團(tuán)隊(duì)的離職信，但其中并未言明具體離職原因及未來職業(yè)去向，僅表示“是時候重新出發(fā)，探索新的領(lǐng)域了”。