新智元報道

編輯：桃子

【新智元導(dǎo)讀】GPT-5是一個分水嶺，終于學(xué)會了「推理」。聯(lián)創(chuàng)Greg Brockman最新訪談暢談了OpenAI AGI之路，未來AI可以做到邊用邊學(xué)，在超臨界模式下推導(dǎo)出N階后果。

「GPT-5，是一個分水嶺」。

昨天，OpenAI聯(lián)創(chuàng)Greg Brockman在Latent Space團(tuán)隊(duì)的專訪中對GPT-5做出了高度的評價。

這一小時的訪談，含金量極高。

從GPT-5 的意義、推理與強(qiáng)化學(xué)習(xí)的轉(zhuǎn)折點(diǎn)，到算力瓶頸、AI工程實(shí)踐，再到對未來社會的預(yù)判，Greg Brockman的對話透露了OpenAI最新戰(zhàn)略的思考。

他還表示，「當(dāng)內(nèi)部訓(xùn)完GPT-4時，我們就知道下一步必須走向推理范式。這不是新想法，而是讓模型變得可靠的唯一途徑」。

以下是，全文訪談的核心亮點(diǎn)：

· GPT-4持續(xù)對話，但不夠可靠；GPT-5開始真正學(xué)會「推理」

· 未來模型不再是「一次訓(xùn)練+無限推理」，而是邊用邊學(xué)

· 超臨界學(xué)習(xí)：AI學(xué)到的不止是答案，還能推導(dǎo)出后果鏈

· 使用AI是一門管理學(xué)，要當(dāng)多智能體的經(jīng)理人。

· 唯一稀缺的，是算力

GPT-5，一個分水嶺

談及GPT-5時，Greg強(qiáng)調(diào)這是OpenAI首個「混合模型」，通過路由器在推理模型與非推理模型之間自動切換。

這種模式降低了使用復(fù)雜度，避免用戶糾結(jié)于「該選哪個版本」。

從性能上看，GPT-5 已經(jīng)在數(shù)學(xué)、編程、物理等高智力任務(wù)上表現(xiàn)出質(zhì)變。

對此，Greg將其與前幾代旗艦做了一個鮮明的對比。

GPT-3出世后，所具備的文本能力還很淺，甚至連「排序數(shù)字」這樣的基礎(chǔ)任務(wù)都做不好。

到了GPT-4，其實(shí)用性大幅提升，成為廣泛商用的基礎(chǔ)，但在真正深度智力上仍有欠缺。

「而GPT-5，則是一個分水嶺」。

GPT-5在極難的領(lǐng)域上，如IMO、IOI國際比賽中，已經(jīng)能寫出與最優(yōu)秀人類相當(dāng)?shù)淖C明。

這在過去是極大的挑戰(zhàn)，而現(xiàn)在我們能用少數(shù)人團(tuán)隊(duì)把它解決掉。

更令人震驚的是，物理學(xué)家已經(jīng)反饋，GPT-5 給出的推理過程，能重現(xiàn)他們花了數(shù)月研究才得出的見解。

這意味著，模型已經(jīng)不再只是「輔助寫作工具」，而是真正的科研合作者。

他還提到，OpenAI在GPT-4之后，做出了一個關(guān)鍵的判斷：

光靠海量預(yù)訓(xùn)練數(shù)據(jù)，根本無法讓模型真正可靠。

早期實(shí)驗(yàn)顯示，GPT-4雖能連續(xù)對話，但常?！概芷?，并不可靠。

因此，團(tuán)隊(duì)認(rèn)定必須讓模型「測試想法——獲得反饋——強(qiáng)化學(xué)習(xí)」，才能縮小與AGI的差距。

Greg解釋道，我們希望語言模型能像當(dāng)年Dota AI一樣，從隨機(jī)初始化的神經(jīng)網(wǎng)絡(luò)，最終學(xué)到復(fù)雜、穩(wěn)定的行為。

強(qiáng)化學(xué)習(xí)能把有限的人類任務(wù)設(shè)計，放大出可靠的智能。

這也是GPT-5背后最大的范式轉(zhuǎn)折：從靜態(tài)訓(xùn)練，邁向動態(tài)推理。

超臨界學(xué)習(xí)

人類學(xué)習(xí)有「睡眠回放」，AI也在探索「推理-再訓(xùn)練」的循環(huán)。

OpenAI模型從「離線訓(xùn)練+大量推理」轉(zhuǎn)向了「推理+基于推理數(shù)據(jù)的再訓(xùn)練」，逐步接近人類學(xué)習(xí)的過程。

Greg表示，「我們正在從『一次性訓(xùn)練，無限次推理』的時代，邁向『邊推理邊訓(xùn)練』的新紀(jì)元」。

這個過程中，人類只需設(shè)計少量任務(wù)，模型通過成千上萬次嘗試即可學(xué)習(xí)到復(fù)雜行為，但算力消耗巨大。

當(dāng)算力增加10倍、10000倍，模型就會出現(xiàn)「超臨界學(xué)習(xí)」（Supercritical learning）。

它意味著，LLM學(xué)習(xí)不僅是掌握當(dāng)前任務(wù)，還要推導(dǎo)二階、三階效應(yīng)。

展望模型未來新應(yīng)用，Greg在生物研究所的經(jīng)歷讓他相信，DNA就像預(yù)言一樣，可以被神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。

他表示，對于神經(jīng)網(wǎng)絡(luò)來說，人類語言和生物語言沒有本質(zhì)區(qū)別，我們在DNA建模上已經(jīng)能做到GPT-2的水平。

Greg還提到，自己的妻子患有罕見遺傳病，AI在醫(yī)療上的突破，對于他來說有著更重要的個人意義。

最佳工程實(shí)踐，打造Prompt武器庫

有了如此強(qiáng)大模型，開發(fā)者如何將其發(fā)揮出最大的效用？

「若要充分發(fā)揮模型的潛力，確實(shí)需要一些特殊的技巧」。

這需要一種近乎偏執(zhí)的韌性，去真正摸清模型能力的邊界與缺陷的輪廓。

為此，Greg提出了最佳工程實(shí)踐——

1. 構(gòu)建AI友好型代碼庫：模塊清晰、單元測試完整、文檔詳盡；

2. 拆解任務(wù)，讓多個智能體并行完成；

3. 要做「Prompt庫」管理，積累自己的提示武器庫，不斷探索模型的邊界。

不過，這些Prompt往往不是唯一正確答案，而是能讓模型發(fā)揮創(chuàng)造性和多樣性的測試。

訪談中， Greg表示，「我始終模型當(dāng)作一個開發(fā)團(tuán)隊(duì)，而不是單一的工具」。

它可以遠(yuǎn)程異步完成任務(wù)，也可以像結(jié)對編程一樣實(shí)時協(xié)作。

更重要的是，AI不介意被完全「微觀管理」，而且還可以被無限復(fù)制，這一點(diǎn)是人類開發(fā)者無法做到的。

GPT-5在前端測試上表現(xiàn)突出，但開發(fā)者不能只「過擬合」某些強(qiáng)項(xiàng)場景，要學(xué)會讓AI在不同模塊間切換，形成完整的工作流。

Greg舉了一個例子，自己平時會把非關(guān)鍵任務(wù)外包給模型，降低風(fēng)險，同時還能保持信息流動。

他還豪言，OpenAI正在建造人類史上最龐大的智能機(jī)器。相比之下，「阿波羅計劃」這樣的工程都黯然失色。

即便部分工作被自動化，優(yōu)秀工程師依然稀缺。

關(guān)于當(dāng)前AI研究現(xiàn)狀，Greg指出，不同實(shí)驗(yàn)室并非是同質(zhì)化，而是各自有獨(dú)特取向。

OpenAI的重點(diǎn)是——下一個范式的轉(zhuǎn)折，優(yōu)先級包括：推理范式、多模態(tài)、應(yīng)用。

算力，是永恒的瓶頸

下一個未來，算力將成為最炙手可熱的資源。

在OpenAI內(nèi)部，擁有更多計算資源后，研究人員才能開展更大的項(xiàng)目，取得更多的成果。

近來，奧特曼稱，我們內(nèi)部有更強(qiáng)大的模型，但因算力不夠，還拿不出來。

談到AI的極限時，Greg一針見血，「瓶頸永遠(yuǎn)是算力」。

如果你能給我們更多的算力，我們就能把它轉(zhuǎn)化為更強(qiáng)的模型。

他還將算力比做一種「能量」，預(yù)訓(xùn)練是將能量轉(zhuǎn)化為潛在的智力（potential energy），而推理則把智力再次釋放為動能（kinetic energy），用于現(xiàn)實(shí)世界中的任務(wù)。

為此，OpenAI今年開始打造「星際之門」超級集群，不斷擴(kuò)張基礎(chǔ)設(shè)施。

在Greg看來，未來社會中的「算力分配」將成為核心議題，甚至比財富更加稀缺。

用他的話來說，「未來唯一肯定會稀缺的資源，是算力」。

Greg相信，隨著算力Scaling，AI推理深度將呈指數(shù)級增長。

2045年：AI生成一切，錢沒用了？

訪談中，當(dāng)主持人問及，你想要發(fā)送到2045年一張便條會是什么？

Greg Brockman表示，那將會是一個驚人豐饒的世界，AI的進(jìn)步可能讓我們實(shí)現(xiàn)科幻小說中的夢想，甚至邁向多星球文明。

AI的應(yīng)用空間無比廣闊，無論是醫(yī)療、教育還是其他行業(yè)，都有無數(shù)「未被采摘的果實(shí)」等待探索。

不過，如何構(gòu)建一個公平、高效的社會來分配計算資源，將是未來需要深思的問題。

但他也認(rèn)真強(qiáng)調(diào)：

如果AI能免費(fèi)生成一切物質(zhì)，金錢可能會失去意義；

但算力將成為新的稀缺品，誰能獲得更多算力，就能做更多事。

采訪的最后，Greg回憶起年輕時，常覺得「錯過了時代」。

他表示，「我曾以為等到我準(zhǔn)備好時，所有酷炫的問題肯定早被解決完了…結(jié)果證明這想法大錯特錯。問題的數(shù)量會隨時間增長而非減少」。

換句話說，現(xiàn)在依然是進(jìn)入AI的最佳時機(jī)。

參考資料：

https://www.youtube.com/watch?v=35ZWesLrv5A&t=1s

https://x.com/slow_developer/status/1956741490170106288