10月底，在著名AI播客主持人Lex Fridman长达三个小时的访谈节目中，特斯拉前AI总监Andrej Karpathy谈及了他对于Transformer、神经网络、大规模语言模型、AGI的理解，以及对特斯拉、Optimus的看法。此外，在天马行空的交流中，他还讲到了对宇宙人生、外星生物的畅想，甚至包括他个人专注、近乎疯狂的日常工作模式。在特斯拉的五年间，他一手促成了Autopilot的开发。智源社区选取全文精华内容进行了整理，供参考。前特斯拉人工智能和自动驾驶部门(Autopilot)负责人，主攻计算机视觉和深度学习领域，曾为OpenAI创始成员和研究科学家，师从斯坦福大学教授李飞飞，与其共同设计并讲授广为人知的斯坦福深度学习课程CS231n，2022年7月宣布从特斯拉离职。Lex Fridman（以下简称“L”）：你对于AGI（通用智能体）怎么看，哪些进展或想法对于实现AGI是至关重要的。主要的阻碍有哪些？
Andrej Karpathy（以下简称“A”）：基本上，我相当看好我们构建AGI的能力，像人类一样可以与之互动的自动化系统。我们可以在数码范畴或物理范畴上与它们互动。目前，似乎大多数模型从纹理层面上解决这些神奇的任务。我怀疑纹理信息不足以让我们真正建立对世界的全面理解。我们需要进一步考虑像素，了解物理世界及其工作机制。所以我确实认为我们需要扩展这些模型，使用图像和视频，以此训练更多的多模态数据。A：这是一个悬而未决的大问题。如果你需要具身和与世界互动的能力，进行实验并拥有这种形式的数据，那么您需要使用「Optimus」人形机器人或类似的东西。仅仅拥有来自互联网的数据可能是不够的，Optimus在某种程度上就像在AGI中实现对冲。Optimus既拥有人形的外观，又可以做一些现实世界中的事情。未来，数百万的 Optimus 将与人类互动。所以从完整性的角度来看，我认为这是一个非常好的平台，但它也更难处理，因为你正在处理「原子」，你需要真正构建这些东西并将它们融入社会。我们很可能会与数字实体进行交互。这将是一个缓慢的过程。增量化的过渡产品是基础，重点在于让「Copilot」平台变得更好。然后GPT会帮助你写作。我们即将能够基于这些标准组件解决化学、物理、数学等非常复杂的问题，并让它们得到完整的解决方案。A：意识并不是凭空想出来的，这是一种足够大、足够复杂的生成模型的涌现现象。如果你有一个足够复杂的世界模型来理解这个世界，那么它也会把它在世界上的困境理解为一个语言模型，这是自我意识的一种形式。L：如果你可以和AGI交谈，向她提问，谈论任何事情。你会问什么？A：我会问一些实际的问题，例如，我或我所爱的人真的必须死吗？我们能做些什么呢？A：我希望它能够提供解决方案。我希望它能够像这样回答：我已经阅读了所有教科书，并对您的所有工作了如指掌。在我看来，您接下来做这些实验会非常有帮助（举例）。让我们进行这个思维实验。想象一下，死亡实际上就像是幸福的先决条件，因为如果我们长生不老，其实会变得深深的不快乐。模型确实能够知道这一问题的答案。那么，他应该诚实地回答你吗？如果AGI系统试图同情人类，应该告诉你真实答案吗？还是回答一些「善意的谎言」？就像在电影Interstellar中，AI表示，人类只想要90%的诚实度。L：如果有一天，装备有语言模型的机器人同时具有交互能力，它们能发推特、能回复信息，我们很难分辨机器人与人类。甚至人工智能会试图成为人类，想要得到尊重和爱，你如何看待这样的世界？
A：这有点像军事竞赛，有攻击和防御，攻击越强则防御也会变得越强。社会也会随之进步，产生新的类似于数字签名的技术。我认为，我们需要与人工智能分享数字空间。人工智能会变得越来越好，在数字领域之外，它们最终还会与我们分享物理世界。大多数人工智能是很友善的，能帮助人类；极少数人工智能对人类有害，而我们需要检测出它们。
L：在物理空间中制造假身份似乎比在数字空间中要困难一些。在数字空间中使用假身份的代价较低，除非我们准确追踪到程序所有者。A：是的，我们需要开始规定边界，追踪数字实体和人类实体并确定其所有者。目前机器人的能力飞速提升，而我们尚未构建起防御措施。然而，我们终将解决这个问题。L：软件2.0这一概念在过去的几个月中逐渐演化开来，能否对此做出一些解释？
A：几年前，我在一篇博文中提出了「软件2.0」，这是因为我观察到在软件开发领域中，有很多代码并不是通过C++等语言编写，而是通过神经网络生成代码。对于编程来说，这是一项重大的转变，神经网络正在「接管」软件领域。人们不再手工编写代码，编程范式转变为收集训练数据并设定训练目标。我们需要将数据集、目标设置、架构设置通过编译过程转化为表示神经网络权重、前馈过程的二进制语言。这一想法已经在诸多工业界的任务中得到了应用。类比地看，在软件1.0时代，我们在集成开发环境（IDE）中编写代码、调试代码、运行代码、在 GitHub上维护代码；而在软件2.0时代，这种范式则转变为了Hugging Face这类模式。 L：你曾经是特斯拉的AI主管，你如何成规模地让工程团队实现软件2.0？A：在软件2.0概念下，我们对计算机进行编程、影响算法的方式并不是人工地编写命令，而是对神经网络使用的数据集、网络架构、损失函数进行修改，如果训练出的神经网络可以给出正确的答案，我们就可以部署这个系统。L：为了完成各项任务，也许可以构建多头神经网络。你如何将问题分解为一系列小任务？A：以AutoPilot为例，许多在软件1.0时代由C++编写的程序可以逐渐由小型的神经网络替代，整个大的系统将这些小网络组合起来。我们也许拥有不止一个摄像头，我们需要将根据各个摄像头的图像得到的预测结果融合起来。我们可以将这个融合的过程交给神经网络完成，将各个软件接口交由软件2.0实现。神经网络可以比人类更加胜任编写软件的工作。L：那么这种预测是在4D空间进行的（随时间变化的3D空间）。在软件2.0下，如何在这样的世界中进行数据标注？采用自监督的方式或是人类手工标注？A：监督学习是目前工业界普遍可用的技术。因此，我们需要准备输入数据集、输出标签，它们需要满足以下三个特性：（1）大规模（2）准确（3）多样。在此基础之上，数据清洗的工作非常繁重。我们收集训练数据的机制很多，例如：人工标注、仿真模拟、离线追踪器（一种自动的三维重建过程）。在特斯拉，我们从零开始构建了一个上千人的数据标注团队。人类非常擅长于某些特定的标注工作（例如，2D图像标注），同时也有一些标注工作是人类不擅长的（例如，标注3维空间中随时间变化的物体）。因此，我们分别将一些标注工作交给人类和离线追踪器完成。L：你将驾驶任务形式化定义为了使用8个摄像头的视觉任务，将摄像头用于自动驾驶测试有何利弊？
A：人类也会使用视觉，像素传感器能以极低的成本提供大量的信息，这些信息构成了对世界状态的复杂、高带宽的约束。L：但是除了视觉之外，人类还会使用常识、物理等约束来认识世界。除了视觉感知，人类在对世界进行预测时还会用到推理等方法。A：是的，人类对世界的演进形成了强大的先验知识。不仅有根据数据得来的似然项，而是对数据的位置、运动方式等属性的先验项。L：在自动驾驶任务中，可能发生的事件的复杂程度至关重要。其中存在哪些难点？A：驾驶场景下，我们要实现心智理论，预测其它智能体会做什么。L：从视觉的角度来说，自动驾驶任务中最困难的视觉问题是什么？A：尽管视觉传感器很强大，但是我们仍然需要对信号进行精细的处理。最困难的问题是构建神经网络系统的整个工作流程。就数据引擎而言，它需要能够训练神经网络、迭代式地评估系统。而大规模地完成上述任务是十分困难的。此外，以较低的延迟在汽车芯片上部署系统也并非易事，此时算力、内存、带宽都有限。A：如今，大多数神经网络的编程都要求数据集足够大、足够多样、数据干净。接着，我们使用数据集训练网络、部署网络，再观察其性能。为了提升数据质量，我们试图囊括一些罕见的场景，神经网络在这些场景下性能往往较差。我们可以重新构建这些场景下的数据，阶梯式地完善训练数据集。A：我认为自动驾驶时间表的困难之处显然在于，没有人真正实现过自动驾驶。这并不像，你认为建造这座桥梁的时间表是什么样的？好吧，我们以前造过无数的桥，而这座需要这么长时间。
没有人实现过自动驾驶，答案并不清楚。有些部分比其他部分容易得多，这真的很难预测。你尽力而为，基于趋势线等等，也基于直觉，但那就是为什么从根本上说，真的很难预测。
L：福特和其他公司曾经做出预测，我们将在2020年，2021年，或某个特定时间解决L4级自动驾驶问题。而现在，这个预言证明他们都错了。你如何形成一个强有力的表达，让你能够对于可解决性做出预测？你是很多人的领袖，你必须说，这实际上是可能的。如何建立这种直觉？
A：是的，专家级的直觉，仅仅直觉，一种信念。套用游戏的类比，这里有“战争迷雾”，但你肯定也能看到改进的前沿。可以通过历史衡量，已经取得的进展。
我认为，例如，至少以我在特斯拉大约五年的时间里所看到的，我加入公司时，它只能在高速公路上保持车道。我记得从帕洛阿尔托到旧金山，需要三到四次的人工干预。任何时候，道路有了任何几何上的变化，或者转弯太猛，它就无法运作。在五年内，从那个状态发展到一个具有相当能力的系统，并看到在表象之下，实际发生了些什么，以及就数据，算力和其他一切而言，团队现在运营的规模。这些都是巨大的进步。
早期的autopilot系统
L：这就像，你在爬山，虽然有雾，但你也在不断取得很大的进展。A：有雾，你正在取得进展，并且你看到接下来的方向是什么。
你在看着剩下的一些挑战，而它们并没有干扰你，它们没有改变你的哲学，而且你没有扭曲自己。你会说，实际上这些就是我们仍然需要做的事情。
L：是的，解决问题的根本要素似乎就在那里。从数据引擎，到车上的计算机，再到用于训练的算力，所有这些要素。
L：在特斯拉，这么多年来，你已经实现了... 你已经实现了很多惊人的突破性的想法和工程工作，所有这些。从数据引擎，到人员方面，所有这一切。你能说说，为什么选择离开特斯拉吗？A：基本上，正如我所描述的，在这五年里，随着时间的推移，我逐渐转到管理岗位上。我大部分时间都是在开会，和发展组织，做出关于团队的高层次的战略决策，以及团队应该做些什么，等等。这有点像企业高管的角色。我认为我做的还不错，但这并不是我本质上最享受做的事情。我记得，当初加入公司时，还没有计算机视觉团队，因为特斯拉刚刚脱离第三方供应商MobilEye的依赖，开始搭建自己的计算机视觉系统。我加入的时候，有两个人在训练深度神经网络。他们的训练工作是在脚边的电脑上完成的，一台工作站。A：我把团队从萌芽状态，发展到了我认为是相当值得尊敬的一个深度学习团队，一个大规模的计算集群，一个非常好的数据标注团队。我对团队的情况非常满意，团队变得相当的自主，所以我可以退后一些。我很高兴，能再次从事更多的技术工作，重新专注AGI(通用人工智能)。这个决定很难，因为我显然非常爱这家公司。我爱Elon，我爱特斯拉，离开是很困难的，我爱这个团队。我认为，特斯拉会开展一些不可思议的工作。它是一家大规模的机器人公司，拥有大量的内部人才。而我认为，人形机器人将会很了不起。自动驾驶的交通运输将会很了不起。所有这些都发生于特斯拉。作为它的一部分，并帮助它成长，我很享受这个过程。我很高兴有可能在未来某个时候，回到特斯拉开启第二篇章，从事Optimus或AGI的工作。L：你提到了人形机器人，你对于Optimus特斯拉机器人有什么看法？你认为10年，20年，30年，40年，50年后，工厂和家庭中会有机器人吗？A：是的，我认为这是一个非常困难的项目，我认为需要一些时间。但还有谁在大规模地生产人形机器人？我认为，这是一个值得追求的非常好的外形尺寸。因为就像我提到的，这个世界是为人形尺寸设计的。这些东西将能够操作我们的机器，它们将能坐在椅子上，甚至有可能驾驶汽车。基本上，这个世界是为人类设计的。这就是你想投资的外形尺寸，并且随着时间的推移，使其发挥作用。我认为，还有另外一派想法，那就是，选择一个问题，并设计机器人来解决它。但实际上，设计机器人，让整个数据引擎和它背后的一切技术都运作起来，实际上是一个非常困难的问题。寻求通用的接口，是合理的。对于任何一个特定的任务，它们都不是完美的，但它们实际上具有通用性，只要给它英语指示，就能完成一些事情。我认为，在物理世界中寻求一个通用的接口，是非常合理的。我认为，这是个非常困难的项目，将需要一些时间。但我认为，没有其他公司能够基于这一愿景执行。我认为它将令人惊奇，它基本上代表着劳动力。如果你认为交通运输是一个巨大的市场，那就试试劳动力市场吧，很疯狂。L：嗯，但对我来说，这不仅仅是劳动力，同样令人兴奋的是，社会性的机器人。我们与这些机器人在不同层面上建立的关系。这就是为什么我看到Optimus时非常激动。人们因为我的激动而批评我。A：是的，正如你所提到的，之所以能这么快，是因为从autopilot系统中，复制粘贴了大量的技术。特斯拉在生产人形机器人方面拥有大量的专业技术，让人难以置信。有一次Elon说，我们要开发机器人。然后基本上第二天，所有这些CAD模型就开始出现了，而人们开始讨论供应链和生产制造。人们带着螺丝刀和所有工具出现了，并开始把机器人的身体组装在一起。我当时就说，哇，所有这些人，特斯拉都有。从根本上说，生产汽车和生产机器人并没有什么区别。的确如此，不仅仅是对于硬件而言。我们也不要忘记，硬件不仅仅是为了演示，大规模生产这些硬件，是一件完全不同的事情。而对于软件来说，也是如此。基本上，这款机器人目前认为自己是一辆汽车。L：后续问题是，我们开车，操控物体，这个任务有多难，以至于进行规模化，它就可以产生影响？我认为，根据不同的场景，机器人技术的好处在于，除非用于制造业，它会有更大的容错空间。对于驾驶来说，安全性至关重要，时间精度也非常重要。A：（规模化）需要很长的时间。制定产品发展路线图，获得收入是至关重要的。我不会给自己设定一个非零即一的损失函数：在它成功之前，是无法运作的。我们不希望处于这种境地。我们想让它几乎立即运作起来，然后，我们想要慢慢地部署它，并进行规模化。我们想要搭建我们的数据引擎，我们的改进循环，测量，评估，控制管理，以及所有的流程。我们想要随着时间的推移，逐步改进产品。而且我们在这一过程中获得收入，这一点至关重要。因为否则的话，我们将无法推进这些大型项目，那在经济上并不合理。而且从工作团队的角度来看，他们也需要一路都获得多巴胺。他们不能接受，只是承诺这会成为有用的产品，一旦成功，它将在10年内改变世界。这不是我们想要的方式。我们想要的方式类似于今天的autopilot，它提供了不断增强的安全性和驾驶的便利性，就在今天。人们为它掏钱，人们喜欢它，人们购买它。然后，你也有更大的使命，正在努力实现。A：没错，我们部署这个产品，人们喜欢它，人们驾驶试用它，人们为它掏钱，他们关心它，发布所有这些油管视频。你的奶奶驾驶试用它，她给你反馈。人们喜欢它，人们参与其中，你参与其中，这无比重要。L：作为忠实的生物学爱好者，你认为有什么重要的事是生物神经网络可以完成而计算机还不能做到的？
A：如今，将神经网络与人脑类比是值得商榷的。诚然，神经网络的起源受到了人脑的启发，但如今通过训练得到的人工智能的优化过程和人脑的优化过程有很大区别。人脑通过长时间的多智能体的自博弈（self-play）过程不断演化，大脑中的预测模型对于人类的存活和繁衍至关重要。而神经网络的优化实际上是对于大量数据的压缩。L：人类由单个受精卵发育成胚胎，进而构建出器官和肢体，而DNA起到了编码的作用。这个发育的过程伴随着「学习和计算」。而纵观地球上的生命史，你认为最有趣的创造是什么？是物种起源，真核生物的诞生，哺乳动物、人类、智力的起源还是整个连续的过程？A：从整个太阳系、地球的物质构成，生命的起源开始，生命的演进是非常传奇的故事。作为人工智能研究者，我认为人类的特别之处在于，人类在非常短的时间内形成了其他动物没有形成的科技社会。L：有两种有趣的解释：（1）人类并不特别，所有的一切都写在了基因编码中，人类会越来越聪明，在多智能体的博弈中存活下来，这是一种自然的演化过程（2）有一些特殊的罕见事件发生了（例如，火的发明、太空漫游）。那么有哪些神奇的事情说明人类智能在宇宙中是特别的存在？A：人类智能是否罕见尚不可知。但似乎在进化过程中会通过探索断断续续达到一些均衡点，从而实现一些稀疏的飞跃。例如，DNA、性别、真核生物系统、意识的出现。L：你认为存在多少有智慧的外星文明？他们的智慧与人类是否相似
A：我一直都在思考这个问题。我想知道在宇宙中，科技社会的存在是否普遍。而随着我研究的深入，我认为这样的科技社会应该相当多。L：赞成，但是人类在地球上所取得的成就为什么很难实现？A：我曾经认为声明的起源是非常神奇、罕见的事情。但是如果我们关注更加基础的化学上的细节，我们就会发现这一过程也可能在其它系统中发生。实际上，在地球形成不久后，生命的起源就开始了。L：著名的ImageNet数据集近期在学术界有一些负面评价，你认为在机器学习研究中数据集的优势和劣势分别是什么？
A：互联网本身就是一个基准，允许深度学习社区证明深度神经网络确实有效，这当中有很大的价值。ImageNet很有用，但它在这方面变得有点像Minist数据集了，Minist数据集是28×28像素点的数据集，基本上快成为一个用来搞笑的数据集了。Imagenet已被击败，在1,000种分类预测方式中获得了90%的准确率。如果我没记错的话，目前前五名的错误率是1%左右。L：鉴于您拥有构建庞大的现实世界数据集的经验，您是否希望看到基准数据集朝着研究社区使用的特定方向发展？A：不幸的是，我认为学术界目前还没有下一个Imagenet。很明显，我认为我们已经击败了Emnist，我们基本上已经击败了imagenet。目前整个学术社区还没有下一个大的基准。L：我们可以用很少的数据来训练和构建一个知识库吗？A：当然，百分百。我只是觉得在未来某一时刻，你一定需要一个庞大的数据集。在经过大规模神经网络的预训练之后，获得类似GPT的模型，就可以高效地训练任意新任务了。因此比如在GPT上，通过较少的提示可以实现情感分析或者翻译之类的任务。一个输入语句，德文翻译。一个输入语句，空白。神经网络会自动根据前面的示例完成德语翻译。这是小样本学习的一个示例。我认为，就像人类一样，神经网络在学习其他新任务时会变得非常数据高效，但前提是，某一点上，需要大量数据集来进行预训练。L：人类有类似的东西吗？我们是否在「后台」有一个构建系统，一直在以自监督的方式运转着，只是我们没有意识到这一点。A：人类绝对是这样，我们在一生中学到了很多东西，也有大量的硬件帮助我们，初始化，进行某种进化。不知何故，进化就这样找到了解码这些算法的方式。这些神经网络的初始化非常适合蛋白质碱基对。L：从单个细胞到生命最初几年出生的有机体，挺神奇的。我们不记得生命最初几年的任何事情是因为这是一个非常痛苦的过程，就像一个非常困难的智力训练过程。之所以不记得，是因为一些疯狂的训练正在进行中。A：我认为这就像长期记忆的硬件还没有完全开发。我觉得婴儿的最初几年并不像学习，而是大脑还未发育成熟。有一些关于产道的理论，是大脑逐渐成熟的过程。最终才能学习。A：最初，神经网络是一种对人脑工作机制的数学化的抽象。归根到底，它是一种简单的数学表达式，可以写作矩阵乘法（点积）、非线性算子等操作构成的序列，包含若干个计算节点。我们可以宽泛地认为这种节点就好比人脑中的突触，它们可以被训练、修改。我们要合理设置这些计算节点，使其完成各种任务。人们不要过于纠结赋予神经网络与大脑相对应的意义。L：正是如此。诗歌本质上也是字母和空格的组合，但是它能让人有奇妙的感触。同理，计算机和大脑中的这些计算节点组合起来也产生了令人惊讶的力量。A：当足够大的由神经元组成的网络在足够复杂的问题上训练时（例如，预测大规模互联网数据中下一个词），往往会产生神奇的结果。L：那么，在我们对话时，你的大脑会预测我要说的下一个词吗？或者它在做其它更有趣的事吗？A：我们的大脑就好比一个与GPT类似的生成模型，对话的另一方会给出一些提示（prompt），而你也会根据自己的结构化知识（例如，记忆）加入一些额外的提示。L：但是，如果要对你一生中所说过的话进行搜索，搜索的规模可能很大。同时，你也许通过同样的语序说过很多单词。A：是的，我们重新组合一些常用的短语组成独特的句子。L：许多人认为神经网络并不可信。你如何看待神经网络产生的令人意想不到的结果？A：尽管从数学上说，神经网络非常简单，它涌现出的神奇行为看似并不可信，但我们有时也确实低估了神经网络。实际上，我们非常擅长优化神经网络，如果我们让它处理非常困难的问题，它会被迫在优化过程中学习到非常有趣的解。L：直观地说，网络中大量的计算节点得到的表征从数据中捕获了一些智慧和知识，你认为这些知识竟是什么？ A：以目前大热的 GPT 模型为例，它可以根据互联网上的单词序列预测下一个单词。当我们利用足够大规模的数据训练好这些模型后，可以以任意方式为神经网络提供提示，要求网络解决一些问题。例如，你可以让网络求解某个数学问题，它们就会基于在互联网上见到的方法，给出与其几乎一致的答案，这些答案看上去是正确的。L：你见证了深度学习、人工智能领域的发展，在你眼中该领域最精妙的想法是什么？
A：就近期而言，Transformer可能是最棒的想法。实际上，流行的神经网络架构经历了数次更迭。我们可以采用不同的神经网络分别处理视觉、音频、文本数据。近年来，我们看到Transformer架构趋向于统一地处理各种数据。自2016年论文「Attention is All You Need」问世以来，Transformer逐渐发展为一种通用的可学习计算架构，并且可以高效地在硬件上运行。L：作者是不是并没有意识到这篇文章将会产生的巨大影响？A：这我并不确定。尽管它们并不一定有完整的先见之明，但是我认为他们清楚地明白超越Transformer本身的设计动机。他们并不是仅仅提出了一种很棒的可微、可优化的高效的翻译计算架构。L：「Attention is All You Need」这篇文章的标题像是一个梗，之前貌似没有人这么给文章起标题？严肃些是不是会更好？A：是的，但如果标题严肃一些，可能影响力就不会那么大了。L：你曾在推文中写道「Transformer 是一种出色的神经网络架构，它是一种通用的可微计算器。它同时具备以下特性：（1）在前向传播中有出色的表达能力（2）可通过反向传播+梯度下降进行优化（3）通过高度并行的计算图实现高效计算」，能否对上述论点做出解释？A：研究者们希望希望通用计算架构可以在任意的问题上训练，设置其权重。我认为Transformer的作者有意地同时考虑了很多设计准则，因此成为了一种成功的强大架构。实际上，它在前向传播时进行了一些通用的计算（例如，通过「键-值」自注意力的方式在存有向量的节点之间广播、聚合节点所需的信息来实现信息传递）。Transformer不仅包含注意力机制，还融合了残差连接、层归一化、softmax等许多其它可优化的组件（例如，通过残差连接来组织堆叠起来的多层感知机）。这十分重要，因为有许多强大的计算机构是我们难以通过现有的「反向传播+梯度下降」这种简单的一阶优化算法来优化的。我们还希望让计算架构在吞吐量巨大的硬件上高效运行。例如，在GPU上，我们更青睐大量的并行计算而非串行计算，而Transformer的设计也考虑到了这些因素。L：你曾说Transformer中的「残差连接」具有首先快速学习「短算法」，并在训练过程中逐渐将其扩展地「更长」。怎样理解「短算法」？A：Transformer由一系列包含自注意力和多层感知机的模块组成，而在执行这两种操作之后的结果会与执行它们之前的输入通过残差链接相加。我们将这样的模块按顺序堆叠起来。在反向传播中，残差链接使得梯度流更加连续，它通过加法将梯度均匀地分配到各个分支，使得由顶层监督信号传出的梯度能够直接传到第一层，而在初始化时它们对残差通路则没有影响。由于残差链接的存在，我们可以通过动态的优化学习「短算法」得到近似的张量，从而逐步优化各层。有趣的是，Transformer网络具有很强的「弹性」，它很稳定。我们当前使用的Transformer与2016年提出的原始Transformer相差无几（除了有时会对层归一化操作的顺序进行调整）。当然，研究者们提出了一些附加的组件来提升其性能。总而言之，我认为Transformer本身就同时针对许多理想的神经网络架构的特性进行了优化，所以至今十分稳定。L：语言模型是Transformer的成功应用之一。你对GPT等语言模型感到惊讶吗？就自然语言而言，GPT以及其它比它更大的语言模型有什么缺点？
A：我们通过利用互联网上的海量文本数据训练GPT，使他试着预测序列中的下一个单词。实际上，人们对语言模型的研究已经有很长的历史。早在2003年，Bengio等人就曾试图将3到5个词输入给多层感知机神经网络，并令其预测接下来单词。只不过，他们使用的数据集较小，网络也并非Transformer。在更早期的研究中，人们利用基于计数的N-gram模型构建语言模型。因此，在语言模型的研究领域中，令人兴奋的是当我们将语言模型扩展到强大的Transformer上，在多任务场景下（例如，化学、物理、人性）使用足够大的数据集训练它，得到了一些惊喜的特性。尽管学习目标很简单，但是模型需要对世界有很全面的认识，才能得到很好的预测结果。L：面对各种各样的上下文，语言模型究竟在搜索什么？处理过程是怎样的？A：为了在互联网上收集到的完整的数据集上获得优异的性能，语言模型需要理解上下文。当我们使用Transformer等强大的架构构建 GPT 等语言模型时，可以通过上下文学习（In-Context Learning）等方法得到一些有趣的性质。在GPT的原始论文中，我们可以通过各种方式对模型施加提示，让其补全句子。L：你认为语言模型是否做了与人类理解语言类似的事情？A：我认为语言模型通过训练模型中的权重实现了一部分「理解」功能，为了更好地预测序列中的下一个单词，它必须对世界有所了解。L：你如何看待使用来自互联网的数据训练模型？互联网上有足够的结构化数据向人工智能传授人类文明吗？A：互联网上有海量的数据，但我不敢确切地说它是否有足够完整的文本数据来训练强大的通用人工智能系统（还要考虑音频、视频、图片等模态的数据）。仅就文本数据本身而言，也许仍然有很多信息我们并没有通过文本的方式记录，这是一些常识（例如，某些物理规律）。文本是人类交流的一种媒介，但它并不能全方位地包含世界知识。我们也许可以通过其它模态的数据帮助模型学习更全面的知识，但是我们还没有充分的训练这样的模型。因此也有许多研究者对该方向感兴趣。
L：对于人类而言，往往并没有人显式地告知我们一些常识，我们通过与世界的交互，自然地领悟了它们。为了正确地补全句子，模型需要学习人类与世界交互的方式，在表征中推理出隐含在互联网数据中的常识。为此，你在项目「World of bits」中，训练强化学习系统在互联网空间中执行动作，这种系统对学习是否有帮助？A：是的，我认为这对于很多模型来说是最终的边界。「World of bits」我任职于 OpenAI 时参与的项目，神经网络可以感知到屏幕上的像素作为输入，并且使用鼠标和键盘完成预定酒店等动作。数字领域中有一些为类人机器设置的操作数字设施的通用接口，就好比物理世界中有一些面向人类的通用接口。该项目大约在 2015 年前后发布，那时人工智能界的风向与当下有很大差别。当时，人们对于从头开始训练强化学习有很高的热情，出现了一系列让神经网络玩 Atari 游戏的工作（例如，AlphaGo）。事实证明，由于动作空间、状态空间巨大，奖励稀疏，强化学习是一种效率极低的训练生津网络的方式。我们在「World of bits」中让智能体随机初始化，试图通过鼠标和键盘完成预定任务。实际上，这种方式也不理智，必须很费力地完成预定任务才能得到奖励。从头开始学习缺乏大量的关于世界的知识。如今，当我们回过头来看这一项目，借助于GPT等预训练模型的初始化表征，网络可以理解预定这一动作，可以更好地利用「World of bits」中强大的接口。此时，训练的效率被大大提高。L：作为世界上最有生产力、最聪明的人之一，你的富有成效的一天是怎么度过的？平时几点起床？
A：我不是一个早起的人，我是个夜猫子，八九点左右起床。我在读博期间，通常凌晨3点睡觉，我觉得凌晨时间是很宝贵的，因为大家都睡着了。东海岸，每天早上7、8点，已经开始有各种分散你精力的讯息了。但是凌晨3点，万籁俱寂，你不会被打扰，有大量的时间去做事情。你需要在一些项目上积聚动力。你需要加载你的工作内存，甚至洗澡、睡觉的时候，都沉迷于某个问题，醒来的时候马上进入状态开始工作。在解决某些问题的几天里几乎是与世隔绝的，我不想被打扰。在特斯拉的时候，解决问题意味着面临各种障碍。比如，需要关联到我的集群中，调出VS代码编辑器，我可能会遭遇一些愚蠢的错误，各种各样阻碍生产力的小问题。你需要屏蔽各种形式分散注意力的内容，比如新的故事、邮件、其他有趣的项目，你只想真正集中注意力。我也可以抽出一些时间来分散注意力，但不能太多。早上我喝咖啡，常规地看一些新闻、推特、hackernews、华尔街日报等等。A：我大概可以小几个小时专注，然后中间休息吃点东西。我正在使用一个跟踪器，可以准确告诉我每天花在写代码上的时间， 即使在非常富有成效的一天，我仍然只花了大约6到8个小时。这都是因为有太多的填充物。通勤、与人交谈，食物等等。这就是生活的成本，只是维系生命本身，和体内平衡，仅仅维持自己作为一个人本身要付出的成本都是非常高的。L：在特斯拉工作是什么体验，是不是让员工们突破他们的工作极限？A：特斯拉在这方面几乎是「臭名昭著」，是一种相对激烈的环境。相比于谷歌，我实习过3次的地方，在谷歌和DeepMind，整体基线是要高于前者的。偶尔会有间断的平衡，会有爆发点。表面看上去有些疯狂，有火药味和冲刺。A：我有一个大屏，27英寸的mac。旁边是我的笔记本。做深度学习，所有东西都得是linux系统。mac运行VS Code。但实际上你有一个远程文件夹，通过 ssh 你在其他地方的集群上操作实际文件。我认为当前最好的代码编辑器是VSCode。目前，我相信这是最好的IDE，它有大量的扩展。还有GitHub Copilot，这是非常有价值的。（我最近和Python创始人Guido van Rossum交流，他也很喜欢用Copilot）L：作为特斯拉的AI总监，包括在斯坦福的经历，全世界都视你为AI专家，你是否患有冒名顶替综合症（imposter syndrome）？A：在特斯拉的5年间，我大量的时间都花在会议室里。一开始加入特斯拉的时候，我在写代码，后来写的代码越来越少，我开始读代码，后来读的代码也越来越少。所以这只是一个自然渐进的过程。结果到后来，你意识到你应该当一个专家了。但事实上，真相来源于那些实际在写代码的人。你不像之前那么熟悉代码了。确实在这方面有一些不安全感。L：从CS231n到今天，您是机器学习/人工智能领域最杰出的讲师之一。对于有兴趣从事机器学习的初学者，您有什么建议？（博士就读于斯坦福期间，他设计并担任斯坦福首个深度学习课程《CS231n：卷积神经网络与视觉识别》的主要讲师。）
A：初学者通常专注于要做什么，我认为重点应该是你做了多少。我是「一万小时」的忠实信徒。只有投入一万小时的工作，才能成为特定领域的专家。所以基本上我会更多地关注你是否花费了10,000小时。L：对于有志于开发和发表对人工智能世界产生重大影响的想法的研究人员（本科生或研究生），你有什么建议？A：AI正在不断演化，他们肯定要比我读博期间更具战略性。好比物理研究中，以前是在工作站上做实验，现在你必须在像大型强子对撞机（LHC）或欧洲核子研究中心（CERN）一样的地方工作，人工智能也在朝着这个方向发展。有些事情光在工作站上是实现不了的。https://www.youtube.com/watch?v=cdiD-9MMpb0
关注公众号：拾黑（shiheibook）了解更多
[广告]赞助链接：
四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/
![aka小腿果然淡妆才是最屌的（今天广州天气好好～出门拍摄[挤眼] ](https://imgs.knowsafe.com:8087/img/aideep/2021/11/24/50feaf0af65b5600efcf98d8bfcac524.jpg?w=250)
大数据文摘
关注网络尖刀微信公众号
