Hinton揭秘Ilya成长历程：Scaling Law是他学生时代就有的直觉
2003年夏天的一个周日，AI教父Hinton在多伦多大学的办公室里敲代码，突然响起略显莽撞的敲门声。
门外站着一位年轻的学生，说自己整个夏天都在打工炸薯条，但更希望能加入Hinton的实验室工作。
Hinton问，你咋不预约呢？预约了我们才能好好谈谈。
学生反问，要不就现在吧？
这位年轻学生就是Ilya Sutskever，刚刚完成本科二年级的数学课程，从教务处打听到“想学机器学习，最好去找Hinton教授”。
他照做了，也因此成就了一段传奇：
从AlexNet到AlphaGo，他两次参与改变世界的研究。
OpenAI创立之初挖他去当首席科学家，在他的领导下，推出了GPT系列早期版本、DALL·E系列、代码大模型Codex，直到ChatGPT，再次改变世界。
多年后，他发动董事会内讧，最终与OpenAI彻底分道扬镳，全世界都在等待着他的下一个动作。
在OpenAI的时候，Ilya并不像Altman那样到处抛头露面，也不像Brockman天天在网上分享自己的“编程之禅”。
仅有的几次演讲和访谈中也多是聊技术、宏观思考，不常谈及自己的经历，最近半年更是销声匿迹。
这次的故事，正是来自他的博士导师Geoffrey Hinton。
在与Sana Labs创始人的最新对话节目中，Hinton不仅讲了自己的事，还回忆了师徒共事期间的一些往事。
20多年过去了，很多细节在Hinton的叙述里还是那么鲜活。
这段访谈录像理所当然的火了，除了轶事之外，还涉及Ilya的一些学术思想怎么来的，又是如何发展：
那么，Hinton眼中的Ilya，到底是什么样子？
惊人的原始直觉
Ilya加入实验室后，Hinton给他布置的第一个任务是读论文，一篇关于反向传播的论文。
下一个周会，Ilya回来报告了，说“我不理解”。
Hinton很失望，内心OS：“这孩子看着挺机灵的，咋连链式法则求导这么基础的东西都看不懂？”
Ilya连忙解释，哦这个部分我懂了，我不理解的是，为什么不给梯度加一个sensible functional optimizer？
Hinto团队后来花了好几年来解决这个问题，最初指出问题的却是刚入门一周的Ilya。
像这样的情况后面还在反复发生……Hinton如此评价Ilya：
但Hinton也说搞不清楚Ilya这种直觉从何而来，或许归功于他从小就对人工智能问题感兴趣，再加上数学基础很棒。
除了研究直觉，学生时期的Ilya也展现了超强的代码和工程能力。
当时还没有TenserFlow或Torch之类流行框架，机器学习的主要工具和平台是Matlab。
一项工作需要在Matlab里调整大量矩阵乘法代码，Ilya做了一段时间就很不耐烦，说要为Matlab写一个界面：
Hinton听说后苦口婆心劝他，你可别，这得花上一个月时间，我们不要分心，把手头项目先做完。
Ilya却轻描淡写地说，害，没事，今天早上我已经写完了。
△这项工作出现在Ilya的博士毕业论文里
打小就坚信Scaling Law
正如Hinton所言，Ilya在很多问题上有惊人的直觉。
今天全AI圈不少人信奉的Scaling Law，Ilya学生时代就已坚信，并抓住各种机会向身边的人安利：
后来到OpenAI成立之初，Ilya的表述更加完善了：
早年间Hinton看来，这就像是研究者在没有创新的想法时，一种“逃避责任”的表现。
Hinton提到在当年那个时间节点，没人敢预料计算机速度今后会快上10亿倍，最多想象到快100倍就不得了。
（此处应插入比尔盖茨曾预言64k内存就足够任何人用了笑话)
Ilya在2003年加入Hinton的实验室，不知具体何时开始有了Scaling Law的想法，可能在他脑海里已经盘旋了20多年。
后来直到2020年，GPT-3发布的几个月前，OpenAI团队才正式在论文中向世人完整定义和介绍这一理念。
在语言模型上用GPU，比AlexNet更早
2010年底，Ilya和另一个学生James Martens（现DeepMind研究科学家）合作研究了一种语言模型，后来入选ICML 2011。
RNN架构，使用维基百科数据，在8张当时最先进的GPU上训练，比在AlexNet上使用GPU还早两年。
与今天的大语言模型预测下一个token不一样，当时他们尝试的是一次预测一个字符。
这款模型能力有限，比如给一段起始文字，模型可以继续生成看起来像维基百科文章的语句。
虽然语意上像是胡言乱语，但语法和标点符号大部分是准确的，引号和括号已经能成对出现，主语和动词形态一致，比如论文中的一段：
当时多伦多大学校刊的采访中，Ilya认为这已经超出了所有人的预期：
Hinton理智上也无法去相信这个系统能“理解”任何事，但它看起来就像是理解了。
比如给它一个地点组成的列表，它可以继续生成地点，尽管还分不出国家和州的区别。
当年的Ilya并不愿意讨论这项工作的潜在应用。
在维基百科上成功后，团队又尝试了纽约时报文章数据，目标是教会它根据文字识别不同作者的身份。
但Ilya已经想到并承认，如果做的足够好，这项技术有一天可能成为洗稿软件的基础。
如今，这篇论文的代码依然存放在多伦多大学的服务器上，供感兴趣的人研究。
不止是预测下一个token
后来的AlexNet、师徒三人“拍卖”自己加入谷歌等大家已熟知的故事，这里先略过。
Ilya加入OpenAI后，虽然不再与Hinton共事，但两人的学术思想始终在一条路上。
ChatGPT问世后，不少人批评大模型本质上只是统计学，预测下一个token，就像随机模仿人类说话的鹦鹉。
但Hinton和Ilya师徒二人都认为，远不止如此。
在Hinton眼中，问题之后的下一个token，便是答案的第一个token。
因此学会预测，就意味着必须学会理解问题。
这种理解的方式与人类相似，同时与老式基于三元组数据的自动补全有根本不同。
Ilya更是不遗余力传播这套理论，在去年和英伟达老黄的炉边对话中说了这个，在OpenAI内讧两周前最后一个公开采访中也讲了这个：
在另一场采访中，他走的更远：
这就是Ilya认为的，为什么“预测下一个token”范式有可能抵达AGI，甚至有可能超越人类直至ASI。
预测即压缩，压缩即智能
在不同场合提到“预测下一个Token”时，Ilya大概率会同时提到“压缩”，他认为预测即是压缩，压缩就是智能的来源。
但Ilya总是从理论的角度去解释这个想法，并不容易让所有人都能理解。
比如在UC Berkley的一场演讲中，他这样解释：
- “Kolmogorov压缩器”，是理论上能生成特定数据集的、长度最短的一段程序，能最小化遗憾值。
- 随机梯度下降，可以看成在软计算机（比如大型Transformer）的权重里，搜索隐含的“Kolmogorov压缩器”。
- 神经网络越大，就越能更好的近似“Kolmogorov压缩器”，遗憾值越低。
Hinton也认同这个说法，并且在访谈中举了非常形象的例子。
如果你问GPT-4堆肥和原子弹相似性在哪，大多数人类都回答不出来，认为它们是非常不同的两种东西。
GPT-4会告诉你，虽然他们的能量规模不同，时间尺度不同，但仍有相同之处：
通过类比，AI就理解了“链式反应”的概念。
Hinton认为，AI在利用这种理解去将所有信息压缩到自己的权重中。
Hinton眼中什么是好学生？
说回到两人相遇时，Hinton谈到，与他交谈没多久就能看出他很聪明。
再多交谈一会，就能发现他有很好的直觉，而且擅长数学。
所以选Ilya做学生是非常容易做出的决定。
那么如何挑选其他学生？Hinton也用了Ilya最擅长的方法：跟着直觉走。
如果试图吸收被告知的一切，最终会得到一个非常模糊的框架。相信一切，但是没有用处。
所以Hinton眼中的好学生，应该拥有一个坚定的世界观，并试图摆弄输入的事实以适应你的观点。
后来我们也能看到，两人都是秉持这样的理念，坚持着“大模型不止是预测下一个token”，坚持着“预测即压缩，压缩即智能”。
他们也都坚持认为，这个世界应该更加重视AI带来的风险，一个因此离开了工作10年的谷歌，一个因此离开了一手拉扯大的OpenAI。
Hinton访谈完整视频https://www.youtube.com/watch?v=tP-4njhyGvo
参考链接：[1]https://x.com/joelhellermark/status/1791398092400390195[2] https://www.cs.utoronto.ca/~ilya/pubs/ilya_sutskever_phd_thesis.pdf[3]https://magazine.utoronto.ca/people/students/ilya-sutskever-google-phd-fellowship/[4]https://www.utoronto.ca/news/u-t-alum-leading-ai-research-1-billion-non-profit-backed-elon-musk[5]https://icml.cc/2011/papers/524_icmlpaper.pdf[6]https://www.nvidia.com/en-us/on-demand/session/gtcspring23-s52092[7]https://www.youtube.com/watch?v=Yf1o0TQzry8
— 完 —