OpenAI通過一系列在AI技術和產品上的突破，引爆了通用人工智能（AGI）的發展，被微軟CEO 薩提亞 · 納德拉稱為“堪比工業革命的技術浪潮”。OpenAI趟出來的以大語言模型為主的AGI技術路線，也基本上宣告了其他AI技術路線的終結，這樣以一己之力改變整個領域航道的，在技術史上也是空前絕后。一個區區兩三百人（在去年底推出ChatGPT時，OpenAI團隊大約270人）的創業公司，何以在眾多巨頭逐鹿多年的AI競技場一路披荊斬棘，摘得通用人工智能的圣杯？無論在硅谷，還是在國內，很多人都在問：

為什么AGI這樣史詩級的革命，背后的核心推手竟然是OpenAI這樣的創業公司？OpenAI到底做對了什么？

我自從2016年開始一直追蹤研究AI領域的產業發展，每年籌辦全球機器學習技術大會（ML-Summit）的工作原因，陸續和很多來自OpenAI的專家、包括Ilya Sutskever（首席科學家）、Lukasz Kaiser（Transformer共同發明人）、Andrej Karpathy（聯合創始人）、Ian goodfellow（GAN之父）等經常接觸和交流。很早就注意到了OpenAI這個在AI領域特立獨行的“異類”。

如果回看AI產業的發展歷史，和OpenAI歷史道路上的諸多關鍵選擇，我幾乎驚嘆地發現，作為一家創業公司，OpenAI在每一次關鍵的岔路口上，都毫不猶豫地選擇了“難而正確”的決定?；仡橭penAI發展歷史上這些“難而正確”的選擇，我覺得對于我們今天很多AI領域的同行者會有重要的啟發。

愿景和使命：劍指通用人工智能

「我們的目標是以造福全人類的方式推進人工智能。今天的AI系統雖然令人驚嘆，但很多表現又不免差強人意。但在未來，AI極有可能在幾乎所有智力任務上達到人類的表現。這項事業的結果是不確定的，工作是困難的，但我們相信我們的目標和結構是正確的?！?/span>

這段話是我摘抄自OpenAI 在2015年12月剛成立不久創始團隊發表的“愿景和使命”博客中的一段文字。八年后的今天讀來，感受仍然是真誠和激蕩的。

OpenAI能夠在2015年整個AI領域被各種迷霧籠罩的時候，就提出“通用人工智能”這一強大的“愿景和使命”，是建立在創始團隊對人工智能的堅實信仰、深刻理解和現狀研究基礎之上的，我將這些合稱為對通用人工智能的“愿力”。這樣的“愿力”，幫助OpenAI此后在人工智能的發展道路上一次次守正出奇。

“愿景和使命”在今天浮躁的創投圈，很容易被異化為“忽悠VC和給員工畫餅”。但如果研究人類科技發展史，你會發現在一個領域提出強大的“愿景和使命”，是成為一個領域拓荒者的鮮明特征。反過來說，但凡革命性的事情，都有極大的難度，沒有強大的“愿景和使命”指引，遇到困難就很容易放棄和潰散。因此，對于那些堅定信仰的創業者，我鼓勵大家大聲講出你的“愿景和使命”。我也希望我們的創投界、媒體界對于創業者的“愿景和使命”要鼓勵支持、而非奚落鞭撻。

我時常在想如果將時間拉回到2015年，如果30歲的Sam Altman和29歲的Ilya Sutskever這兩位毛頭小子在我們的某個創投活動上講出上述“愿景和使命”，是不是會被一眾“大佬”唾沫星子淹死？事實是OpenAI在成立時就獲得了大約1億美金的捐贈，彼時OpenAI還是以非贏利性組織的方式成立的。

技術路線一：無監督學習

OpenAI剛成立不久，就在Ilya Sutskever的領導下下注“無監督學習”這條道路。熟悉AI研究領域的朋友都知道，今天這個看起來無比正確的決定，在2015-2016年，絕對不是那么顯而易見。因為彼時的人工智能領域，通過標注數據方法的“監督學習”大行其道，在很多垂直領域比如推薦系統、機器視覺等，效果也更好。

而“無監督學習”在理論突破和工程技術上彼時都非常不成熟，效果也大打折扣，屬于典型的“非主流”。但無需人工標注數據的“無監督學習”具有強大的普適性、且易擴展，通過大規模的數據預訓練，模型就能學到數據中蘊涵的人類豐富的知識，從而在各類任務中大顯身手。對于“通用人工智能”這一目標來說，“無監督學習”顯然具有“任務的普適性”和依據海量數據進行快速“scale（擴展）”的能力。

今天來看，很多“監督學習”方法都被OpenAI的“無監督學習”大幅甩開，但在當時選擇“無監督學習”顯然屬于“難而正確”的決定，這樣的關鍵道路選擇和OpenAI對AGI的愿景是密不可分的。

技術路線二：生成式模型

當2016年，各種“識別”類任務（如視覺識別、語音識別等）大行其道時，OpenAI在2016年6月發表《生成式模型（Generative Models）》中開篇就引用著名物理學家費曼的名言“What I cannot create, I do not understand. 如果不能創造，就無法理解”。也將OpenAI的研究重心放在生成式任務上。

而彼時雖然有Ian goodfellow 發明的GAN（生成式對抗網絡）的驚艷時刻，但它的不可解釋性，以及相較于識別類任務的“有用”，總體上，主流的人工智能業界其實對于生成式模型的判斷是“難度大，但用處不大”。

但通讀《生成式模型（Generative Models）》文章中，可以看出OpenAI團隊對于生成式模型是“AGI必經之路”的堅定，就能體會出OpenAI團隊卓爾不群、堅定自我的特質。

技術路線三：自然語言

雖然在2012年深度學習進入工業界成為主流方法之后，機器視覺很快成為更為成熟、效果更好、變現能力也更強的領域。雖然Ilya Sutskever也是通過AlexNet參加ImageNet大賽拔得頭籌而在機器視覺領域一戰成名，但OpenAI在做了一些嘗試之后并沒有選擇視覺作為主攻方向，而是選擇了押注更難、更險的“自然語言”。

相對視覺、語音等領域，自然語言處理長期被認為是相對落后的領域，因為自然語言任務具有巨大的復雜性和解空間，很多方法在某一個單一任務上可以，但放到另一任務上就表現很差，起伏不定。業界也有說法，自然語言處理是人工智能領域的“圣杯”。

在嘗試OpenAI Gym（開源強化學習平臺）和OpenAI Five（使用強化學習打Dota2游戲）的同時，OpenAI在使用無監督學習來進行自然語言的任務上走的越來越遠。特別是2017年通過生成式方式來預測 Amazon 評論的下一個字符，取得了很棒的效果。

為什么OpenAI選擇押注自然語言？套用著名哲學家維特根斯坦“語言的邊界就是世界的邊界”。如果用Ilya Sutskever的話來說 “語言是世界的映射，GPT是語言的壓縮”。就人類智能而言，自然語言是核心中的核心，而其他視覺、語音等都不過是自然語言的輔助佐料。

正是有了對自然語言通向AGI道路信仰般的押注，等到2017年6月12日Google的Transformer奠基性論文《Attention is All You Need》一發布，用Ilya Sutskever的原話說論文發表的第二天，他看到論文后的第一反應是“就是它了”。Transformer模型從理論上顛覆了前代RNN、LSTM等自然語言處理方法，掃清了OpenAI團隊苦苦探索自然語言領域的一些關鍵障礙。

然而遺憾的是，Transformer這一理論模型并沒有在Google內部得到足夠的重視，反倒讓OpenAI團隊如獲至寶。這一幕像極了1979年喬布斯參觀施樂PARC研究院的Alto電腦上的圖形界面（GUI）和鼠標后，回到蘋果就開始押注圖形界面并開啟了轟轟烈烈的個人電腦時代，而施樂PARC的領導層卻遲遲看不到GUI向普通大眾釋放的巨大計算潛力。而親自打造Transformer的七位共同發明人后來也陸續離開Google，有的加入OpenAI（包括我們2021年全球機器學習技術大會的keynote speaker、OpenAI研究科學家Lukasz Kaiser），有的在硅谷VC支持下創辦新一代人工智能公司。很有點當年硅谷仙童半導體“八叛徒”的昨日重現。