Anthropic联合创始人：AI的“扩展法则”与通往人类级智能的可预测之路 | 附全文1.5万字+视频
输入“/”快速插入内容
Anthropic联合创始人：AI的“扩展法则”与通往人类级智能的可预测之路 | 附全文1.5万字+视频
Anthropic联合创始人：AI的“扩展法则”与通往人类级智能的可预测之路 | 附全文1.5万字+视频
用户4242用户42422025年7月31日修改
原创 天空之城城主 Web3天空之城2025年07月30日 20:27 北京
文: Web3天空之城 | 未经许可不得转载
[城主说] 在人工智能飞速发展的浪潮中，我们常常将其进步归因于研究人员的灵光一现或算法的神秘突破。但如果真相并非如此呢？如果AI能力的提升，实际上遵循着一套如物理定律般精确、可预测的法则呢？这正是Anthropic联合创始人、前理论物理学家贾里德·卡普兰（Jared Kaplan）在此次YC的AI创业学院的最新研究访谈中为我们揭示的。他认为，当代AI革命的真正引擎，是被称为“扩展法则”（Scaling Laws）的现象——通过系统性地增加计算、数据和模型规模，我们正在一条清晰且可预测的道路上，稳步迈向人类水平的通用人工智能。
核心观点摘要
“推动人工智能进步的根本原因，并不是因为人工智能研究人员突然变得更聪明了。而是我们找到了一种非常、非常简单的方法，可以系统地改进人工智能，而我们正在做的，就是转动这个曲柄。”
“AI模型能够完成的任务长度，大约每7个月就会翻一番。这种图景表明，在未来几年，AI能够完成的任务将不仅需要我们几分钟或几小时，而是几天、几周、甚至几年。”
“我认为，为了广泛地解锁人类级别的人工智能，最重要的三大要素是：相关的组织知识、用于长期任务的记忆，以及处理模糊与复杂任务的监督能力。”
“我认为人们在与人工智能交互中可以发挥的主要作用，是充当一名管理者，来对AI完成的工作进行理智地检查（sanity check）。”
“我总是推荐的是，在人工智能能力边界上进行某种实验，去构建一些尚未完全奏效的东西。因为你可以预期，下一个版本的模型将使该产品发挥作用并提供大量价值。”
“很多时候，当扩展法则似乎失效时，那只是因为我们自己做错了什么。我的第一反应是，如果扩展法则失效，那是因为我们在某种程度上搞砸了AI训练。”
“所有的价值都在前沿吗？还是在那些没那么强大但更便宜的系统中也存在大量价值？我确实期望很多价值将来自最强大的模型。”
从物理学到AI：发现可预测的智能提升之路
对于一位职业生涯大部分时间沉浸在理论物理学中的科学家而言，转向人工智能似乎是一次巨大的跨越。但对贾里德·卡普兰来说，这背后是一以贯之的探索精神——寻找并理解我们周围世界最宏大的趋势。正如他所说，促使他投身物理学的，是少年时“想弄清楚我们是否可以建造一个超光速驱动器”的科幻梦想。而促使他最终全身心投入AI的，则是在物理学多个领域感到进展放缓时，对一个新领域底层规律的好奇。
起初，卡普兰对AI持怀疑态度，直到他开始用物理学家的思维方式提出那些“最愚蠢、最简单的问题”。 “我听说在2010年代，大数据很重要，所以我只是想知道数据应该有多大？它有多重要？” 同样， “很多人注意到更大的AI模型表现更好，所以我们只是问了一个问题，这些模型表现得好多少？”
正是这些看似天真的问题，引导他和团队发现了AI领域最深刻的秘密之一：扩展法则。他们震惊地发现，AI模型的性能提升并非随机或偶然。无论是在其学习人类语言模式的“预训练”阶段，还是在通过反馈学习执行有用任务的“强化学习”阶段，其进步都遵循着精确且可预测的规律。
“我们发现AI训练实际上有一些非常、非常、非常精确和令人惊讶的底层规律，” 卡普兰强调， “这些趋势像你在物理学或天文学中看到的任何东西一样精确，这给了我们很大的信心，相信AI会以一种非常可预测的方式变得越来越聪明。” 早在2019年，他们就观察到，在计算量、数据集大小和模型参数这三个维度上，性能的提升曲线跨越了数个数量级，呈现出惊人的线性关系。这一发现，成为了卡普兰眼中AI进步的根本原因。
扩展的前沿：从几分钟到几个月，不断延伸的任务时间跨度
如果说扩展法则是AI进步的引擎，那么其最直观的体现，就是AI能够处理的任务复杂度在不断延伸。卡普兰提出了一个极富洞察力的衡量维度： 任务的时间跨度 ，即一个普通人完成AI所能处理的任务所需的时间。
他引用了METER组织的一项系统性研究，该研究发现了另一个惊人的扩展趋势。 “他们发现，如果你观察人工智能模型可以完成的任务的长度，它大约每7个月翻一番。” 这意味着，AI正从只能完成需要数分钟的简单任务（如文本摘要），稳步迈向能够处理需要数小时的复杂任务（如编写和调试一段功能代码）。
将这条曲线向前推演，一幅激动人心又引人深思的图景便浮现出来。 “这种图景表明，在未来几年，我们可能会达到一个临界点，即人工智能模型可以完成的任务不仅需要我们几分钟或几小时，还需要几天、几周、几个月、几年等等。” 卡普兰设想，最终，由数百万个AI模型组成的协同系统，将能够完成今天需要整个人类组织、甚至整个科学界才能完成的工作。 “你可以想象人工智能系统协同工作，在几天、几周等时间内取得理论物理界大约50年才能取得的进展。”
通往人类级智能的三大支柱