跟著OpenAI CEO奧特曼迴歸，宮斗大戲告一段落，但仍留下了很多未接的謎題。其中最為樞紐的，就是當初奧特曼為何會被董事會解僱。

昨日，有媒體透露，就在奧特曼被開除四天前，幾名研究職員向董事會發出了一封信，警告一項強盛的AI發現（Q*）可能威脅全人類。此外，OpenAI CTO Mira Murati此前在致員工的內部信件中提到了一個代號為“Q*”的專案。據她稱，該專案為"董事會對奧特曼的一系列不滿中的因素之一"。

據多家媒體預測，Q*讓OpenAI實現AGI的步伐大大提速，但奧特曼可能沒有和董事會具體表露Q*的進展到底有多大，這也符合董事會在解僱奧特曼時所說的“在與董事會溝通時沒有始終保持坦誠”。

就在被解僱之前，奧特曼還在公然流動中表示：

“在OpenAI的歷史上，我們已經取得了4次突破，最近一次是在過去的幾周裡。當我們把無知的面紗撕下，把發現的前沿向前推進時，我就在房間裡。”

所謂的第四次突破，指的可能就是Q*專案。

什麼是 Q*？

什麼是Q*？

Q*讀作Q star，目前OpenAI內部沒有任何關於Q*的詳細資訊流出。

據一些業內人士預測，它可能是是機器學習演算法Q-Learning（Q學習）的同義詞，也許是OpenAI藉助Q學習演算法打造的新模型的代號，也許是一個相關的專案名稱。

科技部落格PC Guide指出，OpenAI使用的Q*指的大概是貝爾曼方程中的最優值函式，Q*可能代表OpenAI找到或接近了效率最佳化演算法的最優解。

根據天風證券分析師孔蓉的說法：

Q學習是一種基於強化學習的演算法，用來在馬爾科夫決議計劃過程中求解最優控制題目。它的目標是透過學習最優策略，使智慧體在未知環境中做出最佳選擇。

Q學習依據貝爾曼方程更新狀態-動作對應的Q值，迫臨最優值函式。智慧體透過與環境互動，觀察到新的狀態和獎勵，來更新執行各個動作的Q值。

所謂貝爾曼方程，也被稱為動態規劃方程，是指數學家理查德·貝爾曼提出的用於解決複雜多階段題目的公式，透過求解該方程可以找到最優值函式和最優策略。

執行演算法的人（或計算機）可以輸入一個目標函式，例如“旅行時間最短、本錢最低、利潤最大、效用最大”等。然後，演算法將決定採取何種最佳步履來實現預期結果。

簡樸來說，Q學習可以透過探索所有可能的路徑，學習到通往預期獎勵的最短路徑（最短路線），透過試錯找到更最佳化的路徑，並跟著時間的推移達到最佳化狀態，每次都做出更好的決議計劃。

據媒體報道，在奧特曼被解僱之前，OpenAI在內部對Q*進行了演示，顯示Q*能夠解決小學程度的數學題目。

固然完成小學數學題聽起來沒什麼精彩之處，但需要誇大的是，包括GPT-4在內，世界上最進步前輩的大語言模型通常都更擅長基於語言的任務，即使面對加減乘除這樣的基礎數學都會犯錯誤。

假如真如報道所說，Q*有能力處理數學題目並給出明確謎底，即使只是小學數學，那也意味著巨大的奔騰。基礎數學能力或意味著與人類智慧相媲美的推理能力，也意味著OpenAI朝著其設定的AGI目標邁出了一大步。

另外據一些網友預測，Q*背後的模型模型可能已經具備自主學習和自我改進的能力，或者能夠透過評估其行為的長期後果，在廣泛的場景中做出複雜的決議計劃，可能已具備稍微自我意識。

最樂觀、或者最可怕的假設就是，OpenAI已經完成了打造AGI的基礎工作。

跟著OpenAI CEO奧特曼迴歸，宮斗大戲告一段落，但仍留下了很多未接的謎題。其中最為樞紐的，就是當初奧特曼為何會被董事會解僱。

昨日，有媒體透露，就在奧特曼被開除四天前，幾名研究職員向董事會發出了一封信，警告一項強盛的AI發現（Q*）可能威脅全人類。此外，OpenAI CTO Mira Murati此前在致員工的內部信件中提到了一個代號為“Q*”的專案。據她稱，該專案為"董事會對奧特曼的一系列不滿中的因素之一"。

據多家媒體預測，Q*讓OpenAI實現AGI的步伐大大提速，但奧特曼可能沒有和董事會具體表露Q*的進展到底有多大，這也符合董事會在解僱奧特曼時所說的“在與董事會溝通時沒有始終保持坦誠”。

就在被解僱之前，奧特曼還在公然流動中表示：

“在OpenAI的歷史上，我們已經取得了4次突破，最近一次是在過去的幾周裡。當我們把無知的面紗撕下，把發現的前沿向前推進時，我就在房間裡。”

所謂的第四次突破，指的可能就是Q*專案。

什麼是 Q*？

什麼是Q*？

Q*讀作Q star，目前OpenAI內部沒有任何關於Q*的詳細資訊流出。

據一些業內人士預測，它可能是是機器學習演算法Q-Learning（Q學習）的同義詞，也許是OpenAI藉助Q學習演算法打造的新模型的代號，也許是一個相關的專案名稱。

科技部落格PC Guide指出，OpenAI使用的Q*指的大概是貝爾曼方程中的最優值函式，Q*可能代表OpenAI找到或接近了效率最佳化演算法的最優解。

根據天風證券分析師孔蓉的說法：

Q學習是一種基於強化學習的演算法，用來在馬爾科夫決議計劃過程中求解最優控制題目。它的目標是透過學習最優策略，使智慧體在未知環境中做出最佳選擇。

Q學習依據貝爾曼方程更新狀態-動作對應的Q值，迫臨最優值函式。智慧體透過與環境互動，觀察到新的狀態和獎勵，來更新執行各個動作的Q值。

所謂貝爾曼方程，也被稱為動態規劃方程，是指數學家理查德·貝爾曼提出的用於解決複雜多階段題目的公式，透過求解該方程可以找到最優值函式和最優策略。

執行演算法的人（或計算機）可以輸入一個目標函式，例如“旅行時間最短、本錢最低、利潤最大、效用最大”等。然後，演算法將決定採取何種最佳步履來實現預期結果。

簡樸來說，Q學習可以透過探索所有可能的路徑，學習到通往預期獎勵的最短路徑（最短路線），透過試錯找到更最佳化的路徑，並跟著時間的推移達到最佳化狀態，每次都做出更好的決議計劃。

據媒體報道，在奧特曼被解僱之前，OpenAI在內部對Q*進行了演示，顯示Q*能夠解決小學程度的數學題目。

固然完成小學數學題聽起來沒什麼精彩之處，但需要誇大的是，包括GPT-4在內，世界上最進步前輩的大語言模型通常都更擅長基於語言的任務，即使面對加減乘除這樣的基礎數學都會犯錯誤。

假如真如報道所說，Q*有能力處理數學題目並給出明確謎底，即使只是小學數學，那也意味著巨大的奔騰。基礎數學能力或意味著與人類智慧相媲美的推理能力，也意味著OpenAI朝著其設定的AGI目標邁出了一大步。

另外據一些網友預測，Q*背後的模型模型可能已經具備自主學習和自我改進的能力，或者能夠透過評估其行為的長期後果，在廣泛的場景中做出複雜的決議計劃，可能已具備稍微自我意識。

最樂觀、或者最可怕的假設就是，OpenAI已經完成了打造AGI的基礎工作。