上周，一张OpenAI内部通往AGI最新路线图，在全网掀起热议。
不过，大家其实对它都很熟悉——就是曾经的Q*。
根据路透社在5月份看到的内部文件，OpenAI团队正在全力研究Strawberry项目。
Strawberry具体是如何运作，即使在OpenAI内部也是高度保密的。
文件显示，Strawberry模型的目的，是为了使公司的AI不仅能生成查询答案，还能提前计划，足够自主且可靠地浏览互联网，进行OpenAI所称的「深度研究」。
而这个目标，根据对十多位AI研究人员的采访，目前尚未有任何AI模型实现。
路透社表示，Strawberry就是去年的Q*，后者在OpenAI内部已经实现突破。
当被问询到Strawberry的更多细节时，OpenAI发言人表示——
知情人士表示，OpenAI希望Strawberry的创新能显著提高其AI模型的推理能力，并补充说，Strawberry涉及了一种AI模型在经过非常大的数据集预训练后的一种特殊处理方式。
而路透社采访的研究人员表示，推理是AI达到人类或超人类智能的关键。
研究者表示，在AI背景下的推理，就需要一个模型让AI能提前计划，反映物理世界的运作，并且可靠地解决复杂的多步骤问题。
改进AI模型的推理能力，被认为是解锁这些模型潜力的关键。有了推理能力，模型在进行重大科学发现、规划构建新的软件应用上，都会有可观的提升。
SamAltman此前也曾表示，今后AI领域最重要的进展，将「围绕推理能力展开」。
而其他巨头，如谷歌、Meta、微软等，都在尝试不同技术，来改进AI模型的推理能力。
沿着目前的路线，有可能实现让LLM将想法和长期规划纳入其预测方式吗？图灵三巨头之一的LeCun对此持唱衰态度。
他坚决认为，LLM不具备类人的推理能力。
要克服这些挑战，对OpenAI来说Strawberry就是关键。最近几个月，OpenAI曾私下向开发者和外部人士暗示过，即将发布具有显著先进推理能力的技术。
据悉，Strawberry包括一种被称为「后训练」的特殊方法，即在OpenAI的生成式AI模型已经在大量通用数据上「训练」后，调整基础模型以特定方式优化其性能。
模型开发的后训练阶段涉及「微调」等方法，这一过程几乎如今所有的LLM都在用，比如RLHF。
知情人士表示，Strawberry类似于斯坦福大学在2022年开发的一种方法——「自我教导推理者」（Self-TaughtReasoner，简称STaR）。
论文作者之一，斯坦福教授NoahGoodman表示，STaR使AI模型能够通过迭代创建自己的训练数据，来「自我提升」到更高的智能水平。
理论上，可以让语言模型实现超越人类水平的智能。
结果显示，在算术、数学文字题和常识推理中，STaR能够有效地将少量的少样本提示转化为大量的推理数据集，从而显著提升性能。在CommonsenseQA上，STaR比少样本基线提高了35.9%，比直接预测答案的微调基线提高了12.5%，其表现与一个大30倍的微调模型相当（72.5%对73.0%）。
文件显示，为了实现这一目标，OpenAI正在创建、训练和评估被称为「深度研究」数据集的模型。
OpenAI非常希望模型能够利用这些能力，通过一个称为「CUA」的计算机使用Agent来自主浏览网络，并根据其发现采取行动来进行研究。
此外，OpenAI还计划测试其在软件和机器学习工程师工作中的应用能力。
就在2024年7月初的一次全员会议上，OpenAI内部曾对一个神秘研究项目做了展示。
据称，它所展现出的推理能力，已经达到了类人的水平。
结合前文的信息，路透怀疑这可能与Strawberry有关，但目前还无法确定。
L1：聊天机器人，具有对话能力的AI。
L2：推理者，像人类一样能够解决问题的AI。
L3：智能体，不仅能思考，还可以采取行动的AI系统。
L4：创新者，能够协助发明创造的AI。
L5：组织者，可以完成组织工作的AI。
OpenAI表示，我们目前正处在第一级别，不过很快会达到第二个级别，即推理者。
所谓推理者，也就是指可以解决博士水平的基本问题的系统。
OpenAICTO曾透露，OpenAI接下来将致力于研究在特定任务上博士级别的智能，也许就在一年或一年半之后实现。
2023年11月，OpenAI的神秘Q*项目，引爆整个AI社区。
泄露出来的信息，Q*的能力，是能够解决小学阶段的数学问题。
虽然在大多数人看来，这并不是什么令人印象深刻的事，但这的确是朝向AGI迈出的一大步，堪称重要的技术里程碑。
因为Q*解决的，是以前从未见过的数学题。
Ilya做出的突破，使OpenAI不再受限于获取足够的高质量数据来训练新模型，而这，正是开发下一代模型的主要障碍。
那几周内，Q*的演示一直在OpenAI内部流传，所有人都很震惊。
据悉，OpenAI的一些人认为Q*可能是OpenAI在AGI上取得的一个突破。AGI的定义是：「在最具经济价值的任务中，超越人类的自主系统」
所以，Q*究竟是啥呢？
这要从一项1992年的技术Q-learning说起。
斯坦福博士SilasAlberti由此猜测，Q*很可能是基于AlphaGo式蒙特卡罗树搜索token轨迹。下一个合乎逻辑的步骤是以更有原则的方式搜索token树。这在编码和数学等环境中尤为合理。
随着几位AI大佬的下场，大家的观点，愈发不谋而合了。
AI2研究科学家Nathan激动地写出一篇长文，猜测Q假说应该是关于思想树+过程奖励模型。并且认为Q*假说很可能和世界模型有关！
他猜测，如果Q*（Q-Star）是真的，那么它显然是RL文献中的两个核心主题的合成：Q值和A*（一种经典的图搜索算法）。
A*算法的一个例子
话说，OpenAI最近似乎没有多大动静了。
在这个演示中，主管让GPT-4o表演了多种语调，比如激情四射版、悄悄话版等。
GPT-4o可以即时听懂Huet的命令，立马做出正确的反应，在场观众给出欢呼。
接下来，Huet向ChatGPT出示了金门大桥的手绘图，让它猜猜自己在哪里。
ChatGPT马上猜出来这是哪个大桥，并说出Huet在旧金山，还认出了他在纸上的手写字——「BonjourDeveloper」！
随后，Huet又迅速给了它一堆任务，比如认出查理芒格的书，随机翻一页后迅速总结书页大意等等，ChatGPT没有任何迟疑，迅速给出了正确答案，效率令人惊叹。
随后，Huet从视频中提取了6帧，然后把这6帧发给了GPT-4oVision，让它描述自己看到了什么。
在雾气弥漫的浓密森林深处，一只色彩斑斓的青蛙小心翼翼地沿着覆盖苔藓的树枝前行。它明亮的绿色身体上点缀着醒目的黑黄图案，在茂密的植被中显得格外显眼。
在这条危险的路径上，青蛙保持警觉。每一步都很慎重，粘性的脚趾牢牢抓住粗糙的树皮。树枝轻轻摇晃，显示出它精妙的平衡感。
到达树枝的边缘时，青蛙评估着前方的空隙。突然，它爆发出一股能量，跃了过去。但就在后腿推离时，脚滑了一下。短暂地悬在空中，青蛙笨拙但安全地落回树枝上。
尽管有些失误，这只坚韧的两栖动物重新站稳了脚跟，展示了野生环境中生命的顽强。它毫不气馁，准备进行下一次跳跃，坚定不移。
最后，Huet展示了voiceengine的神奇功能。
他先录了一段自己的语音，然后把刚才Sora生成的树蛙视频发给voiceengine，下一秒，上面那段树蛙视频的长故事，就用他的声音被读了出来！观众们掌声雷动。
然后，这段故事又被VoiceEngine用法语、日语重新读了一遍（感觉翻译的淘汰又近了一步）。
在产品层面，OpenAI已经做到了如此先进的地步，如果再加上Strawberry的推理能力，OpenAI离AGI的实现，恐怕是要很近了。