Transcription
大家好，这里是最佳拍档。
二零一七年，Transformer架构横空出世，以自注意力机制打破了RNN在序列建模领域的垄断，成为驱动ChatGPT、GPT 4、Claude等所有现代大语言模型的核心动力。它不仅重塑了自然语言处理领域，更掀起了一场席卷全球的AI革命，让人工智能从实验室走向了产业落地的快车道。
然而，就在Transformer生态日益繁荣、相关研究论文呈现爆炸式增长的今天，它的共同发明者之一、Sakana AI的创始人Llion Jones，却发出了振聋发聩的警告。他说，当前的AI已经陷入了死胡同，无数微调的研究纯属浪费时间，Transformer绝不是AGI的终点。作为在Transformer架构上深耕最久的研究者之一，Llion Jones的发声背后，是对AI行业发展现状的深刻洞察，以及对技术演进规律的清醒认知。
从RNN的兴衰到Transformer的统治，从硬件彩票到架构彩票，从锯齿状智能到生物启发的全新探索，AI行业正站在一个关键的十字路口上。是继续在现有的架构上修修补补，还是勇敢跳出局部最优的陷阱，奔赴可能孕育着下一场革命的全新赛道呢？今天我们就来聊聊Llion Jones的观点。
Transformer的诞生，可以堪称是AI发展史上的一个里程碑事件。
在它出现之前，RNN以及它的变体LSTM和GRU是序列数据处理的绝对主流。RNN通过迭代式的信息传递方式来处理时序数据，曾经被认为是解决语言建模、机器翻译等任务的最优路径。当时，整个AI学术界都围绕着RNN展开了密集的研究。研究者们致力于通过微调架构细节，比如调整门控单元的位置、优化激活函数、改进训练策略等等，来提升模型的性能。
然而，这些努力始终没能够突破RNN的固有局限。由于存在梯度消失或者梯度爆炸的问题，RNN难以处理长序列数据，而且并行计算的能力十分薄弱，训练效率低下。即便经过了多年的优化，RNN在语言建模任务上的性能，也仅仅能够达到每个字符一点二五到一点二六比特的水平。
而Transformer架构的出现，彻底改变了这个局面。它以自注意力机制为核心，实现了对序列数据的并行化处理，不仅解决了长序列的依赖问题，更是在性能上实现了跨越式的提升。将仅解码器结构的Transformer，应用在相同的语言建模任务的时候，瞬间可以达到每个字符一点一比特的优异成绩。这个差距是决定性的。
Transformer凭借着它强大的特征捕捉能力、高效的训练方式和卓越的泛化性能，迅速取代了RNN，成为AI领域的新宠。从自然语言处理到计算机视觉，从语音识别到多模态交互，Transformer架构可以说是无处不在，构建起了现代AI技术的核心骨架。
各大科技公司也纷纷基于Transformer推出大模型，通过不断扩大参数数量、增加训练的数据规模，来推动模型性能的持续突破。OpenAI的GPT系列、谷歌的Palm、Meta的Llama等等，无一不是Transformer架构的延伸与扩展。
随着Transformer的巨大成功，一个危险的趋势正在AI行业蔓延。研究者们逐渐陷入了路径依赖，将所有的精力集中在对现有架构的微小调整上，而不是探索全新的技术方向。如今的AI学术圈，充斥着大量类似于“调整归一化层的位置”、“改良注意力机制的变体”、“优化训练调度策略”的研究论文。这些研究本质上都是对Transformer架构的局部优化，而不是颠覆性创新。
在Llion Jones看来，Transformer架构已经被研究得水泄不通了。即使继续在这个框架内深耕，也很难再诞生出真正有价值的突破。Jones在采访中强调：“某个突破终将发生，到那时我们会再次清楚的意识到，我们现在其实浪费了大量的时间。”
这种担忧并不是空穴来风。回顾AI的发展史，类似的局部优化陷阱曾经多次出现过。在深度学习兴起之前，符号主义是人工智能的主流范式。研究者们致力于通过手动设计规则来模拟人类智能，但是这种方法始终难以应对复杂的现实场景，直到神经网络在图像识别等任务中展现出了压倒性的优势，符号主义才逐渐被边缘化。
而RNN的兴衰，更是和当前Transformer的处境惊人的相似。在Transformer出现之前，RNN的微调研究也曾经如火如荼。看似每一篇论文都在推动着技术的进步，但是最终都随着新架构的诞生而变得毫无意义。
更值得警惕的是，当前的研究生态，正在被Scaling至上的理念所绑架。由于扩大模型的规模和训练数据量能够稳定提升模型的性能，各大公司和研究机构纷纷投入巨额资源来进行参数竞赛，却忽视了对模型架构本身的反思和创新。OpenAI的前首席科学家Ilya Sutskever曾经直言：“Scaling时代的一个后果是，Scaling吸走了房间里所有的氧气，正因为如此，所有人都开始做同样的事。”于是，我们走到了今天这个“公司数量远远多于创新点子”的局面。
二零二零年，当时在谷歌DeepMind任职研究员的Sarah Hooker提出了“硬件彩票”的理论，为AI行业的技术选择提供了一种全新的视角。这个理论指出，通往AGI的道路不止有一条。深度神经网络之所以能够成为当前的主流，并不是因为它在所有技术路径中具有普遍的优越性，而是因为它恰好契合了GPU等硬件的计算特性，从而在和其他技术路径的竞争中脱颖而出。
在硬件彩票的基础上，Llion Jones进一步提出了“架构彩票”的观点。他认为，Transformer架构的成功，在很大程度上也是一种偶然的胜利，因为它恰好适配了当前的软件生态、数据形态和硬件架构，而不是一条必然的、通往AGI的最优路径。正如真正的突破，其实很少来自于反复打磨的同一块石头，而当前AI行业的现状，正是在Transformer这块石头上反复的打磨，却忽视了其他可能更有潜力的技术方向。
事实上，已经有部分的研究论文证明，有一些新架构在特定任务上的性能是优于Transformer的。但是这些新架构始终无法取代Transformer的主流地位，核心的原因在于，行业对Transformer的依赖已经形成了强大的生态壁垒。经过多年的发展，研究者们对Transformer的理解已经非常成熟，围绕它构建的训练框架、微调工具、部署方案等配套生态也日趋完善。所以，要让整个行业放弃成熟的技术体系，转向一个还没有经过充分验证、配套设施不完善的新架构，除非能够实现碾压式的胜出，否则几乎是不可能的。
这种生态依赖，本质上是技术演进中的一种路径锁定现象。就像键盘的布局一样，尽管存在着更高效的替代方案，但是由于早期形成的用户习惯和产业生态，至今QWERTY仍然占据着主导地位。Transformer的处境和它有些类似，它的成功带来了完善的生态，而完善的生态又进一步巩固了它的主导地位，从而形成了一个难以打破的闭环。
Llion Jones用“重力井”来形容Transformer对AI行业的强大的吸引力。这就像有一个巨大的重力井，所有尝试离开的新方法都会被拉回来。哪怕你真的做出了一个效果更好的新架构，只要OpenAI再把Transformer模型的规模扩大十倍，那你的成果就被比下去了。
这种重力井效应的根源，在于Scaling路径的有效性和便利性。扩大模型的规模和训练的数据量，能够以相对较低的创新成本实现模型性能的稳定提升。这种简单直接的进步方式，自然也会成为各大公司的优先选择。相比之下，探索全新的架构需要承担极高的风险，可能投入了大量资源后毫无收获，甚至面临着被现有技术路径降维打击的风险。在商业利益的驱动下，大多数的机构自然会选择稳妥的Scaling之路，而不是冒险探索未知的新方向。
重力井效应的另一个表现，是创新资源的过度集中。由于Transformer生态已经形成，顶尖的人才、巨额的资金、优质的数据资源，都在向这个领域聚集，导致其他潜在的创新方向因为缺乏资源的支持而难以发展。AI行业的研究资源，被严重内卷在了Transformer的微调与Scaling上，而那些真正具有探索性的、颠覆性的研究，反而被边缘化了。这种资源分配的失衡，进一步加剧了行业的路径依赖，让AI行业陷入到“越成功越保守，越保守越难以突破”的恶性循环中。
Llion Jones指出，当前的大语言模型并不是通用智能，而是呈现出了“锯齿状智能”的特性。所谓的锯齿状智能，是指大语言模型在不同任务上的能力表现极不均衡。它们可能在某些复杂任务上，展现出远超人类的水平，比如解出博士级别的数学难题、写出逻辑严谨的学术论文等等。但是，在另一些看似简单的任务上，却会犯连小学生都不会犯的低级错误，比如计算简单的加减法出错、混淆基本的常识概念等等。这种“天才与白痴”的巨大反差，正是当前大语言模型的核心缺陷。
比如，GPT 4能够在律师资格考试中取得优异的成绩，却可能在回答“一加一乘以二等于几”的时候给出错误的答案。虽然它能够生成流畅优美的诗歌，却也可能混淆太阳从东方升起这个基本常识。这种看似矛盾的表现，并不是因为模型的训练不足或者调参不当所导致的，而是源于Transformer架构的根本性局限。
Llion Jones认为，大语言模型的本质，还是一个统计语言模型。它们通过学习海量文本数据中的统计规律来生成内容，而不是真正理解语言的含义和世界的本质。尽管Scaling能够提升模型的统计拟合能力，让它在更多的任务上表现出看似智能的行为，但是这种智能是表面的、缺乏根基的。当遇到统计规律难以覆盖的场景时，模型就会暴露它无知的本质，从而做出荒谬的判断。
当前大语言模型的锯齿状智能，根源还在于Transformer架构的“万金油式”设计。Transformer是一种通用性极强的架构，能够处理文本、图像、语音等多种的数据类型，从而适配语言建模、分类、生成等多种任务。这种通用性让它能够快速适配不同的场景，成为产业落地的利器。但是，也导致它在核心能力上存在着先天的不足。
为了实现通用性，Transformer采用了一刀切的设计思路，通过自注意力机制对输入数据进行无差别的处理，依靠海量的参数和训练数据来覆盖不同任务的需求。这种设计的问题在于，它缺乏对知识表示和推理过程的专门设计。大语言模型无法像人类一样构建结构化的知识体系，也无法进行严谨的逻辑推理。它们的所有输出，本质上都是基于统计规律的猜测。
更严重的是，当前行业为了弥补Transformer的缺陷，采取了“外挂模块”的权宜之计。例如，为了解决不确定性建模的问题，研究者们在Transformer了中加入概率模型模块；为了提升自适应计算的能力，又增加了动态路由机制。这些外挂模块虽然在一定程度上提升了模型的性能，但是也让架构变得越来越复杂、臃肿，不仅增加了训练和部署的成本，更无法从根本上解决架构本身的缺陷。
Llion Jones对此批评道：“我们明明知道要有不确定性的建模、要有自适应计算的能力，但是我们却选择把这些特性外挂上去，而不是从架构本身去重新思考。”这种“头痛医头、脚痛医脚”的改进方式，注定只能带来局部的性能提升，而无法让AI真正的走向通用智能。
面对Transformer架构的局限性，Llion Jones选择了一条截然不同的道路：大幅减少Transformer相关研究的投入，转向生物启发的全新方向。他认为，人类大脑是迄今为止最强大的通用智能系统，从大脑的运作机制中汲取灵感，或许是突破当前AI困境的关键。
大脑和当前AI模型的核心差异在于，大脑的神经元并不是一个个静态的计算单元，而是通过同步振荡、动态连接等方式进行信息传递和处理的。大脑能够根据任务的需求，动态调整神经元之间的连接强度和信息的流动路径，实现高效的知识表示和推理。而Transformer的神经元（也就是模型参数）在训练完成后是固定的，只能通过静态的计算方式来处理输入数据，缺乏动态的适应能力。
基于这个洞察，Llion Jones和Sakana AI的同事Luke Darlow等人，设计了一个名为“连续思维机”（CTM）的全新架构。CTM并不是对大脑的完全模拟，而是对大脑核心运作机制的一种简化和抽象。它以“神经动态”为核心表示，让模型在内部思考维度上逐步展开计算，从而模拟大脑的动态信息处理过程。
和Transformer相比，CTM的核心创新就在于“动态性”和“连续性”。在Transformer中，信息处理是一次性的，模型通过自注意力机制对输入序列进行全局的计算和一次性输出的结果，整个过程缺乏中间的思考环节。而CTM则引入了内部思考维度，让模型能够像人类一样，对问题进行逐步分析、持续思考，最终得出结论。
具体来说，CTM的运作机制可分为三个核心步骤：
1. 模型将输入的信息转化为神经动态的表示，模拟大脑神经元的激活状态。
2. 通过动态耦合机制，让神经动态在内部的思考维度上持续的演化，模拟大脑的推理过程。
3. 根据演化后的神经动态，生成最终的输出结果。
这种设计让模型能够动态调整信息的处理路径，根据任务的复杂程度来自适应分配计算资源，从而避免了Transformer一刀切的处理方式。不过，这种方式并没有追求完全生物学的可行性，因为大脑并不是靠有线的方式让所有神经元同步的，“Jones解释道”。但是，这种思路带来了全新的研究可能。
CTM的优势在于，它能够自然融入不确定性的建模、自适应计算等关键特性，而不需要像Transformer那样依赖外挂模块。在初步实验中，CTM在部分需要持续推理的任务上，已经展现出了优于Transformer的性能，为AI的发展提供了全新的可能性。
除了架构本身的创新以外，CTM的研究过程，也为AI行业提供了重要的示范意义。在当前的学术评价体系下，抢发论文已经成为常态，研究者们为了抢占研究的热点，往往仓促的投稿，导致论文质量参差不齐，缺乏扎实的实验验证和深度分析。而CTM的研究团队则完全摆脱了这种压力。由于生物启发架构是当时的冷门方向，没有其他团队的竞争，所以他们有充分的时间来打磨论文、完善实验，以及做足对照研究。这种“慢下来”的研究方式，反而让CTM的研究更加扎实、更具说服力。
Jones希望CTM能够成为一个示范案例，鼓励更多的研究者们跳出热门的赛道，尝试那些看似风险高、但是更加可能通向下一个重大突破的研究方向。“真正的创新，往往来自于无人问津的领域，”他想强调的是，“如果所有人都挤在同一条路上，就永远无法发现新的大陆。”
Llion Jones的警告和CTM的探索，揭示了一个残酷但是重要的真相：AI行业的发展始终遵循着范式转移的规律。从符号主义到深度学习，从RNN到Transformer，每一次重大的突破，都意味着前一代技术的边缘化。当前的Transformer架构无论多么的成功，终将会被更先进的范式所取代。这是技术演进的必然结果。
然而，范式转移的过程往往是痛苦的。对于那些埋头于Transformer微调和Scaling的研究者和企业来说，Jones的言论无疑是一种冒犯。他们的工作可能会在未来，被证明是浪费时间的。但是历史已经多次证明，局部最优解是永远无法替代全局最优解的。即使是在现有架构上的修修补补，也终究无法实现AGI的终极目标。
要想推动AI行业走出局部最优的陷阱，关键还在于要重构研究的评价体系和资源的分配机制。当前的学术评价体系，过度关注论文的数量、引用率和短期性能提升，导致研究者们被迫涌向这些热门赛道，不敢涉足冷门但是有潜力的方向。而资源分配也严重的向Scaling倾斜，巨额资金和顶尖人才集中在少数几家大公司里，进一步挤压了创新的空间。
因此，Llion Jones建议，AI行业需要做出两方面的改变：
1. 建立更加多元化的学术评价标准，鼓励原创性、探索性的研究，而不是仅仅以论文的引用率和短期性能为导向。
2. 优化资源的分配机制，通过政府资助、公益基金等方式，为冷门的创新方向提供支持，降低研究者的探索风险。
只有让敢吃螃蟹的人得到认可和回报，才能激发整个行业的创新动力。
当然，我们也不能完全否定当前Transformer相关研究的价值。范式转移是一个渐进的过程，而不是一蹴而就的革命。在新范式出现之前，我们也可以对现有的架构进行优化和完善。这样不仅能够推动产业的落地，为社会创造价值，也能为未来的创新积累经验、数据和技术基础。
总的来说，AI行业的健康发展，需要在探索和沉淀之间寻找平衡。一方面，要鼓励像CTM这样的探索性研究，为行业寻找新的出路；另一方面，也要重视现有技术的产业落地和经验积累，为新范式的诞生奠定基础。这种平衡并不是静态的，而是一种动态调整的。随着现有架构潜力的逐渐耗尽，行业应该逐步将资源和注意力向新的方向倾斜，推动技术平稳的过渡到下一个范式。
Llion Jones的痛斥，其实是对AI行业注入的一次清醒剂。它提醒我们，在Transformer带来的繁荣背后，隐藏着创新停滞的危机。在Scaling带来的性能提升面前，也不能忽视架构本身的根本性缺陷。AI的终极目标是实现通用智能，而要达成这一目标，就必须跳出局部最优的陷阱，勇敢探索全新的技术路径。
感谢收看本期视频，我们下期再见。