編輯：蛋醬
自從 ChatGPT 發布以來，AI target=_blank class=infotextkey>OpenAI 幾乎成為了全球媒體頭條新聞的常客。目前，這家公司的估值接近 300 億美元，融資總規模達到 113 億美元，即使在眾多明星 AI 初創公司里也屬于頂流。
7 月 7 日，三條與 OpenAI 有關的重磅消息吸引了眾人關注。
一、德撲 AI 作者 Noam Brown 加入 OpenAI
伴隨大語言模型的持續火爆，利用其構建 AI 智能體的研究陸續進入人們的視線。
游戲 AI 和大語言模型的強強聯合，會帶來新的突破嗎？不久前，Andrej Karpathy 在一次開發者活動上透露，每當有新的 AI 智能體論文出現時，OpenAI 內部會非常感興趣并認真討論。前兩天，一位 OpenAI 內部員工撰寫了一篇關于 AI 智能體的博客，也讓人們對「大模型智能體」有了更加深刻的理解。
同時也看得出來，為了盡快推動這方面的研究進展，OpenAI 也在努力招攬人才，組建更強大的研究團隊。
今天，德撲 AI 作者 Noam Brown 在推特上宣布，自己已經加入 OpenAI，將專注于通用的強化學習研究，目標是打造比 GPT-4 好 1000 倍的大語言模型。
「我很高興地告訴大家，我已經加入了 OpenAI！多年來，我一直研究 AI 在撲克和 Diplomacy 等游戲中的自博弈和推理。現在我將研究如何使這些方法真正通用。如果成功的話，我們有一天可能會看到比 GPT-4 好 1000 倍的 LLM。」
此前，Noam Brown 致力于結合計算博弈論和機器學習來開發能夠在不完美信息多智能體環境中進行策略推理的 AI 系統，其研究成果應用到了首個分別在在雙人無限撲克和多人無限撲克中戰勝人類頂級玩家的 Libratus 和 Pluribus。這兩個游戲 AI 系統為 Noam Brown 帶來了巨大的關注度。
2017 年，Noam Brown 與其導師 Tuomas Sandholm 開發的 AI 系統 Libratus 在賓夕法尼亞州匹茲堡 Rivers 賭場持續 20 天 1 對 1 無限制德撲比賽中成功戰勝了 4 名全球頂級職業玩家。該研究登上了《Science》雜志，與研究相關的另一篇論文《Safe and Nested Subgame Solving for Imperfect-Information Games》也獲得了 NIPS 2017 最佳論文獎。Noam 團隊還因此獲得了 IJCAI 頒發的第二枚馬文?明斯基獎章 （Marvin Minsky Medal）。
2019 年 7 月，在無限制德州撲克六人對決的比賽中，Noam Brown 和團隊開發的德撲 AI Pluribus 成功戰勝了五名專家級人類玩家。Pluribus 實現了前輩 Libratus（冷撲大師）未能完成的任務，再次等登上了《Science》雜志。
2020 年 9 月，Noam Brown 完成 CMU 博士論文答辯 ，并公開了長達 230 頁的超硬核博士論文《大型對抗性不完美信息博弈的均衡發現》。在該論文中，Noam Brown 詳述了大型對抗性不完美信息博弈中均衡計算的一系列進展。這些新技術使得 AI 智能體首次有可能在無限注撲克游戲中擊敗頂級職業玩家，而這正是幾十年來 AI 和博弈論領域一直存在的重大挑戰性難題。
獲得博士學位之后，Noam Brown 加入當時的 Facebook 人工智能研究中心任研究科學家，致力于多智能體人工智能的研究。
關于加入 OpenAI 后的未來，Noam 有很多的設想：
2016 年，AlphaGo 擊敗了李世石，是人工智能的一個里程碑，其中的關鍵是 AI 在每一步棋之前都要「思考」1 分鐘的能力。這對它的提升有多大影響呢？對于 AlphaGoZero 來說，這相當于將預訓練擴大了約 100,000 倍。
同樣在 2016 年，我在撲克中觀察到了類似的現象。這一洞察最終使得 Libratus 撲克 AI 首次擊敗了頂級人類玩家。后來，Andy L. Jones 在 Hex 中詳細調查了訓練時間 / 測試時間的計算 tradeoff，也發現了類似的模式。
此前所有這些的方法都是針對游戲的，而如果我們能發現一個通用的版本，意義可能是巨大的。是的，可能推理會慢 1000 倍，可能成本更高。但如果是發現一種新的癌癥藥物，或者證明黎曼假設，我們會在意支付多少推理成本嗎？
改進能力總是有風險的，如果這項研究成功了，它對安全研究也是有價值的。想象一下，能夠在推理上花費 100 萬美元，看看能力更強的未來模型可能是什么樣子。
如果你對這個或類似的問題感興趣，加入我們吧。早在 2012 年，我就從金融業過渡到了人工智能，這是我做出過的最好的決定。伴隨整個 AI 領域的顛覆，現在是一個特別好的開始時間。
Noam 的設想獲得了很多 AI 領域專家的贊同，英偉達高級 AI 科學家 Jim Fan 也在推特表達了自己對于游戲 AI 與 LLM 相結合的期許：
我相信下一代的 LLM 將大量借鑒十年以來游戲 AI 研究的成果。
一、Libratus 撲克 AI 的創造者 Noam Brown 加入 OpenAI ；
二、Demis Hassabis 表示，DeepMind Gemini 將從 AlphaGo 中汲取技術。
這些舉動是很有意義的。像自博弈（訓練）和樹形搜索（推理）這樣的方法已經幫助機器在圍棋、撲克、Dota 和星際爭霸等游戲中擊敗人類冠軍，它們以一種高度可擴展的方式提高了模型的推理能力。
我們已經看到這種想法被添加到 LLM 的武器庫中 ——Voyager 是一種推理時間算法，它使智能體能夠不斷地編寫代碼，并在 Minecraft 中引導其技能。思維樹（Tree of Thought）將搜索與 LLM 的上下文能力相結合，以提高推理能力。相信之后還有更多的研究出現。
這條推文中提到的「Demis Hassabis 觀點」源自 6 月底的一篇《連線》采訪。當時，google DeepMind 的聯合創始人兼首席執行官 Demis Hassabis 表示，Gemini 將結合 AlphaGo 的技術與大語言模型的能力，賦予系統更強的規劃或解決問題的能力，將比 OpenAI 的 GPT-4 更加強大。Gemini 的開發目前還在進行中，預計需要數月的時間，并可能耗資數千萬甚至數億美元。
期待 Noam Brown 加入 OpenAI 后，能在做出更加經驗的成果。
二、GPT-4 API 全面開放
從今天開始，所有「具有成功支付歷史」的現有 OpenAI API 開發人員都可以訪問 8K 上下文的 GPT-4 API。此外，OpenAI 計劃在本月底之前向新開發人員開放訪問權限，然后「根據計算可用性」開始提高可用性限制。
「自 3 月份以來，數百萬開發者請求訪問 GPT-4 API，并且利用 GPT-4 的創新產品范圍每天都在增長。」OpenAI 在博客文章中寫道，「我們設想未來基于聊天的模型可以支持任何用例。」
GPT-4 可以生成文本（包括代碼）并接受圖像和文本輸入，這是對其前身 GPT-3.5（只接受文本）的改進，且 GPT-4 已經在各種專業和學術基準上表現出了「人類水準」。但目前，圖像理解功能尚未提供給所有 OpenAI 客戶。
OpenAI 表示，未來將允許開發人員用自己的數據微調 GPT-4 和 GPT-3.5 Turbo（為 ChatGPT 提供支持的原始模型之一），該功能將于今年晚些時候推出。
在今天的相關公告中，OpenAI 還表示，它將全面提供 DALL-E 2 和 Whisper 的 API，DALL-E 2 是 OpenAI 的圖像生成模型， Whisper 是 OpenAI 推出的語音到文本模型。
三、開放 Code Interpreter，ChatGPT 實現自然語言編程
最后一個消息同樣重磅：不久之后，所有 ChatGPT Plus 用戶都將可以使用 Code Interpreter。
ChatGPT 出現后，人們預測「所有行業都要通過 AI 進行重塑」，編程也不例外。低代碼 / 無代碼算是近年來的熱門趨勢，再加上生成式 AI 技術，使用自然語言編程想必不會太遠了。
就連馬斯克也說了，當前火熱的「提示工程」，本質上就是自然語言編程。
今天，OpenAI 宣布，下周 Code Interpreter 將通過設置中的 beta 面板向所有 Web ChatGPT Plus 用戶提供。Code Interpreter 是 OpenAI 推出的首批官方插件之一，可以用于數據分析、創建圖表、編輯文件、執行數學運算等。
此前 Code Interpreter 一直處于封閉測試階段，很多受邀用戶也分享過自己的試用體驗，具體可參考機器之心的報道《GIF 動畫渲染、讓燈塔閃爍、創建航空動態圖……ChatGPT 代碼解釋器插件「不止于代碼」》。
現在 OpenAI 宣布將其作為 ChatGPT Plus 用戶的官方插件，標志著增強 AI 語言模型功能的重要一步。
如果想使用 Code Interpreter，ChatGPT Plus 用戶可以訪問設置，單擊姓名，選擇測試版功能，然后切換想要嘗試的功能。
參考鏈接：
https://Twitter.com/DrJimFan/status/1677000660791992320?s=20
https://techcrunch.com/2023/07/06/openai-makes-gpt-4-generally-available/
https://the-decoder.com/openai-launches-chatgtp-code-interpreter-for-better-coding-using-only-natural-language
