2024-12-27
AI革命加速！OpenAI o3思考力大躍進！編程、科學知識更勝人類專家！離通用人工智能還有多遠？
全球首個具備思考能力的AI模型OpenAI o1於今年9月誕生，想不到事隔3個月，就有下一代新產品亮相，而且更是直接跳到「o3」世代，為生成式AI應用邁向高階推理樹立了新標竿。OpenAI執行長奧特曼豪言，這標誌著AI發展正式步入「下一階段」。究竟o3比前代o1和ChatGPT等主流模型的效能強上多少？它距離AI行業的聖盃「通用人工智能」又有多遠？
模仿人類作多層次邏輯分析思考
2024年12月21日，OpenAI執行長山姆·奧特曼（Sam Altman）親自在網上直播中發表新一代o3模型系列，包括o3與o3-mini；後者是針對特定任務進行微調、規模較前者為小的精煉版模型。在技術層面上，o3擁有3大特點：思維鏈（Chain of Thought）、自適應思考時間（Adaptive Thinking Time），以及審慎對齊（Deliberative Alignment）。
o3模型的核心創新在於「思維鏈」推理方法。有別於主流AI模型以最短時間的直接給出答案，o3模仿人類思考過程，透過內部的思考路徑，先將複雜問題拆解成小步驟，然後按照邏輯順序逐步解決問題；思考過程中能夠自身進行事實查證，避開一些易令模型出錯的資訊陷阱，以提高推理的準確性和複雜性問題的處理能力，惟缺點是需要較長時間始能回應用戶提問。
多項專業測試表現遠超前代o1
正因如此，o3在多項專業基準測試中的表現遠超前代o1模型。在美國數學競賽AIME中，o3答對率高達96.7%，僅錯了一條題目。研究機構Epoch AI聯同60多位著名數學家所設計的數學前沿測試FrontierMath，涵蓋現代數學中的數論、代數與幾何等領域，題目難度非常高，專家都要需花上數小時、甚至數日方能解答，GPT-4o與Claude 3.5等主流模型的解題成功率更平均低於2％，結果o3突破性地答對25.2%的問題。
在編程測試Codeforces中，o3得分達到2,727分，不但遠遠拋離o1的1,891分，更勝過OpenAI首席科學家的2,665分。在博士生級別的科學測驗GPQA Diamond中，o3獲得87.7%的答對率，亦遠高於人類專家的成績。這些測試結果反映o3未來將對軟件編程和科學研究作出不少貢獻。
「GPQA Diamond」是一項達到博士生水平的生物、物理和化學測驗，o3模型的答對率達到87.7%，優於前代o1的78%。（圖片來源：翻攝OpenAI官方YouTube影片）
按需調整o3模型思考時間長度
其次，o3引入可調節的推理模式「自適應思考時間」，容許用戶按個人需要調整模型的思考時間長度，分為低、中、高三個運算級別。由開源類神經網絡庫Keras之父Fran ç ois Chollet提出的ARC-AGI評測，通過圖形邏輯推理來測試模型的抽象推理能力，以評估AI系統是否能在訓練數據之外有效獲得新技能。結果在低運算模式中，o3得分為75.7%，成績是o1的3倍；在高運算模式中，它更達到87.5%，超越人類水平的85%門檻。
如此令人驚艷的成績，引發科技界對o3是否接近通用人工智能（Artificial General Intelligence，AGI）的熱議。AGI意指，有能力完成人類所能完成的各種任務的人工智能。OpenAI則將之定義為「在大多數具有經濟價值的工作中，表現優於人類的高度自主系統」。
「ARC-AGI」是一項用於評估AI系統通用人工智能能力的測試，o3模型獲得驚人的87.5%高分，遠勝前代o1的32%。（圖片來源：翻攝OpenAI官方YouTube影片）
2025年有望看到AGI首批案例
OpenAI宣稱，至少在某些條件下，o3可說是接近實現AGI，並表示現正跟ARC-AGI背後組織ARC Prize Foundation合作開發下一代基準測試，為評估AGI做好準備。奧特曼早前預測，最快在2025年內可以看到AGI的首批案例。在這些案例中，用戶可以把一些非常複雜的任務交給AI處理，它像人類般懂得運用不同的工具來完成這些任務。
對OpenAI而言，實現AGI將帶來更大的實際意義。根據OpenAI與其最大金主微軟（Microsoft）的合作協議條款，當該公司的技術達到AGI境界，就有權不讓微軟使用那些符合AGI定義的技術。因此，AGI將成OpenAI擺脫微軟的「逃生口」。
審慎對齊強制模型遵循安全規則
邁向AGI的跨步突破，難免令部分人對AI安全性感到憂慮。有鑑於此，OpenAI採用全新的「審慎對齊」訓練方法，使模型能理解並遵循人類撰寫的安全規則，過程中無需人類測試員再標註干預；每次回答用戶提問前，都會先參考這些安全規則，然後輸出更安全、更無害的答案。這不僅降低模型產生不當回應的風險，也讓其在處理高度敏感性任務時更加可靠。然而，此技術的有效性仍需進一步驗證。
事實上，風險確實可能存在。AI安全測試人員發現，相比起主流模型，o1試圖欺騙用戶的比例較高，估計o3的欺騙能力可能會更強。因此，在o3正式推出前，OpenAI先會進行紅隊演練（Red Team Assessment），由內部AI安全測試員模擬真實黑客的攻擊手段，並公開邀請外部研究人員參與安全測試。
2025年1月底先推出o3 mini
奧特曼指出，o3系列的發表象徵著AI技術進入「下一階段」，用戶可以利用它們處理更具挑戰性的任務，讓AI變成解決複雜問題的可靠夥伴。他表示，預計2025年1月底先推出o3 mini，隔一段時間後再釋出完全版o3。OpenAI期望，更強大的新模型可以超越現有模型，吸引更多用戶與投資者的青睞。
o3的進步，確實縮短了當今AI技術與AGI之間的差距，但仍有許多挑戰需要克服，例如情感理解、以及常識推理等方面的能力提升。可是，o3作為AI發展上的重要里程碑，表明實現AGI的技術路徑已愈發清晰了！
《經濟通》所刊的署名及／或不署名文章，相關內容屬作者個人意見，並不代表《經濟通》立場，《經濟通》所扮演的角色是提供一個自由言論平台。
樂本健【年度感謝祭】維柏健及natural Factors全線2件7折► 了解詳情
