Kimi创始人杨植麟针对OpenAI的o1进行了分享：AI为什么会思考

“大模型不再只是接龙，它开始学会思考了。”

Kimi创始人杨植麟，近期针对openAI的o1进行了干货分享，内容如下。

1. AI的进化之路

在过去20年，AI技术主要应用于垂直领域，如人脸识别、语音识别等，每个行业都需要专门的模型。人工智能在这些单一领域的突破，虽然令人振奋，但也带来了限制。每一个领域都需要独立的模型，工程师要为每一个新问题重新设计和训练，耗费大量的时间和资源。

但是，这种定制化的时代已经过去。如今，通用模型的出现打破了这一局限。 一个模型可以同时应用于多个领域，不再局限于单一任务。这意味着无论是医疗、金融还是教育，通用模型都能轻松应对，极大提升了生产力和效率。

2. Transformer架构的突破

2018年，《Attention is All You Need》这篇论文引爆了整个AI界，提出了Transformer架构。最初，它只是为了解决机器翻译中的瓶颈问题，但事实证明，它的价值远不止于此。Transformer的并行处理能力，使得它能够轻松处理庞大的数据集，效率远超之前的循环神经网络。

更重要的是，它并没有性能的上限。随着数据量的增加，Transformer的效果会不断提升，不会像其他模型那样达到瓶颈。这让它成为了未来大模型发展的核心技术之一。无论是语言、图像还是其他形式的数字化信息，Transformer都能高效地进行学习和推理。

3. AI所需的海量数据

虽然互联网积累了海量的数据，似乎为AI提供了源源不断的“养料”，但对于大模型来说，这些数据还远远不够。特别是在像数学、工程学这样的领域，数据的匮乏已经成为限制AI发展的瓶颈。很多领域的知识没有被很好地数字化，这让AI的学习进程变得艰难。

杨植麟指出，OpenAI的o1项目就是为了解决这个问题而诞生的。它不再依赖于仅从现有的数据中学习，而是开始自己生成数据，通过强化学习来提高模型的能力。这个过程类似于人类的自我反思和推理，通过不断生成新的思考和数据，AI能够从中学习如何解决那些没有标准答案的问题。

4. AI为什么会“思考”

o1的最大特点就是它的自我学习能力。传统的大模型只能通过接收外界提供的数据进行训练，但o1不仅能学习现有数据，还能通过生成新的数据来继续训练自己。 这个过程类似于人类在解题时的思考方式。

例如，一个数学家在解一道复杂的题目时，通常不仅仅会写出最后的答案，还会记录下解题过程中的思考。这个过程中的思考，往往比最后的答案更加重要，因为它可以帮助数学家在面对不同问题时，灵活运用所学到的知识。而o1则通过模拟这种思考过程，来提高自身的泛化能力。

5. AI的多模态

展望未来，杨植麟对大模型的发展充满信心。他认为，未来5到10年，大模型将在多个场景中得到应用，特别是在视觉、音频等多模态的领域。这些领域的结合，将让AI具备前所未有的能力，不仅能通过语言与人类交流，还能通过视觉、音频等方式更全面地理解世界。

随着这些技术的发展，AI将成为全能助手，帮助人类解决从简单任务到复杂问题的各类挑战。从医疗诊断到科学研究，AI的存在将让更多人获得专家级别的支持，真正实现知识的普惠。

未来已经到来，AI正逐步进入我们的日常生活，改变着我们理解和操作世界的方式。