内部人担忧“威胁人类生存”！OpenAI的神秘重大突破“Q*算法”究竟是什么？ _Q*算法

　据报道，Q*可能具备GPT-4所不具备的基础数学能力，或意味着与人类智能相媲美的推理能力，网友推测，这可能代表AI target=_blank class=infotextkey>OpenAI朝着其设定的AGI目标迈出了一大步。

随着OpenAI CEO奥特曼回归，宫斗大戏告一段落，但仍留下了许多未接的谜题。其中最为关键的，就是当初奥特曼为何会被董事会解雇。
昨日，有媒体透露，就在奥特曼被开除四天前，几名研究人员向董事会发出了一封信，警告一项强大的AI发现（Q*）可能威胁全人类。此外，OpenAI CTO Mira Murati此前在致员工的内部信件中提到了一个代号为“Q*”的项目。据她称，该项目为“董事会对奥特曼的一系列不满中的因素之一” 。
据多家媒体猜测，Q*让OpenAI实现AGI的步伐大大提速，但奥特曼可能没有和董事会详细披露Q*的进展到底有多大，这也符合董事会在解雇奥特曼时所说的“在与董事会沟通时没有始终保持坦诚” 。
就在被解雇之前，奥特曼还在公开活动中表示：

“在OpenAI的历史上，我们已经取得了4次突破，最近一次是在过去的几周里。当我们把无知的面纱撕下，把发现的前沿向前推进时，我就在房间里。”

所谓的第四次突破，指的可能就是Q*项目。
什么是 Q*？
什么是Q*？
Q*读作Q star，目前OpenAI内部没有任何关于Q*的详细信息流出。
据一些业内人士猜测，它可能是是机器学习算法Q-Learning（Q学习）的同义词，也许是OpenAI借助Q学习算法打造的新模型的代号，也许是一个相关的项目名称。
科技博客PC Guide指出， OpenAI使用的Q*指的大概是贝尔曼方程中的最优值函数，Q*可能代表OpenAI找到或接近了效率优化算法的最优解。
根据天风证券分析师孔蓉的说法：

【内部人担忧“威胁人类生存”！OpenAI的神秘重大突破“Q*算法”究竟是什么？】Q学习是一种基于强化学习的算法，用来在马尔科夫决策过程中求解最优控制问题。它的目标是通过学习最优策略，使智能体在未知环境中做出最佳选择。
Q学习依据贝尔曼方程更新状态-动作对应的Q值，逼近最优值函数。智能体通过与环境交互，观察到新的状态和奖励，来更新执行各个动作的Q值。

所谓贝尔曼方程，也被称为动态规划方程，是指数学家理查德·贝尔曼提出的用于解决复杂多阶段问题的公式，通过求解该方程可以找到最优值函数和最优策略。

文章插图
运行算法的人（或计算机）可以输入一个目标函数，例如“旅行时间最短、成本最低、利润最大、效用最大”等。然后，算法将决定采取何种最佳行动来实现预期结果。
简单来说，Q学习可以通过探索所有可能的路径，学习到通往预期奖励的最短路径（最短路线），通过试错找到更优化的路径，并随着时间的推移达到优化状态，每次都做出更好的决策。
据媒体报道，在奥特曼被解雇之前， OpenAI在内部对Q*进行了演示，显示Q*能够解决小学程度的数学问题。
虽然完成小学数学题听起来没什么出色之处，但需要强调的是，包括GPT-4在内，世界上最先进的大语言模型通常都更擅长基于语言的任务，即使面对加减乘除这样的基础数学都会犯错误。
如果真如报道所说，Q*有能力处理数学问题并给出明确答案，即使只是小学数学，那也意味着巨大的飞跃。基础数学能力或意味着与人类智能相媲美的推理能力，也意味着OpenAI朝着其设定的AGI目标迈出了一大步。
另外据一些网友猜测，Q*背后的模型模型可能已经具备自主学习和自我改进的能力，或者能够通过评估其行为的长期后果，在广泛的场景中做出复杂的决策，可能已具备轻微自我意识。
最乐观、或者最可怕的假设就是，OpenAI已经完成了打造AGI的基础工作。

文章插图
听起来很离谱，但确实有可能是真的。
就在一个月前，华尔街见闻曾转载过MIT科技评论对OpenAI首席科学家Ilya Sutskever的专访，他当时称，ChatGPT可能已经有了意识。
Q*会产生哪些后续影响？毁灭人类？
目前，OpenAI所给出的官方回应是，奥特曼被解雇，与公司的研究进展无关。