第110章 openai最近有点儿跳，得限制一下！

郝成请了一顿饭，何钢吃了满肚子的心事。

饭局刚刚一结束，他就立刻回到酒店，联系上了于东。

“老何，我咋发现你每次一去临州，都会变得这么慌慌张张的呢？”于东甚至调侃上了。

“你先别忙，听我说。”

何钢仔细的将郝成在车上的话简单跟于东复述了一遍，而后总结道：“可不要看这东西是郝成在扯闲篇，是在泛泛而谈大路的概念，是没有透露任何ai训练方法的。

“但实际上，他这个泛泛而谈，跟我们一大群人去聊天，他不一样！”

“我知道，他已经训练出小沙了，他的大路概念那是正确的概念。”于东长长的呼了口气：“从这泛泛而谈中或许能找到方向。

“但光听这些也没有用啊！”思索了很久，于东也是无奈道：“你说的所有的东西，我只能总结出三个字‘类似人’，而这种方向，团队早就考虑过了。

“但现在的问题不是方向，是方法，我们没有找到任何的方法。唯一的好消息是，我们以传统方式训练ai的成本也大大的降低了，效率却大大的提高了。”

于东说的这个倒是实情，不仅仅是华为、抖音、腾讯甚至openai，训练ai的成本都降低了。

究其原因，也很简单，他们让小沙帮他们做数据清洗、标定和反馈。

数据清洗原本是一个非常复杂且繁琐的工作，也是训练ai非常关键的步骤，数据清洗的质量越高，ai训练的质量也就越高。

以往，这个工作都是由人工来实现的，也有用ai来做的，但是效果就会很差，往往会投喂一些垃圾数据，造成模型被污染，进而产生一些低级错误。

而现在有了小沙，这项工作可以更快速的进行，准确率甚至不比人工清洗差。

而更关键的一个问题，以往gpt类的模型，是rlhf，也就是基于人类反馈的强化学习。

怎么做的呢：就是先预训练一个语言模型，然后做微调。

微调怎么调呢：就是你问一个问题，语言模型给你回答，然后人工给这些回答进行排名，然后获得一个有质量排序的数据集，用这个数据集反过来再去微调相关的模型参数，一遍又一遍循环往复，然后答案就会越来越接近人想要的。

而现在，小沙代替了人工的这个步骤。

rlhf模型先前被认为不可能无限提高，其中最重要的一个原因就是，随着参数越来越多，数据量越来越大，人工去获取一个有质量排序的数据集也变得越来越不可能。

于是有人就认为，自我反馈模型，也就是让模型自我去评价去提升的模型才是未来，纵然它有时候显得很弱智。

但是现在，有了小沙，小沙替代【基于人类反馈的强化学习】里边的人类，变成了【基于小沙反馈的强化学习】，这一切就又变得可能了！

不仅解决了自我反馈容易弱智的问题，同时解决了人工反馈效率过低、成本过高的问题。

这就相当于将两个模型的优点直接结合了。

而且，超大规模超超大规模，也不用担心人工的问题了。

所以，各家的模型现在进步都非常大，原因就在于此。

想要变得跟小沙一样厉害，那当然不可能——基于小沙训练的ai想超过小沙那本身就是一个悖论。

但是，只要舍得堆积算力，无限的堆积算力，再加上用小沙代替人类进行反馈的强化学习，理论上最终能极限逼近小沙的水准。

当然，理论只是理论，现实中不存在无限算力，考虑实际情况，用这种方式结合超大算力训练一年，达到小沙的六七成水准应该是可能的。

华为这边默默的评估过，现在几乎所有的ai训练企业都在偷偷的这么干。