马斯克xAI研究成果发布 ！创始成员杨格&姚班校友共同一作 Q:对于我们许多人来说

Q:对于我们许多人来说，研究杨格姚班（论文内容）可能超出了我们的成果创始成理解范围 。但我想知道 ，发布你提到的校友模型与我们能够体验到的ChatGPT以及OpenAI的技术有何不同?这篇论文与OpenAI的成果相比有什么显著的差异或是创新点?

杨格:我简单评论一下，我想说这些特性目前与实际应用并没有直接关系
，共同更像是研究杨格姚班澳大利亚出国劳务费用中介费研究性质的。

当然
，成果创始成做这一切的发布最终目标是为了让模型更好、更安全，校友然后造福人类
。共同我们现在所进行的研究杨格姚班是描述预期的效果，它不一定会有直接的成果创始成出国劳务澳大利亚工资影响 。

现在我们同处一条船上，发布我们正在做我们所能做的校友事，无论是共同短期工作还是长期应用研究，都是为了让它造福每个人 。

Q:听起来像是你们正在建造一个能够进行推理的人工计算机大脑
，所以这是你们正在研究的吗?此外 
，我还是一位母亲，我7岁的儿子对数学非常感兴趣 ，你有什么可以让他继续对AI领域保持兴趣和热情的建议吗?

杨格:“新型网络”指的是人工神经网络，我认为它是现代众多技术的日本找活支柱，包括您每天使用的出国劳务澳大利亚和新西兰哪个国家好Google 、Facebook、Instagram等，这些服务的底层都使用了这些人工神经网络。这些网络大约在六七十年前受到动物、人类的真实神经网络启发而诞生
，但已与真实的神经科学有所偏离 。

这些网络本质上是数学问题  ，因此我们掌握这些新的数学问题后进行大量分析 ，可以深入地理解这些神经网络
。

虽然我们尚不明确真正的神经元的连接方式，但通过数学研究
，我们能优化这些人工神经网络，助力科技公司改善人们的生活。

关于您的第二个问题，听说您的儿子对数学非常感兴趣 ，这太棒了。这是在技术领域创造伟大成就和改善每个人生活的基础。

我想给的建议是，首先您要保持您儿子对数学的热情 ，这非常重要。一旦失去了这份热爱，想再继续学习就会变得很困难。

还要注意观察他喜欢的东西，让学习过程变得有趣，进一步激发他的兴趣。同时
，也要培养他对事物运作原理的好奇心
，并尝试培养一种科学思维
 ，要在好奇心的日本房产驱使下研究 。就像拆解事物，尝试理解它们的工作原理
。

如果一个人失去了对宇宙数学真理的探索热情 ，可能很难再有前进的动力
。总的来说
，我建议您培养您儿子对这个世界，特别是对数学和科学本质的浓厚兴趣和好奇心。

Q:我有一个更为抽象的问题。你有了深度趋近于无穷的想法，然后根据这种想法写了这篇论文。那你是否考虑过采用不同架构的神经网络?不是带有神经元和无数层的标准架构 ，而是完全不同的东西。比如这些神经元的连接方式完全不同，也许是某种正方形?

杨格:其实关于非线性以及我们这项工作中对层数的洞察，都只是非常初级的研究 
。关于什么是合适的结构，或者应该是怎样的结构
，当然还有很多可以探讨的问题。

像Meta团队之前就研究了随机连接神经元会发生什么，得到了一些有趣的结果 。所以，这里绝对还有很多可以做的事情。现在我确实没有具体的答案来说什么将是正确的或者更好的结构。

关于杨格

杨格出生于湖南省 ，小学毕业后去了美国，本科就读于哈佛师从丘成桐教授 。

2017年，杨格哈佛毕业，之后在沈向洋引荐下进入微软。

在微软 ，杨格获得了沈向洋的高度评价。几个月前
，在一场名为“基础科学与人工智能”的论坛上，沈向洋公开表示:

微软研究院平时只招博士生的，杨格作为一个本科毕业生进了微软研究院。不仅进了微软研究院 ，过去这五年还做得无比优秀 ，特别是在GPT发展过程中做了举足轻重的贡献 。

值得一提的是，他本人也曾承认GPT-4就用到了他的μTransfer（Tensor Programs系列）方法。

而杨格对Tensor Programs的研究
，从很早就开始了 ，2019年就发表了“Tensor Programs I”，在微软工作时也是持续深入探索。他认为深度学习中几乎任何计算都可以表示为Tensor Programs
。

今年7月 ，马斯克宣布成立新公司xAI ，杨格离开微软，加入xAI创始团队
，成为xAI的数学家 。

加入xAI后，杨格不止一次透露Tensor Programs项目长期目标是开发大规模深度学习的“万物理论”，也就是找到一种理论上的规则，可以真正理解AI大模型的行为 。

他还表示:

AI将使每个人都能以此前难以想象的方式理解我们的数学宇宙。

论文链接:https://arxiv.org/abs/2310.02244