特斯拉原负责人：AI 研究人员应抽离流程，让工作自动化

有没有历经好几个月的时间，细心且精心地调试一个模型，然而最终却被一个自主智能体，仅仅用一个晚上便轻轻松松地超越了呢？这听上去好似科幻情节，可这却是特斯拉人工智能从前的负责人安德里杰·卡尔帕西的真实发生过的经历呀。

手动调参的局限

卡尔帕西耗费了数月光阴，以手动方式调试GPT - 2的训练配置，他依靠自身多年积累的专业经验，审慎地去调整每一个参数，尝试着要让这个模型达成最优性能，这种手动调试的行为需要具备极大程度上的耐心以及细致入微的态度，因为每一个参数的细微调整都极有可能对最终结果产生影响。

然而，人类于处理复杂参数之际，存有天然的局限，很难同时去考量多个参数之间彼此的相互作用，常常会因直觉判断而将某些组合给忽略掉，卡尔帕西予以承认，在手动调参的进程当中，他的确遗漏了一些关键的精细调优参数。

AI一夜间的突破

当卡尔帕西把调参任务交由一个自主智能体接手后，奇迹出现了。仅用了一个夜晚，这个智能体便找出了那些遭受人类专家忽视的精细调优参数。更为关键的是，它察觉到了存在于这些参数之间的相互作用关系。

这种具备系统性的搜索方式乃是人类所拥有的突出强项，智能体不会受到直觉的干扰，能够对参数空间之内的所有可能组合予以全面探索。对于卡尔帕西而言，这样的结果不但令人着实震惊，而且还发人深刻地进行思考：机器在特定的领域当中的确是能够超出人类专家的判断的。

研究者应抽离流程

卡尔帕西得出的结论清晰可辨，那便是：在存在客观指标的范畴之中，做研究的人应当将自身从流程里抽离出来。他持有这样的观点，即：若想充分借助现有的工具，那就非得把自身这个阻碍去除掉。

这表明研究者没办法持续待在那个地方，接二连三地去提示接下来要做些什么。与之相反，在设计好系统之后，要让AI依靠自身去完成优化方面的工作。这样一种思维上的转变，对于众多AI实验室的研究者而言，是不太容易被接纳的。

过度信任直觉的风险

卡尔帕西表明，那些AI实验室里的研究者，给予了自身直觉过多毫无依据的信赖，他们习惯于凭借自身经验做判断，认定自己的调参办法是唯一正确的，可是此次实验证实，人类直觉常常存有盲区。

有研究者正将自身工作进行系统性自动化，这恰是他们公开表明的目标，然而当这天真正来临之际，不少人却反倒生出不安之感，卡尔帕西觉得，与其对这趋势加以抗拒，倒不如主动去拥抱它。

可量化与不可量化的鸿沟

纵使模型于编程以及其它易于核实的任务之中持续取得进步，然而卡尔帕西却觉得，这般进展是无法顺畅转移至更具难度去量化的领域的。在那些欠缺明确客观指标的领域里，人类研究者的直觉依旧是必不可少的。

这表明当下AI自动化还没办法在全部领域将人类工作完全替代。对于那存在明确评估标准的任务,我们能够安心交付给AI；然而对于那些需要主观判断的领域而言,人类的参与依旧是非常关键的。

未来研究者的新角色

随着AI自主能力开始提升，研究者的角色正发生着根本性的变化，以前的调参师或许得变成系统设计者以及监督者，他们不用再亲自去操作每一个细节，而是设计出那种能够自主优化的系统。

这场转变向研究者提了新要求，他们得明白AI的工作逻辑，学着和AI协作，而非单纯让AI把自己替换掉。卡尔帕西的经历告知我们，未来的AI研究者在设计出自主进化系统这方面，应给予更多关注。

留意至此，你是否已然着手反思自身于工作里对直觉过度的依赖？你会不会乐意将那些具备明确标准的工作交由AI自行完成？欢迎于评论区去分享你的想法，可别忘了点赞以及转发，从而让更多的同行能够看到这般趋势！