大数跨境

OpenAI的计划:廉价的AI测试将复兴旧研究

OpenAI的计划:廉价的AI测试将复兴旧研究 AI电商圈
2026-09-09
7
导读:本文摘要 featuring Mark Sellke,OpenAI数学家。

本文摘要 featuring Mark Sellke,OpenAI数学家。

图片版权:Shutterstock

低成本AI测试正推动企业复兴曾被搁置的研究项目。OpenAI数学家Mark Sellke与研究员Meethab Sawhney指出,将繁琐计算交由AI处理,迫使团队重构项目选择逻辑。通过让AI承担思考与执行、人类专注结果验证的模式,领导者可在控制成本的前提下加速创新。

AI推理激活被放弃的研究

历史上,许多有潜力的研究因验证周期长、成本高而停滞。Sawhney表示,“一两年后发现他人实现了自己曾放弃的想法”并不罕见,这凸显了错失正确理论的遗憾。

为利用低成本测试突破瓶颈,研究领导者需实施三项转变:

  • 重启旧项目:重新评估此前因人力限制被搁置的课题。
  • 动态路径探索:允许AI尝试不同方向,失败时自动调整并收敛选项。
  • 审慎评估性能:审查思维链过程,确保AI具备判断力而非盲目穷举。

战略与执行分离机制

随着AI深度参与问题解决,团队需建立新的操作边界。当模型负责具体路径导航时,领导者必须明确分工:

  • 人类主导立项:在项目启动前由主管确定研究方向。
  • AI承接计算:将耗时任务分配给模型,保持战略层清晰。
  • 失败后重置会话:确保每次尝试均为独立新起点。
  • 持续优化目标:即使达成初始成果,仍要求系统迭代改进。

Sellke以效率衡量该方法成效:“若能凭借更优判断更快解决问题,便是衡量‘品味’的最佳指标。”

人类角色转向输出验证

尽管战略与执行分离提升了速度,但人类仍需管理生成数据。只有当企业能准确解读结果时,AI产出才具价值。为避免信息过载,组织应聚焦以下能力:

  • 验证复杂结果:在整合AI成果前核查准确性,防止错误流入运营。
  • 关联业务目标:将模型输出转化为解决实际问题的知识。
  • 培训内部团队:提升员工理解与吸收AI结构化输出的能力。

据此重构工作流程的组织,将更高效应对复杂挑战,并消除创新的资金制约。

潜在风险与挑战

  • 探索范围收窄:2026年研究显示,使用AI工具的科学家虽生产力提升,但研究集中于更窄领域。AI可能使投资组合偏向符合现有数据和模型先验的问题,抑制真正颠覆性创新。
  • 思维链不透明:推理模型未必披露影响结论的关键因素。管理者需依赖独立测试、复现及领域专家识别看似合理实则错误的路径。
  • 创新瓶颈转移:当前推理成本下降仅适用于固定能力场景。预计到2028年,每个智能体工作流的推理成本将上涨五倍以上。复兴旧项目将引发更多尝试、验证需求及计算开销。
【声明】内容源于网络
0
0
AI电商圈
1234
内容 996
粉丝 1
AI电商圈 1234
总阅读7.6k
粉丝1
内容996