OpenAI o1打破数据瓶颈，AI也能像人一样思考

与之前发布的模型相比，o1最大的特点就是推理能力很强。

打个比方，之前大模型更像是文科生，擅长文本类工作，但逻辑推理和复杂计算方面差点意思，遇到奥数题目就歇菜。而o1则更像一个理科生，不仅能推理复杂任务，还能解决科学、编码和数学领域中比以往更为困难的问题。

o1的逻辑能力有多强？用OpenAI发布的一组图，你就明白了。

第一个图是o1参加AIME 2024的成绩。AIME 2024是国际数学奥林匹克竞赛（IMO）的资格考试，难度不言而喻。在这个比赛里，o1的准确率是83.3%，而GPT4o的准确率只有13.4%。

第二项是编程竞赛，o1的准确率高达89%，而GPT4o准确率只有11.0%。最后一项测试是GPQA Diamond，主要测试的是化学、物理和生物学方面的专业知识。在这个测试里，o1超越了人类专家的表现，成为第一个在这个测试中表现优于博士级别专家的模型。

这些测试结果表明，o1在数学、编程、科学等推理类任务上达到了新高度，甚至在某些任务上已经超过了人类专家的水平。

为什么o1的推理能力这么强？这得益于思维链的构建。

思维链，最早出现在2022年谷歌发布论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》中，是大模型提示词（Prompting）工作的一种。

在o1回答问题前，会产生一个内部的思维链，思维链会把大模型没办法直接回答的复杂问题，分解为一个个简单的任务各自计算，然后把这些答案拼接在一起进行求解，而不是直接给出计算结果。

对于思维链的价值，知乎答主绝密伏击打过一个很形象的比喻：

标准 Prompting

给大模型一道数学题，在标准Prompting下，模型无法做出正确的回答。但如果我们给模型一些关于解题的思路，在CoT提示下，它就会像我们数学考试，都会把解题过程写出来再最终得出答案，比如下图：

CoT提示

在这个过程中，大模型能够识别和修正自己的错误，不断改进推理策略。这种思维过程不仅让它的推理能力得到显著提升，还让模型在回答问题时更加可靠。

不过这种思维方式，需要更长的响应时间。理论上，大模型思考的时间越长，推理任务上的表现就越好，可以理解为用时间换取推理深度。

o1的发布补足了GPT模型在推理方面的缺陷，让AI更接近人类双系统的思考方式。

人类大脑在处理信息和做出决策通常有两种方式：快思考（系统1）和慢思考（系统2）。前者无意识且快速的，它依赖直觉、记忆和经验迅速作出判断。后者则有意识的、需要调动注意力的思考方式，它通过分析和解决问题，并作出决定，虽然较慢，但不容易出错。

这种互补性，也极有可能会出现在GPT和o1上。

GPT系列对应系统1，负责快速、直接决策，依赖于经验和情感，而o1则对应系统2，复杂较慢的思考和推理，依赖于逻辑和理性分析。

两种系统协同运作，当系统1快速反应不足以面对复杂情况时，系统2会介入进行更深入的分析，进而让AI最终能够让人一样思考。

当然，让AI像人一样思考，还不是o1唯一的意义。

/ 02 /

智能提升的另一种路径

在o1发布后，OpenAI研究员诺姆·布朗（Noam Brown）在X上写下：

o1模型，意味着一种新的扩展范式。

这是o1发布的另一个重要意义。大模型将进入了一个新的扩张范式：从模型参数增大，转向强化学习的探索。

众所周知，过去一年里，大模型的升级全靠“大力出奇迹”的方式，也就是说，随着计算量、模型参数和数据集大小的增加，模型的性能通常会显著提高。

但现在这条路越来越不好走了。因为在这种训练模式下，大模型需要大量且优质的训练数据，但这带来了两个问题：

一是随着训练需要的数据量越来越大，去哪找这么多高质量数据是个问题。二是喂了这么多数据，大模型学习方式本质还是归纳总结，但并没有真正搞懂事物的逻辑。

举个例子，大模型发现人渴了，就需要喝水。大模型理解了口渴和喝水之间的关联性，但它可能没办法理解，为什么人渴了，要喝水。这也是为什么大模型面对复杂问题时，经常出现逻辑错误的原因。

在这种情况下，就需要新的扩张范式来提升大模型的智能能力。于是，强化学习进入了AI大厂的视野。

所谓的强化学习，是让AI在一个环境里自己探索。在探索过程中会得到很多反馈，这些反馈有好的，也有不好的，AI再根据反馈不断调整自己的策略和对环境的认知。

这样的策略以前在AlphaGo身上也用过。为了提高AlphaGo的围棋水平，研究员让AlphaGo自己和自己下棋，从而产生大量高水平的棋谱，这有点像金庸武侠小说里老顽童周伯通的左右互搏武功。再通过下棋输赢（或者平棋）的结果对走棋路径进行评估。

在后来的AlphaZero训练里，模型进行了大约500万局自我对弈，每局大约200步，做好每一步平均需要1600次模拟。这使得总的模拟次数达到了1.6万亿次。大量的高质量合成数据，最终让AI探索出和人类不一样的游戏套路，并战胜了大部分职业选手。

从本质上说，这个方法是用AI无限的计算能力，来补足它数据利用效率不够的短板。也就是说，只要扩张推理计算能力，就能实现大模型智能水平的提升。

这更符合当下AI发展的现状。相比寻找更大规模的优质数据，通过基建实现推理算力的增长是一条更可行的路径。

如今，有了思维链，大模型可以把推理过程中的每一步思考都记录下来，并进行打分，再根据评分高低反馈给模型进行调整。在这个过程中，大模型不仅能学到如何给出正确答案，还能举一反三获得更多的数据反馈，进而提升其智能水平。

当然，作为刚刚发布的新模型，o1仍然有很多的缺陷。但在GPT5遥遥无期的情况下，这至少给行业带来了新的思路。至于这条路线究竟是否会将我们带向AGI，我们可以拭目以待。

文／林白