DeepDigest
雷峰网 (Leiphone) · · ~2 мин

Су Вэйцзе присоединился к OpenAI: математика в эпоху после масштабирования

Су Вэйцзе, известный статистик и лауреат премии COPSS, присоединился к OpenAI, чтобы решать актуальные проблемы индустрии ИИ. Он считает, что в будущем теоретические навыки будут играть ключевую роль в разработке моделей искусственного интеллекта. В интервью учёный обсудил проблемы закона масштабирования, использования синтетических данных и другие вызовы отрасли.

LLM
Су Вэйцзе присоединился к OpenAI: математика в эпоху после масштабирования

Су Вэйцзе, профессор статистики в Уортонской школе Пенсильванского университета и лауреат премии президента COPSS 2026 года, объявил о присоединении к OpenAI. Он будет работать над обучением моделей. По словам Су Вэйцзе, его заинтересовало видео Zoom, опубликованное в декабре прошлого года, — с ним связался Себастьян Бубек, научный сотрудник OpenAI, и предложил присоединиться к компании. Внимание OpenAI к теоретическим исследованиям появилось не так давно, а работа Су Вэйцзе в области оптимизации уже давно привлекает внимание в кругах ИИ.

Су Вэйцзе имеет солидное академическое образование: он окончил математический факультет Пекинского университета, затем учился на статистическом факультете Стэнфордского университета под руководством Эммануэля Кандеса. Его исследовательские интересы охватывают многомерную статистику, теорию машинного обучения, причинно-следственные связи, дифференциальную конфиденциальность и генеративный ИИ.

В интервью Су Вэйцзе обсудил ключевые проблемы индустрии ИИ: снижение эффективности закона масштабирования, исчерпание высококачественных данных, сложности с объяснением работы ИИ и другие. Он отметил, что всё больше статистиков, прикладных математиков и физиков работают в сфере ИИ. Среди актуальных задач — расчёт налога, количественная оценка риска сбоя синтетических данных, строгое доказательство эффективности конвергенции в процессе обучения.

Су Вэйцзе считает, что в будущем люди с хорошими теоретическими навыками будут иметь преимущество в разработке моделей ИИ. Он подчёркивает важность умения выдвигать хорошие гипотезы, проектировать эксперименты, оценивать масштабируемость проектов. По его мнению, ключевое значение приобретает глубокое понимание данных — в частности, распределения данных, возможностей обобщения и неопределённости оценки. Также он размышляет о проблеме «налога на выравнивание» (когда настройка модели под требования безопасности и этики снижает её способность к рассуждению и генерации), о генерации синтетических данных и о роли цепочки мышления в повышении рациональности моделей.

Кроме того, Су Вэйцзе рассуждает о взаимодействии академических кругов и индустрии ИИ. Он отмечает, что в американских университетах многие преподаватели спонтанно интегрируют научные исследования с развитием промышленности, особенно в сфере ИИ.

// оригинал
雷峰网 (Leiphone) ↗ Читать оригинал
4 просмотров
// поделиться Telegram VK