本文来自微信公众号：机器之心 （ID：almosthuman2014），编辑：泽南、杨文，作者：关注AI的

他说：2027年AGI就来。

23岁被OpenAI开除，利用自己的「内部消息」打造了一支规模达15亿美元的基金，今年这支基金的表现还比华尔街高出700%。

如此跌宕起伏的人生，你就说刺不刺激？

最近，这个名叫Leopold Aschenbrenner的小哥因这段离谱的经历在社交媒体上火了。《华尔街日报》等媒体报道了他迅速蹿升的故事。

Aschenbrenner本是OpenAI知名的「超级对齐」团队成员，被认为是OpenAI前首席科学家Ilya Sutskever的嫡系，不过后来因涉嫌泄露公司内部信息而被OpenAI解雇。

两个月后，他发布了一篇165页的分析文章《Situational Awareness:The Decade Ahead》，在硅谷引发广泛关注。

转头，这小哥就扎进投资领域，创建了名为Situational Awareness的对冲基金。

别看他没啥专业投资经验，但他的投资策略简单粗暴，就是押注那些可能从AI技术发展中受益的行业，如半导体、基础设施和电力公司，以及一些新兴AI公司，比如Anthropic，另一边又做空那些可能被淘汰的行业来保持收益。

这一策略令该基金在短时间内吸引大量投资者，资金规模迅速突破15亿美元。

其背后不乏大佬支持，包括支付公司Stripe的创始人Patrick和John Collison两兄弟，Meta的AI团队领导Daniel Gross和Nat Friedman，以及著名投资者Graham Duncan。

此外，Aschenbrenner还招聘了曾在彼得・蒂尔宏观对冲基金工作过的Carl Shulman，作为该基金的研究总监。

许多投资者也对该基金表现出极大的信任，愿意将资金锁定数年不动。

据《华尔街日报》报道，该基金在今年上半年实现了47%的回报率，远超同期标普500指数的6%和技术对冲基金指数的7%，堪称市场中的一匹黑马。

Aschenbrenner去年在接受播客主持人Dwarkesh Patel采访时表示：「我们将比纽约那些管理资金的人拥有更多的情境意识，肯定会在投资上做得非常出色。」

Leopold Aschenbrenner是谁？

Aschenbrenner是个00后，在德国出生，作为「天才少年」的他15岁时进入哥伦比亚大学学习，并于19岁时以优异成绩毕业，获得了数学、统计学和经济学三个学位，成为该校的优秀毕业生。

GPA够高，据说还是年级第一。

毕业后，他在牛津大学的全球优先事项研究所从事长期经济增长研究，并参与了有效利他主义运动。他曾在FTX Future Fund工作，专注于AI安全和全球风险管理。

2023年，Aschenbrenner加入了OpenAI，成为「超级对齐」（Superalignment）团队的一员，致力于确保未来的超级智能AI与人类价值观一致。他参与过的工作，包括被广泛关注的《Weak-to-Strong Generalization:Eliciting Strong Capabilities With Weak Supervision》（https://arxiv.org/abs/2312.09390）。

在全球领先的人工智能实验室工作时，他发现了OpenAI可能将美国AI机密泄露给外国对手的安全漏洞。于是在2024年4月，他将自己的担忧写成备忘录分享给董事会成员，但时值OpenAI「宫斗」第二季，随后以泄密为理由被OpenAI解雇。

故事发展到这样的程度，或许只需要看做是OpenAI去年宫斗背景下混乱的一角，但Leopold Aschenbrenner显然不是等闲之辈。

《态势感知：未来十年》

在去年被OpenAI赶走后，Leopold Aschenbrenner更加没了束缚，他在一篇长达165页的论文《Situational Awareness:The Decade Ahead》（态势感知：未来十年）中，阐述了自己对于AI发展的看法，在硅谷被广泛传阅。

他的论点简单而具革命性：「全世界正处于人类历史上最大的变革之中，而我们还在昏昏欲睡。现在，可能只有几百人，大多数都在旧金山和人工智能实验室，能真正理解当前AI领域发生的事情。」

文章链接：https://situational-awareness.ai/

在文章中，作者探讨了近年来AI能力的指数级增长，尤其是GPT-2到GPT-4出现的过程。Leopold Aschenbrenner强调，这是一个快速进步的时代，人工智能从完成非常基础的任务发展到拥有更复杂、类似人类的理解和语言生成能力。

「数量级」（Orders of Magnitude，即「OOM」）的概念对于讨论至关重要。Aschenbrenner使用数量级（OOM）来评估AI能力、算力和数据消耗的进步，OOM指给定指标的十倍增长。就计算能力和数据可扩展性而言，从GPT-2到GPT-4的转换代表了许多OOM。

这些收益的背后有三个主要因素——扩展定律（Scaling Laws）、算法创新及海量数据集的使用，它们的增长接近于指数级。根据扩展定律，当使用更大规模的数据和处理能力进行训练时，模型的性能会得到可靠的提升。

算法创新也至关重要。训练方法、优化策略和底层架构的进步提升了AI模型的功效和效率。这些发展使模型能够更好地利用持续增长的算力和可用数据。

Leopold Aschenbrenner强调了到2027年实现通用人工智能（AGI）的可能路径。他认为，在业界持续投入算力，提升算法效率的前提下，我们或许能够让AI系统在众多领域上与人类智力匹敌，甚至超越人类。

通用人工智能的出现无疑将产生深远的影响。这类系统能够独立解决复杂问题，以目前只有人类专家才能做到的方式进行创新，执行复杂的工作，这又赋予了AI系统自我进化的潜力。

AGI的发展会改变各行各业，提高生产力和效率。但它也带来了一些重要问题，例如失业、AI道德，需要强有力的治理结构来控制完全自主系统带来的风险。

Aschenbrenner在文中探讨了超级智能的概念，以及从如今AI快速过渡到远超人类认知能力的系统的可能性。该论点的核心思想是，驱动AI进化的原理可能会产生一个反馈回路，一旦达到人类水平，其智力就会爆发式增长。根据「智能爆炸」的概念，AGI可能会自行开发算法和技能，它们能够比人类研究人员更快地完善自身设计。这种自我完善的循环可能会带来智力的指数级增长。

他对可能影响这种快速升级的各种变量进行了全面的分析。首先，AGI系统凭借无与伦比的速度以及访问和处理海量数据的能力，能够识别远远超出人类理解范围的模式和洞察。

此外，AGI还强调研究工作的并行化。与人类研究人员不同，AGI系统能够同时进行多项测试，并行改进其设计和性能的不同部分。

因此，这些系统将比任何人都强大得多，能够开发新技术，解决复杂的科学技术难题，甚至可能以当今无法想象的方式管理物理系统。超级智能可能带来的优势，例如材料科学、能源和健康领域的进步，这些进步可能会显著提高经济生产力和人类福祉。与此同时，控制是主要问题之一。一旦系统超越人类智力，就很难确保其行为符合人类的价值观和利益。

构建AGI所需的计算基础设施需要大规模工业动员，这不仅包括纯粹的算力，还包括设备效率、能源利用和信息处理能力的提升。

Aschenbrenner认为，随着AGI越来越近，国家安全机构将在这些技术的创造和管理中发挥更大的作用。他认为，通用人工智能的战略意义可以与阿波罗计划、曼哈顿计划相比较。

在他的文章发布一年多以后，AI技术日新月异，不过我们也看到了当初的很多预测在被一步步得到验证。最直接的可能就是各家科技巨头纷纷投入重金，建设前所未有的大规模AI算力基础设施的盛景了。

那么，AGI会如Aschenbrenner所说的在2027年到来吗？或许通过他的投资收益，我们可以间接地看到些端倪。

参考链接：

https://www.wsj.com/finance/investing/billions-flow-to-new-hedge-funds-focused-on-ai-related-bets-48d97f41

https://situational-awareness.ai/

https://x.com/renckorzay/status/1961480306328019407