《OpenAI 的 Sora 模型与通往 AGI 的方法论》
    一周前，OpenAI 掀起了一场人工智能领域的风暴，其发布的视频生成模型 Sora 凭借惊艳的性能和创造力引发了全球关注。Sora 不仅能够自动生成并剪辑高质量的电影预告片，如“小狗探索天空废墟”，更在业界掀起了一场关于 AGI（通用人工智能）技术栈构建方式的深度探讨。
    近日，在知乎的一篇文章中，加州大学伯克利分校计算机科学博士 @SIY.Z 分析了 OpenAI 能够率先打造 Sora 并成功运用 AGI 技术栈的关键原因。他指出，OpenAI 的方法论实际上是通向 AGI 的一种核心路径，这一方法论根植于三个关键理念之上：The bitter lesson、Scaling Law 以及 Emerging properties。
    其中，《苦涩的教训》源自机器学习先驱 Rich Sutton 在2019年的经典文章，强调了通过利用强大算力，尤其是大规模数据训练和大型模型来实现人工智能长期提升的重要性。这一点在 OpenAI 研究人员 Jason Wei 的每日工作时间线中也得到了体现，众多业内人士对此观点深表赞同，甚至将 The bitter lesson 视为 AI 进步的核心原则之一，与 Transformer 论文中的“Attention is All You Need”相提并论。
    同时，@SIY.Z 引用了 Rich Sutton 博客中未完成的文章，进一步揭示了 AI 领域的一个重要观点：智能体应具备发现新知识的能力，而非仅仅依赖人类预先编程的知识结构。这意味着在构建 AGI 的过程中，要重视能自主学习和适应复杂环境的算法，而不仅仅是复制或模拟人类思维模式。
    回顾 Rich Sutton 的《苦涩的教训》全文，他通过多个 AI 子领域的发展历程阐述了一个普遍规律：从长远来看，倚重计算能力的方法最终会超越那些过于依赖人为设计规则和特定领域知识的方法。这不仅体现在 Sora 的开发过程中，也在计算机国际象棋、围棋等领域取得了突破性进展。
    总结来说，OpenAI 利用大规模数据、大模型和强大算力成功推出 Sora，验证了以 The bitter lesson 为核心的方法论对于构建 AGI 的重要作用。这一方法论提醒我们，未来的 AI 发展将更多地依靠对海量数据的挖掘和利用，并通过不断扩展和优化算法来实现真正的智能进化。