23 歲被 OpenAI 開除，利用自己的「內部消息」打造了一支規模達 15 億美元的基金，今年這支基金的表現還比華爾街高出 700%。
如此跌宕起伏的人生，你就說刺不刺激？
最近，這個名叫 Leopold Aschenbrenner 的小哥因這段離譜的經曆在社交媒體上火了。《華爾街日報》等媒體報道了他迅速躥升的故事。
Aschenbrenner 本是 OpenAI 知名的「超級對齊」團隊成員，被認為是 OpenAI 前首席科學家 Ilya Sutskever 的嫡係，不過後來因涉嫌泄露公司內部信息而被 OpenAI 解雇。
兩個月後，他發布了一篇 165 頁的分析文章《Situational Awareness: The Decade Ahead》，在矽穀引發廣泛關注。
轉頭，這小哥就紮進投資領域，創建了名為 Situational Awareness 的對衝基金。
別看他沒啥專業投資經驗，但他的投資策略簡單粗暴，就是押注那些可能從 AI 技術發展中受益的行業，如半導體、基礎設施和電力公司，以及一些新興 AI 公司，比如 Anthropic，另一邊又做空那些可能被淘汰的行業來保持收益。
這一策略令該基金在短時間內吸引大量投資者，資金規模迅速突破 15 億美元。
其背後不乏大佬支持，包括支付公司 Stripe 的創始人 Patrick 和 John Collison 兩兄弟，Meta 的 AI 團隊領導 Daniel Gross 和 Nat Friedman，以及著名投資者 Graham Duncan。
此外，Aschenbrenner 還招聘了曾在彼得.蒂爾宏觀對衝基金工作過的 Carl Shulman，作為該基金的研究總監。
許多投資者也對該基金表現出極大的信任，願意將資金鎖定數年不動。
據《華爾街日報》報道，該基金在今年上半年實現了 47% 的回報率，遠超同期標普 500 指數的 6% 和技術對衝基金指數的 7%，堪稱市場中的一匹黑馬。
Aschenbrenner 去年在接受播客主持人 Dwarkesh Patel 采訪時表示：「我們將比紐約那些管理資金的人擁有更多的情境意識，肯定會在投資上做得非常出色。」
Leopold Aschenbrenner 是誰？
Aschenbrenner 是個 00 後，在德國出生，作為「天才少年」的他 15 歲時進入哥倫比亞大學學習，並於 19 歲時以優異成績畢業，獲得了數學、統計學和經濟學三個學位，成為該校的優秀畢業生。畢業後，他在牛津大學的全球優先事項研究所從事長期經濟增長研究，並參與了有效利他主義運動。 他曾在 FTX Future Fund 工作，專注於 AI 安全和全球風險管理。
2023 年，Aschenbrenner 加入了 OpenAI，成為「超級對齊」（Superalignment）團隊的一員，致力於確保未來的超級智能 AI 與人類價值觀一致。他參與過的工作，包括被廣泛關注的《Weak-to-Strong Generalization: Eliciting Strong Capabilities With Weak Supervision》（https://arxiv.org/abs/2312.09390）。
在全球領先的人工智能實驗室工作時，他發現了 OpenAI 可能將美國 AI 機密泄露給外國對手的安全漏洞。於是在 2024 年 4 月，他將自己的擔憂寫成備忘錄分享給董事會成員，但時值 OpenAI「宮鬥」第二季，隨後以泄密為理由被 OpenAI 解雇。
故事發展到這樣的程度，或許隻需要看做是 OpenAI 去年宮鬥背景下混亂的一角，但 Leopold Aschenbrenner 顯然不是等閑之輩。
《態勢感知：未來十年》
在去年被 OpenAI 趕走後，Leopold Aschenbrenner 更加沒了束縛，他在一篇長達 165 頁的論文《Situational Awareness: The Decade Ahead》（態勢感知：未來十年）中，闡述了自己對於 AI 發展的看法，在矽穀被廣泛傳閱。
他的論點簡單而具革命性：「全世界正處於人類曆史上最大的變革之中，而我們還在昏昏欲睡。現在，可能隻有幾百人，大多數都在舊金山和人工智能實驗室，能真正理解當前 AI 領域發生的事情。」
文章鏈接：https://situational-awareness.ai/
在文章中，作者探討了近年來 AI 能力的指數級增長，尤其是 GPT-2 到 GPT-4 出現的過程。Leopold Aschenbrenner 強調，這是一個快速進步的時代，人工智能從完成非常基礎的任務發展到擁有更複雜、類似人類的理解和語言生成能力。
數量級」（Orders of Magnitude，即「OOM」）的概念對於討論至關重要。Aschenbrenner 使用數量級（OOM）來評估 AI 能力、算力和數據消耗的進步，OOM 指給定指標的十倍增長。就計算能力和數據可擴展性而言，從 GPT-2 到 GPT-4 的轉換代表了許多 OOM。這些收益的背後有三個主要因素 —— 擴展定律（Scaling Laws）、算法創新及海量數據集的使用，它們的增長接近於指數級。根據擴展定律，當使用更大規模的數據和處理能力進行訓練時，模型的性能會得到可靠的提升。
算法創新也至關重要。訓練方法、優化策略和底層架構的進步提升了 AI 模型的功效和效率。這些發展使模型能夠更好地利用持續增長的算力和可用數據。
Leopold Aschenbrenner 強調了到 2027 年實現通用人工智能（AGI）的可能路徑。他認為，在業界持續投入算力，提升算法效率的前提下，我們或許能夠讓 AI 係統在眾多領域上與人類智力匹敵，甚至超越人類。
通用人工智能的出現無疑將產生深遠的影響。這類係統能夠獨立解決複雜問題，以目前隻有人類專家才能做到的方式進行創新，執行複雜的工作，這又賦予了 AI 係統自我進化的潛力。
AGI 的發展會改變各行各業，提高生產力和效率。但它也帶來了一些重要問題，例如失業、AI 道德，需要強有力的治理結構來控製完全自主係統帶來的風險。
Aschenbrenner 在文中探討了超級智能的概念，以及從如今 AI 快速過渡到遠超人類認知能力的係統的可能性。該論點的核心思想是，驅動 AI 進化的原理可能會產生一個反饋回路，一旦達到人類水平，其智力就會爆發式增長。根據「智能爆炸」的概念，AGI 可能會自行開發算法和技能，它們能夠比人類研究人員更快地完善自身設計。這種自我完善的循環可能會帶來智力的指數級增長。
他對可能影響這種快速升級的各種變量進行了全麵的分析。首先，AGI 係統憑借無與倫比的速度以及訪問和處理海量數據的能力，能夠識別遠遠超出人類理解範圍的模式和洞察。
此外，AGI 還強調研究工作的並行化。與人類研究人員不同，AGI 係統能夠同時進行多項測試，並行改進其設計和性能的不同部分。
因此，這些係統將比任何人都強大得多，能夠開發新技術，解決複雜的科學技術難題，甚至可能以當今無法想象的方式管理物理係統。超級智能可能帶來的優勢，例如材料科學、能源和健康領域的進步，這些進步可能會顯著提高經濟生產力和人類福祉。與此同時，控製是主要問題之一。一旦係統超越人類智力，就很難確保其行為符合人類的價值觀和利益。
構建 AGI 所需的計算基礎設施需要大規模工業動員，這不僅包括純粹的算力，還包括設備效率、能源利用和信息處理能力的提升。
Aschenbrenner 認為，隨著 AGI 越來越近，國家安全機構將在這些技術的創造和管理中發揮更大的作用。他認為，通用人工智能的戰略意義可以與阿波羅計劃、曼哈頓計劃相比較。
在他的文章發布一年多以後，AI 技術日新月異，不過我們也看到了當初的很多預測在被一步步得到驗證。最直接的可能就是各家科技巨頭紛紛投入重金，建設前所未有的大規模 AI 算力基礎設施的盛景了。
那麽，AGI 會如 Aschenbrenner 所說的在 2027 年到來嗎？或許通過他的投資收益，我們可以間接地看到些端倪。
