一个名为“绝对零度推理器”（AZR）的新 AI 系统，通过让大语言模型自我生成编程问题、解决问题并验证结果，实现了类似人类的自主学习。这种“自我对弈”的方法不仅显著提升了开源模型的编程与推理能力，甚至超越了部分依赖人工数据训练的模型。研究人员认为，这种模式有望让 AI 超越人类教学的限制，实现更高级的智能，并可能成为在数据日益稀缺的情况下推动 AI 发展的新途径。
从模仿者到提问者
传统的人工智能模型本质上是模仿者，它们通过学习人类创造的范例或解决人类设定的问题来进行训练。然而，一种新的方法正在探索让 AI 以更接近人类的方式学习。
AI 或许能够通过构思有趣的问题并尝试找到正确答案，从而实现真正的学习。
清华大学、北京通用人工智能研究院及宾夕法尼亚州立大学合作开发的 AZR 系统展示了这一可能性。其核心学习流程分为三个步骤：
- 生成问题： 首先，利用一个大语言模型来生成具有挑战性但可解的 Python 编程问题。
- 解决问题： 接着，使用同一个模型来解决这些自己提出的问题。
- 验证与优化： 最后，通过运行代码来检验答案的成败，并将这些反馈信号用于优化原始模型，使其在提出和解决问题两方面的能力都得到提升。
像人类一样超越老师
这种学习方式类似于人类超越模仿和死记硬背的阶段。研究人员将其比作人类的成长过程。
“一开始你模仿你的父母，听从你的老师，但最终你必须提出自己的问题。这样你才能超越当初教导你的人。”
这种有时被称为 “自我对弈”（self-play） 的学习理念可以追溯到多年前，并曾被多位 AI 先驱探索过。AZR 系统的一个亮点在于，模型的出题和解题能力会随着自身能力的增强而同步提升，形成一个良性循环。
成果与未来展望
实验结果表明，AZR 方法显著提升了开源语言模型 Qwen 的编程和推理能力。更引人注目的是，该模型甚至超越了一些经过人类精心筛选数据训练的模型。
尽管目前该系统主要适用于那些可以被轻松验证答案的领域（如数学和编程），但它的潜力巨大。
- 扩展应用： 未来可能被用于更复杂的 AI 代理任务，例如自主浏览网页或完成办公杂务。
- 通往超级智能： 从理论上讲，这种方法允许模型的能力超越人类教学的范畴，被认为是“通往超级智能的一种途径”。
正在兴起的行业趋势
AZR 的思路正开始在一些大型 AI 实验室中获得关注。其他类似的项目，如 Salesforce 的 Agent0 和 Meta 等机构的研究，也都在利用“自我对弈”来提升 AI 在软件工程等领域的通用推理能力。
随着传统数据源变得日益稀缺和昂贵，寻找新的 AI 学习方式已成为科技行业的重要议题。像 AZR 这样的项目，预示着未来的 AI 系统将不再仅仅是模仿者，而是更接近人类的思考者。