Mistral 收购 Emmi AI，ARC Prize 推动开源 AGI 研究

Mistral 收购 Emmi AI

Mistral AI 以不明价收购 Emmi AI，恰逢 ARC Prize 宣布提供超过 100 万美元的奖金，鼓励开源 AGI 研究取得突破。这一时机凸显了商业 AI 整合与社区驱动的通用智能研究之间的冲突。

ARC Prize 由 François Chollet 推出，针对的是 2019 年首次发布的 ARC-AGI 基准测试。该基准测试衡量系统高效获取新技能的能力，这是现代大型语言模型（LLM）所缺乏的。2019 年 ARC-AGI 的最高得分是 20%；如今的最高得分是 34%。比赛为第一个开源系统提供超过 100 万美元的奖金，该系统能够攻克该基准测试。

Mistral 的收购策略

Mistral AI 在 Emmi 网站上宣布了收购 Emmi AI 的消息。此次收购将 Emmi 的推理优化工具添加到 Mistral 现有的大型语言模型栈中。虽然没有透露财务细节，但此举表明 Mistral 有意将其服务范围扩大到模型训练之外。

行业观察人士认为，此次收购是应对生产工作负载中低延迟、低成本推理需求增长的回应。通过整合 Emmi 的技术，Mistral 可以承诺提供更紧密的端到端管道，而无需依赖第三方供应商。

ARC Prize 的技术议程

ARC-AGI 基准测试拒绝记忆密集型任务，而是评估快速技能获取能力。Chollet 的论文《On the Measure of Intelligence》支撑了该测试，认为真正的智能在测试时能高效学习。目前的 LLM 擅长模式记忆，但无法对未见问题产生新颖推理，而该奖项旨在克服这一局限。

参赛者必须提交一个开源系统，该系统明显提高了 ARC-AGI 分数，超过 34% 的上限。奖项组织者强调，成功将解锁新的编程范式，软件从任意先验中泛化。他们还警告说，扩大现有变换器模型无法实现所需的技能学习能力；需要新的架构或算法。

开源陷阱：Hacker News 的经验教训

最近的 Hacker News 讨论串“开源项目死亡的愚蠢方式”引发了人们对许多社区驱动的 AI 工具为何停滞的讨论。评论者列出了可以避免的失误，例如放弃文档、忽视贡献者入职和过度依赖单个维护者。该讨论串吸引了 182 个赞同票和 117 条评论，表明社区兴趣浓厚。

讨论串的共识与 ARC Prize 对可持续、协作式开发的强调相符。未能建立明确治理或透明路线图的项目往往会失去动力，留下有前途的研究停滞不前。对于 ARC 比赛，组织者已承诺开源许可和定期进展报告，以减轻这些风险。

行业动态：闭源动力 vs. 开源复兴

自 GPT-4 发布以来，主要实验室已回避发布详细的技術报告。OpenAI 以竞争担忧为由，而 Google 的 Gemini 团队提供的文档也同样稀疏。这种不透明性助长了人们认为前沿 AI 进展现在是一场专有竞赛的看法。

与此同时，资金模式已发生转变。2023 年，有超过 200 亿美元流向专注于狭隘、应用特定 AI 的公司，将人才从基础研究中转移。ARC Prize 试图通过激励可能重塑该领域的开源突破来逆转这一趋势。

Mistral 的收购可以被视为一种反向行动：通过加强其栈，该公司可能旨在无需依赖闭源 API 即可保持竞争力。Mistral 是否会将其新获得的技术贡献回社区仍是一个悬而未决的问题。

开源 AGI 努力的历史

开源 AGI 的概念已经存在一段时间。早期尝试创建开源 AGI 系统可以追溯到 2010 年代，项目如 OpenCog 和 SOAR 等认知架构。这些早期努力旨在通过模块化、开源设计实现通用智能。

然而，这些早期项目面临着重大挑战，包括缺乏大规模计算资源和高质量训练数据的获取受限。深度学习和变换器模型的兴起已经改变了局面，使得更复杂的 AGI 方法成为可能。

ARC Prize 对开源 AGI 的关注代表了在这一领域推动进展的 renewed 努力。通过提供明确的目标和重大的激励，该奖项旨在凝聚开源社区并推动 AGI 研究的创新。

技术机制：ARC-AGI 基准测试的工作原理

ARC-AGI 基准测试旨在评估系统高效获取新技能的能力。该基准测试由一系列任务组成，要求系统快速学习和适应。这些任务旨在对当前 LLM 提出挑战，它们擅长模式记忆，但难以快速技能获取。

该基准测试使用多种指标来评估系统性能，包括从少数示例中学习的能力和泛化到新情况的能力。奖项组织者强调，在基准测试中取得成功需要人工智能学习效率和技能获取等领域的重大进展。

下游影响：谁受益，谁被挤压？

ARC Prize 对 AI 研究界和更广泛的行业具有重大影响。一个成功的开源 AGI 系统可以实现从更高效的自动化到更有效的决策工具等广泛的应用。

然而，该奖项也对大量投资于闭源 AGI 研究的公司提出了挑战。如果开源系统取得重大突破，它可能会扰乱竞争格局，迫使公司重新评估其战略。

短期内，该奖项可能会推动开源 AGI 研究的投资增加，可能带来新的突破和创新。从长远来看，它可以实现一种更具协作性和透明性的 AGI 开发方法，最终造福更广泛的 AI 研究界。