简介：在ICLR 2024大会上，智谱AI首次公开了神秘项目GLM-zero，并分享了GLM大模型面向AGI的三大技术趋势。本文将简明扼要地介绍GLM-zero项目及其背后的技术理念，同时探讨GLM大模型在迈向AGI过程中的关键步骤。
在2024年的国际学习表征会议（ICLR）上，智谱AI凭借其GLM大模型团队的卓越表现，成功吸引了全球学术界和工业界的目光。尤为引人注目的是，智谱AI首次公开了其神秘项目GLM-zero，并深入阐述了GLM大模型面向通用人工智能（AGI）的三大技术趋势。本文将带您一探究竟，了解GLM-zero项目的来龙去脉以及GLM大模型在AGI道路上的探索。
GLM-zero是智谱AI自2019年以来一直在研究的技术项目，旨在探索人类的“无意识”学习机制。这一机制被认为是人类认知能力的重要组成部分，包括自我学习（self-instruct）、自我反思（self-reflection）和自我批评（self-critics）。在GLM-zero项目中，智谱AI团队试图通过模拟这种无意识学习过程，来增强大模型的智能水平。
人类在学习和认知过程中，无意识学习占据了重要地位。例如，当我们在睡眠时，大脑仍在无意识地处理信息、巩固记忆，并可能产生新的灵感和创意。GLM-zero项目正是基于这一理念，试图让大模型也具备类似的无意识学习能力，从而在持续的训练和优化中不断提升自我。
GLM-zero项目的实现面临着诸多技术挑战。首先，需要构建一种能够模拟无意识学习过程的算法框架；其次，需要收集和处理大量多模态数据，以支持大模型在多种场景下的学习和推理；最后，还需要解决大模型在训练过程中的稳定性和效率问题。
尽管还处于非常早期的研究阶段，但GLM-zero项目已经取得了初步成果。智谱AI团队表示，这一项目将为通向AGI的必经之路提供重要支撑。
除了GLM-zero项目外，智谱AI的GLM大模型团队还在ICLR 2024上分享了面向AGI的三大技术趋势：
GLM-4的后续升级版本（如GLM-4.5及其升级模型）将基于超级认知（Superintelligence）和超级对齐（Superalignment）技术。这些技术将帮助大模型在持续提升文本能力的基础上，将文本、图像、视频、音频等多种模态混合在一起训练，构建真正原生的多模态模型。同时，超级对齐技术将协助提升大模型的安全性，确保其在各种应用场景中的可靠性和稳定性。
为解决更加复杂的问题，智谱AI提出了GLM-OS概念——即以大模型为中心的通用计算系统。该系统基于已有All-Tools能力加上内存记忆（memory）和自我反馈（self-reflection）机制，有望实现模仿人类的Plan-Do-Check-Act（PDCA）循环。通过这一机制，大模型将能够形成自我反馈和自我提升的能力，从而更好地应对各种复杂任务。
自2019年成立以来，GLM大模型团队便开始了大语言模型的探索，并选择了走开闭源并存的发展路线。通过持续迭代和优化，GLM系列模型已经实现了性能比肩GPT-4的水平，并在数学、文生图、图像理解、视觉UI理解、Agent智能体等领域取得了显著成果。未来，GLM大模型团队将继续致力于提升模型的智能水平和泛化能力，为AGI的实现贡献力量。
在ICLR 2024这场学术盛宴上，智谱AI以其GLM大模型团队的卓越表现和技术创新赢得了广泛关注。GLM-zero项目的首次公开以及面向AGI的三大技术趋势的分享不仅展示了智谱AI在人工智能领域的深厚积累和前瞻视野，更为全球学术界和工业界提供了宝贵的启示和借鉴。我们有理由相信在未来的日子里随着技术的不断进步和应用的不断拓展大模型将越来越接近我们心中的AGI梦想。