Noam Brown ist ein amerikanischer Informatiker, der für die Entwicklung von Spielsystemen bekannt ist, die Top-Profis in Spielen besiegten, die lange als resistent gegen KI galten, und der später die Forschung an Reasoning-Modellen bei OpenAI leitete.
Brown promovierte an der Carnegie Mellon University, wo er mit Tuomas Sandholm an Poker-Agenten arbeitete. Ihr System Libratus besiegte 2017 Top-Profispieler in Heads-up No-Limit Texas Hold'em, und ein Nachfolger, Pluribus, besiegte 2019 mehrere Profis gleichzeitig in Sechs-Spieler-Poker, ein Ergebnis, das bemerkenswert ist, weil es mehr als zwei konkurrierende Agenten gleichzeitig umfasste, eine viel schwierigere Multi-Agenten-Umgebung als die Zwei-Spieler-Nullsummenspiele, die KI zuvor gemeistert hatte, wie Schach oder Go.
Diplomacy und CICERO
Nach seinem Wechsel zu Meta AI (damals Facebook AI Research) half Brown, das Team hinter CICERO zu leiten, einem System, das das Brettspiel Diplomacy spielte, das natürliche Sprachverhandlung, Überzeugung und strategische Planung unter menschlichen Spielern erfordert. CICERO, das 2022 in Science veröffentlicht wurde, kombinierte ein Sprachmodell zur Erzeugung von Dialogen mit einer strategischen Denk-Engine und erreichte menschliche Leistungsniveaus in Online-Diplomacy-Ligen, ein Meilenstein, der oft als Beleg dafür angeführt wird, dass KI kooperative und antagonistische soziale Argumentation bewältigen kann, nicht nur antagonistische Spiele mit perfekter Information.
Wechsel zu OpenAI und o1
Brown wechselte 2023 zu OpenAI, wo er an Testzeit-Compute arbeitete, der Idee, dass die Antwort eines Modells verbessert werden kann, indem man es länger bei der Inferenz "denken" lässt, anstatt nur das Training zu skalieren. Diese Arbeit floss in OpenAI o1 ein, das 2024 veröffentlicht wurde und erweiterte Chain-of-Thought-Argumentation nutzte, die mit Verstärkungslernen trainiert wurde, um die Leistung bei Mathematik, Programmierung und Logikaufgaben zu verbessern. Brown hat öffentlich argumentiert, dass die Skalierung von Testzeit-Compute eine zweite Achse des KI-Fortschritts darstellt, neben der Skalierung von Vortrainingsdaten und Parametern, und zieht eine Analogie zu seinen eigenen Poker-Agenten, die sich dramatisch verbesserten, wenn sie mehr Zeit zum Suchen vor dem Handeln erhielten, anstatt nur mehr Training.
Anerkennung
Browns Poker- und Diplomacy-Arbeit wurde weithin als Beleg dafür behandelt, dass spieltheoretische KI-Techniken über enge Brettspiele hinaus auf Umgebungen mit versteckten Informationen, Verhandlung und vielen gleichzeitigen Agenten verallgemeinert werden können, Themen, die in seiner späteren Reasoning-Forschung wiederkehren. Er ist zu einer der sichtbareren Forschungsstimmen geworden, die OpenAIs Reasoning-Fahrplan in öffentlichen Vorträgen und Interviews erklären, und stellt die Skalierung von Testzeit-Compute oft als komplementär zu, nicht als Ersatz für, fortgesetzte Gewinne aus größeren Vortrainings-Läufen dar.