「在谷歌，我们训练出了越来越大的 Transformer，梦想着有朝一日构建一个通用模型来支持所有 ML 用例。但是，这其中有一个明显的局限：用文本训练出的模型可以写出很棒的散文，但它们无法在数字世界中采取行动。你不能要求 GPT-3 给你订机票，给供应商开支票，或者进行科学实验。」
前谷歌大脑研究工程师 Anmol Gulati，他参与了谷歌的大规模语音和语言建模研究；
前谷歌大脑研究科学家 Augustus Odena，他参与构建了谷歌的代码生成模型；
前 OpenAI 加州实验室工程副总裁 David Luan，后来也加入过谷歌大脑，他是 GPT-2、PaLM (https://mp.weixin.qq.com/s/-Annt2JkAhgv9YxYpc7pXQ) 的论文作者之一，还参与了 GPT-3 的部分工作；
在 DeepMind、谷歌大脑、百度都工作过的 Erich Elsen，他是机器学习和高性能计算交叉领域的研究人员，在 DeepMind 参与领导大模型的训练工作，致力于提高训练效率；
前谷歌大脑软件工程师 Fred Bertsch，他是数据和协作人工智能系统方面的专家；
前谷歌 ML 产品经理 Kelsey Schroeder，她曾领导谷歌大模型生产基础设施产品；
曾在谷歌大脑实习的 MIT 博士 Maxwell Nye，他的研究重点是使用深度学习和符号技术来自动编写代码。在谷歌实习期间，他曾使用非常大的语言模型（> 1000 亿个参数）来编写和理解 Python 程序。
在谷歌，我们训练出了越来越大的 Transformer，梦想着有朝一日构建一个通用模型来支持所有 ML 用例。但是，这其中有一个明显的局限：用文本训练出的模型可以写出很棒的散文，但它们无法在数字世界中采取行动。你不能要求 GPT-3 给你订机票，给供应商开支票，或者进行科学实验。
真正的通用智能要求模型不仅能读能写，还能以一种对用户有帮助的方式采取行动。这就是我们创立 Adept 的初衷：我们正在训练一个神经网络来使用世界上的每一款工具和 API，该网络建立在人们已经创造的大量现有能力的基础上。
实际上，我们正在创建一个通用系统，帮助人们在电脑前完成工作，我们管这个系统叫：每个知识工作者的「通用合作者」。你可以把它想象成你电脑里的一个 overlay，它和你一起工作，使用和你一样的工具。
使用 Adept，你能专注于你真正喜欢的工作，并要求模型承担其他任务。例如，你可以要求模型「生成月度合规报告」，所有这些都使用现有的软件，如 Airtable、Photoshop、ATS、Tableau、Twilio。我们希望这个「合作者」是一个好学生，可训练性非常强，非常有帮助。
这一产品愿景让我们兴奋不已，不仅因为它对每个在电脑前工作的人来说都非常有用，还因为我们相信这是实现通用智能最实用、最「安全」的途径。与生成语言或自行决策的大型模型不同，我们的模型范围更窄——我们是现有软件工具的接口，更容易缓解偏见问题。对我们公司来说至关重要的是，我们的产品如何成为一种工具，来了解人们的偏好，并在每一步中整合人类的反馈。
