机器之心原创

2023/02/15 14:15

泽南编辑

走，去搞ChatGPT！谷歌AI学者纷纷跳槽OpenAI

谷歌又向社会输送了一批 AI 人才。

最近，谷歌和微软正在 ChatGPT 搜索上进行激烈竞争。

两家科技巨头分别宣布了将大型语言模型（LLM）整合到必应和 Google 搜索中的计划。上个星期，必应已经向一些用户开放了这项新技术，而谷歌也宣布其 AI 搜索在更广泛地推出之前向「受信任的测试人员」开放。

临时发布抢首发，产品出错也上线，其他互联网公司纷纷跟进，掀起了科技领域的又一次军备竞赛。

公司在比拼实力的同时，也在争抢人才。据报道，OpenAI 一直在挖谷歌的 AI 科学家，最近的动作已经越来越「明目张胆」。

仅在今天，就有几个科学家在社交网络上宣布了加入 OpenAI 的喜讯：

目标很明确：我们就是来搞 ChatGPT 的。

然而，这并不是 ChatGPT 成功之后才有的现象。另据 The Information 的报道，最近几个月，造出通用智能聊天机器人 ChatGPT 和图像生成器 DALL-E 的 OpenAI 聘请了十几名前谷歌员工。

一位知情人士告诉媒体，最近爆红的 ChatGPT 获得了至少五名前谷歌研究人员的助力。

在 OpenAI 去年 11 月 30 日宣布推出 ChatGPT 的博客文章中，我们看到了一些值得关注的贡献者 ——Barret Zoph、Liam Fedus、Luke Metz、Jacob Menick 和 Rapha Gontijo Lopes：

这些人目前的 title 要么是 Google AI，要么已经从 Google AI 跳槽到了 OpenAI。

事实证明，OpenAI 的聊天机器人广受用户欢迎，在第一周就积累了超过 100 万用户，今年 2 月初达到了上亿。微软在 ChatGPT 推出后追加了数十亿美元的投资，独占新技术并很快发布了新版必应搜索。

谷歌 AI 部门 Google Brain 的两名前员工告诉 The Information，一些员工认为公司文化已经变得令人昏昏欲睡。据报道，工作人员列举了谷歌层层繁文缛节和对新产品举措的过度保守，导致一些工人正在到别处寻找工作。

风头正劲的 OpenAI 看起来是个好去处。

其实仔细探究，从谷歌跳到 OpenAI 并不是什么新鲜事。OpenAI 的首席科学家 Ilya Sutskever 就是从 Google Brain 来的。他在 2012 年与 Alex Krizhevsky、Geoffrey Hinton 共同提出了著名的 AlexNet，推动了深度学习的进步。

Ilya Sutskever、Alex Krizhevsky 和 Geoffrey Hinton。

在 Google Brain 团队，Sutskever 参与了谷歌用于大规模机器学习的开源框架 TensorFlow 的开发，提出的 Seq2seq 给机器翻译带来了革命，也与 DeepMind 的研究人员保持联系，是 AlphaGo 登上 Nature 封面论文的作者之一。

2015 年 7 月，Sutskeve 参加了 Y Combinator 总裁 Sam Altman 在 Sand Hill Road 的一家餐厅举办的晚宴，在那里他遇到了伊隆・马斯克和 Greg Brockman。据说当时，在场的每个人都同意一件事：一个致力于发展通用人工智能的组织必须是非营利组织，没有任何竞争性激励来淡化其使命，它还需要世界上最好的人工智能研究人员。

他成为了 OpenAI 的联合创始人，现在是 ChatGPT 背后的男人：

Sutskeve 曾表示：「似乎有一天，很可能在我们的有生之年，我们将构建一个在每个有意义维度上都具有与人类相同认知能力的 AI 系统。」

不久之前，特斯拉前 AI 高级总监 Andrej Karpathy 也在推特上宣布，自己将回到 OpenAI。要知道，Karpathy 是 OpenAI 的创始成员与研究科学家。但在 OpenAI 成立一年多后，Karpathy 便接受了马斯克的邀请，加入了特斯拉。如今再次回归。

我将加入 OpenAI（再一次）。与许多人工智能领域内外的人一样，我被这家公司的工作的影响所鼓舞，我个人也从中受益良多。它未来的潜力尤其令人振奋；重新加入其中并参与建设是一件非常愉快的事情！

Sam Altman 表示：欢迎回来！

虽然 OpenAI 并不赚钱，但打造开创性的通用人工智能，做挑战最大的事，这种坚持已经收到了回报。

也最终让谷歌拉响了「Code Red」警报。

参考内容：

https://www.businessinsider.com/chatgpt-openai-google-ai-employees-hired-report-2023-2

https://journeymatters.ai/ilya-the-brain-behind-chatgpt/

https://medium.com/aifrontiers/the-journey-of-openais-founder-ilya-sutskever-s-story-486e96cd008f

产业OpenAI谷歌ChatGPT

相关数据

DeepMind机构

DeepMind是一家英国的人工智能公司。公司创建于2010年，最初名称是DeepMind科技（DeepMind Technologies Limited），在2014年被谷歌收购。在2010年由杰米斯·哈萨比斯，谢恩·列格和穆斯塔法·苏莱曼成立创业公司。继AlphaGo之后，Google DeepMind首席执行官杰米斯·哈萨比斯表示将研究用人工智能与人类玩其他游戏，例如即时战略游戏《星际争霸II》（StarCraft II）。深度AI如果能直接使用在其他各种不同领域，除了未来能玩不同的游戏外，例如自动驾驶、投资顾问、音乐评论、甚至司法判决等等目前需要人脑才能处理的工作，基本上也可以直接使用相同的神经网上去学而习得与人类相同的思考力。

https://deepmind.com/

深度学习技术

深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

TensorFlow技术

TensorFlow是一个开源软件库，用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品，如语音识别、Gmail、Google 相册和搜索，其中许多产品曾使用过其前任软件DistBelief。

来源：维基百科

机器翻译技术

机器翻译（MT）是利用机器的力量「自动将一种自然语言（源语言）的文本翻译成另一种语言（目标语言）」。机器翻译方法通常可分成三大类：基于规则的机器翻译（RBMT）、统计机器翻译（SMT）和神经机器翻译（NMT）。

来源：机器之心

聊天机器人技术

聊天机器人是经由对话或文字进行交谈的计算机程序。能够模拟人类对话，通过图灵测试。聊天机器人可用于实用的目的，如客户服务或资讯获取。有些聊天机器人会搭载自然语言处理系统，但大多简单的系统只会撷取输入的关键字，再从数据库中找寻最合适的应答句。

来源：维基百科

图像生成技术

图像生成（合成）是从现有数据集生成新图像的任务。

来源：paperswithcode

通用人工智能技术

通用人工智能（AGI）是具有一般人类智慧，可以执行人类能够执行的任何智力任务的机器智能。通用人工智能是一些人工智能研究的主要目标，也是科幻小说和未来研究中的共同话题。一些研究人员将通用人工智能称为强AI（strong AI）或者完全AI（full AI），或称机器具有执行通用智能行为（general intelligent action）的能力。与弱AI（weak AI）相比，强AI可以尝试执行全方位的人类认知能力。

来源：wikipedia

语言模型技术

统计式的语言模型是借由一个几率分布，而指派几率给字词所组成的字串。语言模型经常使用在许多自然语言处理方面的应用，如语音识别，机器翻译，词性标注，句法分析和资讯检索。

来源：维基百科