丰色 发自 凹非寺
量子位 | 公众号 QbitAI
最近，一家AI初创公司引起了不少人的注意。
在推特上宣布成立之时，有不少人为其点赞和转发。
一上来就要搞通用人工智能，什么来头？
我们看了一下它的创始人名单：
Ashish Vaswani和Niki Parmar，这不是大名鼎鼎的Transformer论文作者吗？
这篇开山之作引用次数已高达4万，浏览新论文时经常会看到“(Vaswani et al., 2017)”的字样，以至于这个名字都快被刻进DNA了。
他们这是，离开谷歌了？
Transformer作者出走谷歌创业
Ashish Vaswani和Niki Parmar两位作者在推特上的官宣证实了这一消息。
两位大佬在谷歌干了5年有余，做出了Transformer这一具有代表性的傲人成绩后，开始了新的职业生涯。
他们参与创办的这家AI公司，名叫Adept ，目标是创造让人和计算机能够协同工作的通用人工智能。
说的更直白一些，他们就是要打造一个通用模型，它能做到不是让人用计算机来完成工作，而是让人和计算机一起使用同样的工具合作完成工作。
至于为什么要离开谷歌创业，这事儿还是得从Transformer说起。
众所周知，2017年诞生的Transfromer，具有高度的通用能力，一路从最初的NLP横跨CV等领域，成为了不少巨型模型的基本架构，包括大名鼎鼎的GPT-3、BERT、AlphaFold等。
截止目前，Transfromer在谷歌学术上显示的引用次数已达40723次。
顺便还带火了“xxx is all you need”格式的论文标题党方式。
而Ashish Vaswani和Niki Parmar和其他创始人们，正是看重Transformer的通用智慧，他们表示：
Transformer应该是第一个对每个主要AI用例都能“正常工作”的神经网络。
这让他们相信：通用人工智能是完全有可能被实现的。
但遗憾的是，尽管他们训练出了越来越大的Transformer，希望最终建立一个支持所有ML用例的通用Transformer，但眼下就已经出现了一个明显的限制：
Transformer可以写出一篇不错的文章，我们却没法要求它完成帮人订飞机票、给供应商开发票甚至做科学实验等等工作。
所以，这些人决定创办通用人工智能公司Adept。
正如前面所提到的，Adept要实现的通用人工智能模型不仅是读读写写，还能使用Airtable、Photoshop、ATS、Tableau、Twilio等工具帮你完成诸如“生成本月阅读报告”等工作。
因此有人认为，Adept的目标更像是协作智能，它选择了和其他通用人工智能（AGI）公司截然不同的实现道路，即并非建立AGI来接管各种有价值的任务，而是建立AI工具，来帮人类完成任务。这种方式更容易实现。
创业阵容豪华
Ashish Vaswani博士毕业于南加州大学，在谷歌大脑工作已有5年；Niki Parmar则是在印度上完大学后，同样在南加州大学读完硕士，在谷歌工作了近7年。
Adept的创始团队阵容除了这两位以外也非常豪华：
Kelsey Schroeder，斯坦福大学计算数学（computational mathematics ）专业硕士，前谷歌大模型生产infra的产品负责人；
Anmol Gulati，在谷歌主要做语音识别模型；
Augustus Odena，在谷歌领导大型语言模型相关的工作，也有不少图像合成方面的研究；
David Luan，前OpenAI加州实验室工程副总裁，参与过GPT-2、GPT-3、CLIP和DALL-E等模型的开发工作，后来他加入谷歌，担任谷歌大脑大模型研究的Director；
Erich Elsen，机器学习和高性能计算交叉领域的研究人员，前Deepmind员工，主要研究大模型，在更早之前，还分别在谷歌和百度（硅谷AI Lab）干了两年；
Fred Bertsch，谷歌数据和协作人工智能系统方面的专家。
最后一位，Maxwell Nye，是刚从MIT毕业的一位博士生，研究重点为自动代码生成。
总的来说，可谓大佬云集，且各有专攻。
他们的雄心壮志也顺利为公司拉来了6500万美元的天使轮融资，投资人包括Uber CEO、特斯拉自动驾驶负责人、Airtable创始人等。
目前，该公司已经开放招聘，共包含13种岗位。
One More Thing
Transformer作者一共有8位，都具有同等贡献。
其实在Ashish Vaswani和Niki Parmar之前，已经有1位——Aidan N. Gomez也出来创业了。
Aidan N. Gomez的公司Co:here还是专注于NLP。
Co:here去年5月成立，还不到一年，投资者阵容倒是也很强大，包括图灵奖得主Geoffrey Hinton、GAN之父Ian Goodfellow，以及斯坦福大学教授李飞飞等人。
不知道若干年以后，Adept以及Co:here能取得什么样的成果。
参考链接：
[1]https://twitter.com/AdeptAILabs/status/1518975477917962245
[2]https://www.adept.ai/post/introducing-adept
