谷歌又被曝出有核心員工離職了！

這次跑路的竟是DeepMind的核心技術(shù)大佬，Gemini項(xiàng)目的四位主要開發(fā)者之一，Ioannis Antonoglou。

上圖左半部分列出了Gemini項(xiàng)目的36位領(lǐng)導(dǎo)者，自去年九月以來，包括Ioannis Antonoglou在內(nèi)，已有四位主要成員離開。

Ioannis Antonoglou

在OpenAI以及背后微軟的擠壓之下，谷歌的日子貌似不太好過。

去年裁員12000多人，光遣散費(fèi)就花了幾十億美元，劈柴還宣布今年要持續(xù)裁員一整年，而一邊的OpenAI也在花心思挖角谷歌的高級(jí)人才。

另一方面，AI行業(yè)的大佬們?cè)诖竽Ｐ蛶淼淖兏镏邪l(fā)現(xiàn)了新的風(fēng)口，——比如AI智能體（Agent）。

越來越多的初創(chuàng)公司試圖在這個(gè)領(lǐng)域嶄露頭角，Antonoglou這次離職的目標(biāo)就是創(chuàng)辦自己的人工智能公司，并瞄準(zhǔn)Agent這個(gè)市場(chǎng)。

Antonoglou目前的兩位合伙人，Sherjil Ozair和Misha Laskin，也是之前一起參與Gemini項(xiàng)目的同事。據(jù)一位知情人士透露，他們已經(jīng)開始為自己的初創(chuàng)企業(yè)籌集資金。

——谷歌的科技帝國(guó)開枝散葉......也未嘗不是一件好事？

當(dāng)然，如果這家新公司決定涉足智能體領(lǐng)域，也將面臨眾多競(jìng)爭(zhēng)對(duì)手。

近期的初創(chuàng)公司，包括獲得General Catalyst支持的Adept（已籌集4.3億美元）和獲得Nvidia支持的Imbue（已籌集超過2億美元），都在從事智能體的研發(fā)。

其他的初創(chuàng)公司還包括HyperWrite和Lindy，而大公司沒準(zhǔn)也會(huì)來插一腳。

Antonoglou于2012年加入DeepMind。

2013年，Antonoglou作為七位作者之一，發(fā)表了一篇關(guān)于深度強(qiáng)化學(xué)習(xí)的論文，能夠在無需人類干預(yù)的情況下學(xué)習(xí)，并掌握Atari視頻游戲。

這篇工作在NIPS 2013的Deep Learning Workshop中展示，而這一突破也引起了谷歌和Facebook領(lǐng)導(dǎo)層的注意，他們認(rèn)識(shí)到這可以用于增強(qiáng)自己的廣告業(yè)務(wù)。

2014年，谷歌以超過5億美元的價(jià)格收購(gòu)了只有約有75名員工的DeepMind。之后Antonoglou參與開發(fā)了擊敗圍棋頂尖人類選手的 AI。

有趣的是，OpenAI的團(tuán)隊(duì)也受此影響，采用類似技術(shù)開發(fā)了一個(gè)能玩Dota 2的AI系統(tǒng)。

還有上面提到的Antonoglou的合伙人Sherjil Ozair也是業(yè)內(nèi)的大佬。

Ozair去年夏天離開DeepMind加入Tesla，他之前也同Antonoglou 合作發(fā)表過一些文章，比如下面這篇來自PMLR'2021。

而他更加有名的一篇工作是我們大部人都非常熟悉的「GAN」（生成對(duì)抗網(wǎng)絡(luò)）。

這篇開創(chuàng)性的工作為后續(xù)生成式AI模型的發(fā)展奠定了基礎(chǔ)。

「開枝散葉」

除了上面介紹的大佬，在過去兩年里，DeepMind和Google Brain的一些員工紛紛離職，開創(chuàng)了自己的新公司。

包括開發(fā)開源AI模型的Mistral AI，以及同樣致力于生成式AI模型的Sakana AI和Reka AI。

最近，又有三位在谷歌負(fù)責(zé)圖像和音樂方向的AI研究人員離職，據(jù)知情人士透露，他們成立了自己的AI初創(chuàng)公司Uncharted Labs。

這也揭示了谷歌內(nèi)部可能存在的結(jié)構(gòu)性問題，推出的AI產(chǎn)品錯(cuò)失良機(jī)，而頂尖的研究人員則決定抓住外部機(jī)遇，抓住風(fēng)險(xiǎn)投資者對(duì)AI領(lǐng)域新公司的熱情。

文件顯示，這三位創(chuàng)始人已經(jīng)籌集了850萬美元，最近幾個(gè)月，他們還會(huì)見了包括Andreessen Horowitz在內(nèi)的潛在投資者。

三人團(tuán)隊(duì)的總裁是David Ding，他此前是Google DeepMind的技術(shù)負(fù)責(zé)人。

而另外兩位Charlie Nash和Yaroslav Ganin，是Ding之前在DeepMind的團(tuán)隊(duì)成員。Ding和Ganin在谷歌工作了五年以上。

Ding之前的團(tuán)隊(duì)還有一名成員Conor Durkan也在去年離職了。

在DeepMind，這四個(gè)人參與了一個(gè)項(xiàng)目，使AI能夠根據(jù)用戶的簡(jiǎn)單描述創(chuàng)造出原創(chuàng)的圖像和音樂。

去年11月，DeepMind公開了音樂生成模型Lyria，能夠從頭開始創(chuàng)作歌曲，包括利用Charlie Puth和John Legend等藝術(shù)家的人聲。

這幾個(gè)人還參與了Imagen 2的開發(fā)，作為Midjourney和DALL·E 3（OpenAI ）的競(jìng)品。

面對(duì)這不容樂觀的水土流失，谷歌被逼無奈，只好咬牙提高頂尖AI研究人才的待遇，使用特別的股獎(jiǎng)勵(lì)措施。

然而，對(duì)于那些致力于生成式AI的初創(chuàng)公司來說，輕松獲得風(fēng)險(xiǎn)投資的吸引力極大。

根據(jù)PitchBook和National Venture Capital Association的數(shù)據(jù)顯示，2023年在美國(guó)，超過三分之一的風(fēng)險(xiǎn)投資涌向了AI領(lǐng)域。

AI 智能體未達(dá)預(yù)期

AI智能體的概念隨著生成式AI大模型的發(fā)展而開始流行，Agent可以自動(dòng)幫助人類處理線上購(gòu)物、訂票、會(huì)議等。

比如AutoGPT和BabyAGI，承諾能做到從預(yù)訂機(jī)票到回復(fù)短信等一切自動(dòng)化操作。然而，它們很快就暴露出了技術(shù)上的限制。

包括OpenAI推出的相關(guān)產(chǎn)品，目前也沒有什么實(shí)質(zhì)性的進(jìn)展。

現(xiàn)有的Agent執(zhí)行任務(wù)的能力參差不齊，還容易重復(fù)相同的行為模式，研究人員正也嘗試新的方法解決這些問題，比如開發(fā)更適合智能體任務(wù)的專用軟件，而不是依賴現(xiàn)成的模型。

HyperWrite的聯(lián)合創(chuàng)始人兼CEO Matt Shumer表示，AI智能體之所以未能如預(yù)期般發(fā)展，有幾個(gè)原因。

目前的智能體雖然能夠規(guī)劃并將目標(biāo)分解成子任務(wù)（比如將競(jìng)爭(zhēng)對(duì)手研究，分解為評(píng)估管理層、預(yù)測(cè)銷售額和成本計(jì)算），但是在執(zhí)行這些子任務(wù)時(shí)往往遇到困難。

同自動(dòng)駕駛一樣，智能體經(jīng)常會(huì)被從未遇到過的「邊緣情況」所困擾，這種失敗可能會(huì)削弱消費(fèi)者的信任。

另外，這個(gè)行業(yè)似乎面臨著與大型語(yǔ)言模型開發(fā)商同樣的問題：他們正試圖用風(fēng)險(xiǎn)資本解決一個(gè)長(zhǎng)期的研究問題，而投資者卻希望盡早看到成品和投資回報(bào)。

解決方案

傳統(tǒng)的AI智能體通常由三部分構(gòu)成：

一是像GPT-4這樣的大語(yǔ)言模型，負(fù)責(zé)規(guī)劃完成目標(biāo)所需的任務(wù)；二是向量數(shù)據(jù)庫(kù)，幫助智能體記住以往的行動(dòng)和目標(biāo)相關(guān)的重要背景信息；三是LangChain等工具，負(fù)責(zé)將這些組件連接起來。

而HyperWrite正在嘗試一種截然不同的結(jié)構(gòu)。根據(jù)請(qǐng)求的復(fù)雜程度，HyperWrite能將客戶的請(qǐng)求分配給不同的模型處理。

Shumer表示，GPT等傳統(tǒng)大語(yǔ)言模型僅能處理簡(jiǎn)單的網(wǎng)絡(luò)搜索，而HyperWrite的定制模型則更擅長(zhǎng)分析網(wǎng)頁(yè)內(nèi)容并與之交互，如點(diǎn)擊不同的按鈕。HyperWrite目前已有數(shù)千名付費(fèi)用戶。

與此類似，Imbue也在開發(fā)多種模型，包括大語(yǔ)言模型和多模態(tài)模型，以幫助AI智能體解決軟件編碼等問題。

為此，Imbue團(tuán)隊(duì)特別標(biāo)注訓(xùn)練數(shù)據(jù)，使模型能夠理解博客文章或軟件代碼背后的邏輯。

Imbue的開發(fā)者會(huì)對(duì)模型訓(xùn)練數(shù)據(jù)中的代碼行進(jìn)行注釋，說明它們是如何為更大的軟件項(xiàng)目貢獻(xiàn)的。這樣一來，模型便能學(xué)會(huì)單行代碼如何協(xié)同工作，共同實(shí)現(xiàn)一個(gè)更廣泛的目標(biāo)。

另一種智能體的發(fā)展方向是專注于特定的任務(wù)。

比如，Imbue使用了多個(gè)專門解決特定問題的智能體，從修正代碼格式錯(cuò)誤到分析AI政策趨勢(shì)。這種專注于特定領(lǐng)域的方法減少了智能體遇到的問題邊緣情況。

Shumer認(rèn)為，隨著時(shí)間的推移，通用型模型將最終超越專用于特定任務(wù)的模型，但CRV的Vivian Cheng認(rèn)為，由于技術(shù)還處于初期階段，短期到中期內(nèi)很難開發(fā)出一個(gè)可靠的通用型智能體。

——也許「通用」和「專用」會(huì)在未來的某個(gè)時(shí)間點(diǎn)相遇吧，讓我們拭目以待。