【新智元導讀】據The Information爆料，OpenAI在最近幾個月里挖了至少十幾名谷歌AI的員工，而這些工程師都在ChatGPT的研究中發揮了至關重要的作用。
如今已經沒人能否認，OpenAI憑ChatGPT火遍了全球。
所有AI從業者和投資人都想知道，一家成立7年的小初創公司，究竟是如何擊敗谷歌的。
其實，OpenAI的一個「大殺器」就是——從谷歌挖人。
而如今ChatGPT既然已成頂流，谷歌的人才們也紛紛開始主動跳槽到OpenAI。
今天，兩位前谷歌員工Jason Wei和Hyung Won Chuang仿佛約好了一般，前後腳宣布從谷歌大腦離職、入職OpenAI，還互相轉了推。
只有谷歌受傷的世界達成了。
OpenAI的秘密武器：前谷歌工程師
其實，為了ChatGPT，OpenAI很早就開始了「挖角」工作。
在公開發布ChatGPT的前幾周，OpenAI悄悄從谷歌挖來至少5名員工，進行了最後的潤色，以便ChatGPT可以在11月發布。
在OpenAI的官宣博客中，Barret Zoph、Liam Fedus、Luke Metz、Rapha Gontijo Lopes，這幾位前谷歌員工的名字，被列在了ChatGPT的主要貢獻者名單中。
上：Jacob Devlin, Liam Fedus和Shane Gu；下：Rapha Gontijo Lopes, Samuel Schoenholz和Barret Zoph
上個月，OpenAI又從谷歌那裡挖來一名負責為搜索引擎開發機器學習模型的研究員。然後，OpenAI不出意外地把這項技術用到了自家的ChatGPT上。
而最近，就像我們開頭看到的那樣，谷歌主要AI團隊——谷歌大腦的研究人員，紛紛跳槽到了OpenAI。據粗略統計，谷歌大腦至少失去了4名核心成員。
Bard發布會上大出醜，員工時候紛紛吐槽不用心、糊弄事兒，谷歌大腦核心員工又紛紛「叛逃」，真是應了那句話：人倒霉的時候，喝涼水都塞牙。
但其實，谷歌能走到這一步，是冥冥之中的必然。
谷歌：沒趕上熱乎的
在吸納了世界上大部分機器學習人才之後，谷歌卻被OpenAI搶了先。
谷歌只能忙不迭地追趕OpenAI的腳步，向公眾推出以AI為中心的產品。
客觀地說，谷歌的做法是經過深思熟慮的、負責任的。作為一個有龐大影響力的科技巨頭，谷歌時刻防範着高風險，害怕新生的技術會出錯。（當然也有一個原因是，與經典的搜索相比，聊天機器人提供類人答案的成本會更高。）
但是商場如戰場，不會給你猶豫的機會。
谷歌早早孵化出的一些AI技術，已經不知不覺被OpenAI轉化為新型的創收服務，包括聊天機器人，以及文本生成圖像和視頻的AI。
谷歌的人才，也慢慢流失到了這類小初創公司。
最近，兩位谷歌大腦研究員表示，團隊裡有不少員工都認為谷歌現在的產品計劃過度謹慎，充斥着繁文縟節。在這種大環境下，工程師們不得不面對，自己費盡心思研究的新技術卻始終無法被採用的挫敗感。
某些員工相當憋屈，因為自己這幾年一直在建議將聊天功能融入搜索引擎之中，但並沒有得到反饋。
因此他們下定決心離開，去其他地方尋找機會，比如OpenAI。
其實，谷歌在創立之初，也正是這樣從大廠挖人的。
20世紀90年代末，當時的老牌技術公司Digital Equipment就面臨着學術研究難以商業化的問題。而谷歌正是藉此機會，得到了現在的AI扛把子——Jeff Dean。
當然，谷歌現在也沒有坐以待斃，很快就推出了Bard，和ChatGPT正面硬剛。
之後的故事大家都知道了，Bard一上來就翻了車——在關於詹姆斯·韋伯太空望遠鏡的問題上給出了錯誤的答案。
在無法避免AI聊天機器人胡說八道這方面，谷歌確實預判得很準。
但既然遲早要走上這一步，「聲譽風險」只能暫且忽略，當初何必如此謹慎，被OpenAI和微軟搶了先呢？
谷歌真是一步錯步步錯啊。
搞出Transformer，給他人做嫁衣
谷歌新老員工都在吐槽，公司對員工的科技創新轉化實在是太緩慢了。
但谷歌之所以如此謹慎，是有前情的。
行業觀察家們早就警告說，AI會生成假圖像、錯誤信息、歧視言論，因此造成不良的社會影響。
比如，在2015年，谷歌照片中的圖像識別AI，曾將一些黑人標記為「大猩猩」。
兩年後，谷歌大腦的一個團隊發表了那篇著名的論文，提出了振聾發聵的機器學習新方法——Transformer，也為OpenAI創建ChatGPT夯實了基礎。
奇怪的是，當其他公司使用谷歌的論文創建自己的Transformer，製作AI聊天機器人，或文本生成圖像模型時，谷歌卻從未推出類似的產品。
在發起Transformer革命四年後，谷歌宣稱已經創建了一個基於Transformer的大語言模型LaMDA，可以理解並生成與人類的對話。
但谷歌卻始終猶豫不決，沒有公開推出LaMDA，因為擔心技術不夠準確。
一位前谷歌大腦員工說，他們認為谷歌人工智能研究部門的管理者剝奪了一些團隊的計算資源，讓他們無法像OpenAI那樣訓練AI模型。
一位谷歌現任員工說，如果有誰想推出一個新的AI產品，就要跨越重重官僚主義的障礙，因此最後，所有人都放棄了努力，留在了舊軌道上。
對比鮮明的是，微軟的CEO納德拉和OpenAI的CEO Sam Altman之間已經達成了協議，允許OpenAI免費在微軟的雲端訓練AI。
在所有Transformer驅動的技術上，谷歌都非常謹慎。
據說，OpenAI在去年發布文本生成圖像模型Dall-E 2時，谷歌已經有了兩個類似功能的模型。
但是據知情人士透露，當Dall-E 2生成的圖像開始在網上瘋轉時，谷歌依然對自家的同類模型坐視不理，即使有保障措施，也不願意與公眾分享，因為谷歌擔心它們可能被濫用。
自家員工，還要簽免責聲明
在去年年底，谷歌員工想使用公司的圖像生成技術時，仍然需要先申請。
谷歌把這個技術修改為不生成人臉，就是為了防止誤用。並且，這個技術的內部用戶還必須簽署一份免責聲明，免除谷歌對該系統產生內容的責任。
爆料稱，創建谷歌兩大圖像生成AI工具之一Imagen的團隊中，一些員工已經離職。
據說，Imagen共同作者Mohammad Norouzi所領銜的初創公司，最近以超過1億美元的估值進行了融資，儘管這個團隊對想要推出什麼產品暫時還沒有明確的想法。
在ChatGPT推出後的幾周內，谷歌領導層就在一次全體員工會議上告訴員工們，雖然公司有類似的技術，但谷歌產品的規模（數十億人用戶）意味着它必須比OpenAI這樣的初創公司更謹慎地推出這種技術。
不過，谷歌看到ChatGPT的繁榮景象之後，立馬發布紅色代碼，還推出了「綠色通道」，縮短評估和減輕潛在危害的流程。
可惜，為時已晚。
一個接一個，全走了
借着ChatGPT的勢頭，OpenAI還在持續吸引着在谷歌的研究員們。
今年1月，Jacob Devlin跳槽到了OpenAI。他曾他曾幫助谷歌創建了極為著名的機器學習模型——Bidirectional Encoder Representations from Transformers，簡稱BERT。
根據社交媒體資料和知情人士的說法，Shane Gu、David Dohan、Alexandre Passos和Samuel Schoenholz最近也已離開谷歌加入OpenAI。
而剛剛提到的這位Alexandre Passos，不僅是谷歌大腦的高級軟件工程師，而且發表過眾多機器學習和自然語言處理的論文。
其中的「Scikit-learn: Machine learning in Python」，甚至已經被引用了將近7萬次。
不過，少數人員的流失，對於有着800名世界頂尖人才的谷歌大腦來說，影響並不大。
此外，明星員工離開大廠自立門戶也是一個常態。有不少新興的AI初創公司都是出自谷歌大腦的前員工之手。比如，開發聊天機器人的Character。
然而，在競爭對手OpenAI的壓力下，谷歌領導層越來越傾向於更快地交付新的產品。
自去年年底以來，隨着谷歌試圖進一步提高產品推出的速度，谷歌大腦對工程師的需求也在不斷增加，工作節奏明顯加快。
多種因素疊加的後果就是，向來謹慎的谷歌在Bard的演示中，由於一個明顯的事實性錯誤，瞬間讓千億美元的市值化為烏有。
谷歌——載入史冊的「黃埔軍校」
「硅谷的黃埔軍校」，谷歌確實當得起這個稱呼。
在過去一年左右的時間裡，谷歌有不少大牛都跳到了更靈活的初創公司，比如OpenAI和Stable Diffusion。
包括Character.AI、Cohere、Adept、Inflection.AI和Inworld AI等等這些圍繞着大規模語言模型建立的初創公司，也都是出自谷歌頂級AI研究人員之手。
此外，還有使用類似模型開發聊天界面的搜索初創公司，如谷歌前高管Sridhar Ramaswamy經營的Neeva。
其中，Character.AI的創始人Noam Shazeer，Cohere的聯合創始人Aidan Gomez，更是研發Transformer以及其他核心機器學習架構的關鍵人物。
著名研究科學家David Ha在推特上說：「如果谷歌再不振作起來，開始發布自己的人工智能產品，就將作為訓練整整一代機器學習研究人員和工程師的『黃埔軍校』載入史冊。」
而這位大佬也在2022年離開谷歌大腦，加入了明星初創公司Stable Diffusion。-(新智元報導*編輯:Aeneas*好睏/來源:新智元)
參考資料：
https://www.theinformation.com/articles/openais-hidden-weapon-ex-google-engineers?rc=epv9gi
https://www.businessinsider.com/chatgpt-openai-google-ai-employees-hired-report-2023-2
