01-神魔宇宙 ***宇宙天國首部曲 彌勒天書閣 https://maitreya-books.com/ 神話從來就不是怪力亂神,而是原始先民在日常生活情況的觀察之中,所建立的真實認知。唯有相信神話中的真實,才能感受到神話的詩意隱喻背後,所具有的神聖力量。打開你的想像,打開你的相信,你才能知道神話告訴了你什麼宇宙生命的資訊。 生命起源於宇宙之中,生長於宇宙之中,結束於宇宙之中,因此,宇宙的起源就是生命背景的起源。生命形成的每一個階段,其實都在述說著生命的本能,也就是生命本就存在的一種力量,在此雖是說明一種狀況,然而將這狀況投射在生命的生活行動之中,你就會明白自己究竟有哪些不可思議的本能!

數十位 AI 大牛憤然離職,解密Meta AI大模型團隊內鬥始末

2023091312:49



Meta參展2022年在上海舉行的進博會(來源:鈦媒體App編輯拍攝)

過去半年,為了追趕OpenAI的研發腳步,科技巨頭Meta公司(前Facebook)接連發布免費開源大語言模型LLaMA、Llama 2以及編程模型Code Llama等,引發了一場關於開源與閉源模型優劣的廣泛熱議。

但對於一些參與Llama大語言模型研發的Meta 科學家們來說卻不這樣想,普遍認為這款大模型來的太晚了,團隊精英 AI 人才流失太高了。

據The information近日報導,今年2月發表的Llama原始研究論文的14位作者中,包括FAIR巴黎團隊負責人Antoine Bordes在內的超過一半(7人)AI科學家離開了Meta,其中幾位跳槽或創辦了 AI 初創公司,或是到大公司,原因與內部算力資源鬥爭有關。

同時,OPT、ESMFold等多個項目也同時解散,員工合併重組,影響超過數十人,其中OPT研究論文的19位作者中,已經約有一半已不在Meta工作,近10位AI領域核心研發人員。

實際上,過去10多年來,馬克·扎克伯格(Mark Zuckerberg)一直將 AI 當作Meta新發展的重要起點,而且挖來了 AI 學術領域重要的科學家,如圖靈獎得主、Meta首席 AI 科學家楊立昆(Yann LeCun)等,但持續性團隊內鬥影響了Meta AI對於研究資源的分配。

而隨着全球經濟衰退加劇、緊急追趕ChatGPT,經歷一段時期的人員波動和內部整合、超過1萬名員工被裁掉。最終,Meta選擇商業化的 AI,放棄純科學性AI技術。

超半數Llama團隊憤然出走,因與OPT團隊內部算力爭奪有關

Meta在人工智能(AI)領域的核心研究,主要來源2013年成立的FAIR(Facebook AI Research)。

團隊組建之初,Meta聘請了圖靈獎獲得者、法國科學家楊立昆擔任 AI 研究負責人,整個FAIR的研究任務是將 AI 用於翻譯語言,推進AI醫療等場景。同時,FAIR團隊大手筆在美國加州門洛帕克、紐約、蒙特利爾、巴黎、倫敦和西雅圖六地設立實驗室。

據報導,FAIR在巴黎的團隊主要研發了Llama大模型,而FAIR美國團隊則研發OPT模型,兩個團隊主要向Meta基礎Al研究負責人Joelle Pineau匯報。據悉,Pineau不僅是Meta AI研究副總裁,而且還是麥吉爾大學教授,主要研究新的模型和算法。



Meta基礎Al研究負責人Joelle Pineau(來源:Meta AI官網)

早在2022年5月,ChatGPT發布之前,Meta美國團隊就公開發布了OPT-175B。當時Meta聲稱該模型比OpenAI的GPT-3訓練所需能源更少,而這兩個模型用於訓練的參數規模相同。據兩位知情人士稱,幾個月後,該團隊已經開始研究媲美谷歌PaLM的一款大模型。

與此同時,巴黎FAIR團隊已經開始研究另一種獨立的大模型,最終被稱為Llama,該模型參數比OPT小,團隊認為較小模型在推理(即對問題生成響應的過程)方面會更有效,尤其Llama需要的算力資源低於OPT模型。

不過,由於Meta的算力資源有限,內部分配一直不合理。而這種算力爭奪加劇了團隊之間的緊張關係。

據報道,Meta內部每月做出一次算力分配決定,與不同業務部門、不同優先事項,以及項目發布時間等因素有關。而如果FAIR的員工提出爭議,這些爭議就會升級,交由Pineau做出決定。

Pineau回應稱,Llama和OPT團隊在算力分配的問題上「有些緊張」,稱「儘管我們不保證每個人都會得到想要的,但我們一直試圖在平衡各方需求」。

2023年開始,隨着ChatGPT對話 AI 模型風靡全球,兩個團隊內鬥緊張局勢達到了頂峰。

今年2月,Meta FAIR發布了Llama開源模型,並獲得研究使用許可,而且多個團隊使用Llama開發了Vina等其他開源大模型,廣受好評。

但在發布會前一周,FAIR團隊聯合創辦人兼巴黎團隊負責人Antoine Bordes卻離開了Meta公司,報道稱,其主要與美國團隊的內鬥讓Bordes精疲力盡。Bordes拒絕置評。

同時,自去年11月起,扎克伯格開始了Meta全公司範圍的裁員,涉及超過1萬名員工,FAIR團隊也未能倖免。今年2月,Meta成立了一個新團隊,專注於開發生成式 AI 技術,團隊負責人是蘋果前高管Ahmad Al-Dahle。隨後很多FAIR、Llama 2開發團隊都加入其中,又一次進行了團隊洗牌。

而Meta這種人員變動、整合,讓FAIR團隊只能研究Code Llama。因此,更多Llama、OPT等項目的研究人員感受到了更大的內部鬥爭氛圍,憤然離職。

據報導,目前,Llama原始研究論文的14位作者中,超過7人已從Meta離職。而2022年5月公布的OPT原始研究論文的19位作者中,約有10名 AI 大牛已經從Meta離開。The information提到了其中四位的去向:

    FAIR巴黎分部負責人Antoine Bordes已離職,加入了軍工 AI 公司Helsing

    Llama論文作者、FAIR研究總監Armand Joulin,今年5月離職,隨後加入了蘋果公司。

    Llama論文作者Timothee Lacroix和Guillaume Lample已離職,共同創立了 AI 初創公司MistralAI

    Llama論文作者Marie-Anne Lachaux已離職,加入了MistralAl

另外,今年8月有報導稱,Meta為了降本增效,裁掉了對標谷歌DeepMind AlphaFold、利用 AI 大模型實現蛋白質預測的生物科學ESMFold項目團隊。此前,該團隊研發出了150億參數、預測超6億個宏基因組蛋白質序列大模型ESMFold,AI 的速度比 AlphaFold 快 60 倍。不過如今,該團隊已解散,負責人已辭職創業。

英國《金融時報》認為,Fair實驗室內部的學術文化是Meta遲遲在 AI 大模型競爭中獲得領先的原因,而隨着ChatGPT的爆發,如今Meta試圖調整目標「GenAI」,並重新配置其Fair團隊的研究方向,轉向 AI 模型的商業化。

扎克伯格表示,隨着開發者不斷改進模型,Meta可以將這些改進融入其廣告和消費產品中。看起來,扎克伯格從Llama看到了以開源在AI競爭中打開局面的可能性。

Joelle Pineau坦言,留住和吸引優秀人才是公司花費大部分時間的原因。如果沒有優秀的研究人員,她什麼也做不了。

「由於 AI 領域發展如此之快,我們正在共同思考,FAIR應該擁有哪個項目?Gen AI 應該擁有哪個項目?我們應該持續關注兩個團隊的工作成果。」Pineau表示。

算力不足下,Meta仍計劃明年發布對標GPT-4的大模型

Meta AI 研究團隊這一內鬥、核心人員離職案例,可以從兩個角度解讀。

一是大公司創新能力隨着內部問題不斷下降,資本和大科技公司創新鴻溝加深。(詳見鈦媒體App前文:《全球經濟巨變下,資本和科技創新之間的衝突與平衡》)

此前,谷歌也做了類似的事情,DeepMind研發 AI 技術多年,誕生出了AlphaFold、AlphaGo等行業頂級技術,但難以盈利,2018年-2020年總虧損額超過17億美元。因此在今年4月,谷歌母公司Alphabet CEO Sundar Pichai (皮猜)宣布,將谷歌大腦和DeepMind 兩大團隊合併,組成「Google DeepMind」部門,研發任務之一是多模態 AI 模型,而此前谷歌大腦、DeepMind內部競爭頗多。

另外在阿里內部也產生一定的競爭。近日,阿里達摩院M6大模型帶頭人楊紅霞、阿里雲AI大牛賈揚清、機器學習科學家金榕等 AI 大牛也紛紛離職,有消息稱,阿里大模型研發時經過內部的競賽流程,金榕和楊紅霞團隊技術產生競爭,最終諸多因素下才最終選擇楊紅霞的模型技術,從而誕生通義千問,不過最終兩位技術負責人均從阿里辭職。

搜狗創始人、百川智能創始人兼CEO王小川告訴鈦媒體App,「資本是逐利的,所以不是投自動駕駛就是安防。對大廠來說,當時投錢創新是有巨大風險的。對企業的一號位來說,想的更多還是業務上的東西,花錢最後沒出成果,算誰的?」

另外一方面是Meta的算力資源不足。

隨着OpenAI用微軟雲的算力、谷歌則自行購買GPU(圖形處理器)芯片,多家科技巨頭加大算力基礎設施布局。而Meta沒有自己的龐大雲算力儲備,因此在生成式AI的賽道上明顯「掉隊」。

2022年的一場5個小時會議上,Meta的基礎設施負責人當時表示:「我們在開發AI的工具、工作流程和程序上存在顯著差距,我們必須得投入大筆投資。」而隨着ChatGPT的發布,全球 AI 訓練、推理算力需求加劇,Meta似乎只能追趕。

據報導,GPT-3使用10000張GPU A100顯卡、花了30天才訓練完了1750 億參數,單 GPU 計算性能為12TFlops,消耗的總算力為每天每秒3640PetaFlop,GPU-4數據更高。即便是利用3584 個英偉達最新 H100 芯片,GPT-3大模型訓練任務也需要11分鐘。而OpenAI尚未透露GPT-4的大小,但估計參數為1.5萬億。

龐大的數據量需要大量的算力支持。因此,Meta依然需要購買大量英偉達產品,補足算力缺口,例如Meta Llama模型已經在微軟雲平台Azure上提供。

Meta CFO Susan Li在今年2月坦承,Meta投入給生成式AI的算力相當有限,基本上所有的AI算力都投向了廣告、信息流和短視頻項目。

即便是算力不足,扎克伯格仍希望盡力追趕,並且打造更多的大模型產品落地應用。

據外媒9月11日報導,Meta正在開發一種新的 AI 大語言模型(LLM),超越Llama 2,性能比肩GPT-4。報導稱,預計Meta將在2024年初開始訓練這一大模型。-(鈦媒體/作者:林志佳/鈦媒體焦點)