ChatGPT火遍了全球 谷歌顶级AI人才组团叛逃OpenAI

其实，OpenAI的一个‘大杀器’就是——从Google挖人。

而如今ChatGPT既然已成顶流，Google的人才们也纷纷开始主动跳槽到OpenAI。

今天，两位前Google员工Jason Wei和Hyung Won Chuang仿佛约好了一般，前后脚宣布从Google大脑离职、入职OpenAI，还互相转了推。

只有Google受伤的世界达成了。

OpenAI的秘密武器：前Google工程师

其实，为了ChatGPT，OpenAI很早就开始了‘挖角’工作。

在公开发布ChatGPT的前几周，OpenAI悄悄从Google挖来至少5名员工，进行了最后的润色，以便ChatGPT可以在11月发布。

在OpenAI的官宣博客中，Barret Zoph、Liam Fedus、Luke Metz、Rapha Gontijo Lopes，这几位前Google员工的名字，被列在了ChatGPT的主要贡献者名单中。

上：Jacob Devlin， Liam Fedus和Shane Gu；下：Rapha Gontijo Lopes， Samuel Schoenholz和Barret Zoph

上个月，OpenAI又从Google那里挖来一名负责为搜索引擎开发机器学习模型的研究员。然后，OpenAI不出意外地把这项技术用到了自家的ChatGPT上。

而最近，就像我们开头看到的那样，Google主要AI团队——Google大脑的研究人员，纷纷跳槽到了OpenAI。据粗略统计，Google大脑至少失去了4名核心成员。

Bard发布会上大出丑，员工时候纷纷吐槽不用心、糊弄事儿，Google大脑核心员工又纷纷‘叛逃’，真是应了那句话：人倒霉的时候，喝凉水都塞牙。

但其实，Google能走到这一步，是冥冥之中的必然。

Google：没赶上热乎的

在吸纳了世界上大部分机器学习人才之后，Google却被OpenAI抢了先。

Google只能忙不迭地追赶OpenAI的脚步，向公众推出以AI为中心的产品。

客观地说，Google的做法是经过深思熟虑的、负责任的。作为一个有庞大影响力的科技巨头，Google时刻防范着高风险，害怕新生的技术会出错。（当然也有一个原因是，与经典的搜索相比，聊天机器人提供类人答案的成本会更高。）

但是商场如战场，不会给你犹豫的机会。

Google早早孵化出的一些AI技术，已经不知不觉被OpenAI转化为新型的创收服务，包括聊天机器人，以及文本生成图像和视频的AI。

Google的人才，也慢慢流失到了这类小初创公司。

最近，两位Google大脑研究员表示，团队里有不少员工都认为Google现在的产品计划过度谨慎，充斥着繁文缛节。在这种大环境下，工程师们不得不面对，自己费尽心思研究的新技术却始终无法被采用的挫败感。

某些员工相当憋屈，因为自己这几年一直在建议将聊天功能融入搜索引擎之中，但并没有得到反馈。

因此他们下定决心离开，去其他地方寻找机会，比如OpenAI。

其实，Google在创立之初，也正是这样从大厂挖人的。

20世纪90年代末，当时的老牌技术公司Digital Equipment就面临着学术研究难以商业化的问题。而Google正是借此机会，得到了现在的AI扛把子——Jeff Dean。

当然，Google现在也没有坐以待毙，很快就推出了Bard，和ChatGPT正面硬刚。

之后的故事大家都知道了，Bard一上来就翻了车——在关于詹姆斯·韦伯太空望远镜的问题上给出了错误的答案。

在无法避免AI聊天机器人胡说八道这方面，Google确实预判得很准。

但既然迟早要走上这一步，‘声誉风险’只能暂且忽略，当初何必如此谨慎，被OpenAI和微软抢了先呢？

Google真是一步错步步错啊。

搞出Transformer，给他人做嫁衣

Google新老员工都在吐槽，公司对员工的科技创新转化实在是太缓慢了。

但Google之所以如此谨慎，是有前情的。

行业观察家们早就警告说，AI会生成假图像、错误信息、歧视言论，因此造成不良的社会影响。

比如，在2015年，Google照片中的图像识别AI，曾将一些黑人标记为‘大猩猩’。

两年后，Google大脑的一个团队发表了那篇著名的论文，提出了振聋发聩的机器学习新方法——Transformer，也为OpenAI创建ChatGPT夯实了基础。

奇怪的是，当其他公司使用Google的论文创建自己的Transformer，制作AI聊天机器人，或文本生成图像模型时，Google却从未推出类似的产品。

在发起Transformer革命四年后，Google宣称已经创建了一个基于Transformer的大语言模型LAMDA，可以理解并生成与人类的对话。

但Google却始终犹豫不决，没有公开推出LaMDA，因为担心技术不够准确。

一位前Google大脑员工说，他们认为Google人工智能研究部门的管理者剥夺了一些团队的计算资源，让他们无法像OpenAI那样训练AI模型。

一位Google现任员工说，如果有谁想推出一个新的AI产品，就要跨越重重官僚主义的障碍，因此最后，所有人都放弃了努力，留在了旧轨道上。

对比鲜明的是，微软的CEO纳德拉和OpenAI的CEO Sam Altman之间已经达成了协议，允许OpenAI免费在微软的云端训练AI。

在所有Transformer驱动的技术上，Google都非常谨慎。

据说，OpenAI在去年发布文本生成图像模型Dall-E 2时，Google已经有了两个类似功能的模型。

但是据知情人士透露，当Dall-E 2生成的图像开始在网上疯转时，Google依然对自家的同类模型坐视不理，即使有保障措施，也不愿意与公众分享，因为Google担心它们可能被滥用。

自家员工，还要签免责声明

在去年年底，Google员工想使用公司的图像生成技术时，仍然需要先申请。

Google把这个技术修改为不生成人脸，就是为了防止误用。并且，这个技术的内部用户还必须签署一份免责声明，免除Google对该系统产生内容的责任。

爆料称，创建Google两大图像生成AI工具之一Imagen的团队中，一些员工已经离职。

据说，Imagen共同作者Mohammad Norouzi所领衔的初创公司，最近以超过1亿美元的估值进行了融资，尽管这个团队对想要推出什么产品暂时还没有明确的想法。

在ChatGPT推出后的几周内，Google领导层就在一次全体员工会议上告诉员工们，虽然公司有类似的技术，但Google产品的规模（数十亿人用户）意味着它必须比OpenAI这样的初创公司更谨慎地推出这种技术。

不过，Google看到ChatGPT的繁荣景象之后，立马发布红色代码，还推出了‘绿色通道’，缩短评估和减轻潜在危害的流程。

可惜，为时已晚。

一个接一个，全走了

借着ChatGPT的势头，OpenAI还在持续吸引着在Google的研究员们。

今年1月，Jacob Devlin跳槽到了OpenAI。他曾他曾帮助Google创建了极为著名的机器学习模型——Bidirectional Encoder Representations from Transformers，简称BERT。

根据社交媒体资料和知情人士的说法，Shane Gu、David Dohan、Alexandre Passos和Samuel Schoenholz最近也已离开Google加入OpenAI。

而刚刚提到的这位Alexandre Passos，不仅是Google大脑的高级软件工程师，而且发表过众多机器学习和自然语言处理的论文。

其中的‘Scikit-learn： Machine learning in Python’，甚至已经被引用了将近7万次。

不过，少数人员的流失，对于有着800名世界顶尖人才的Google大脑来说，影响并不大。

此外，明星员工离开大厂自立门户也是一个常态。有不少新兴的AI初创公司都是出自Google大脑的前员工之手。比如，开发聊天机器人的Character。

然而，在竞争对手OpenAI的压力下，Google领导层越来越倾向于更快地交付新的产品。

自去年年底以来，随着Google试图进一步提高产品推出的速度，Google大脑对工程师的需求也在不断增加，工作节奏明显加快。

多种因素叠加的后果就是，向来谨慎的Google在Bard的演示中，由于一个明显的事实性错误，瞬间让千亿美元的市值化为乌有。

Google——载入史册的‘黄埔军校’

‘硅谷的黄埔军校’，Google确实当得起这个称呼。

在过去一年左右的时间里，Google有不少大牛都跳到了更灵活的初创公司，比如OpenAI和Stable Diffusion。

包括Character.AI、Cohere、Adept、Inflection.AI和Inworld AI等等这些围绕着大规模语言模型建立的初创公司，也都是出自Google顶级AI研究人员之手。

此外，还有使用类似模型开发聊天界面的搜索初创公司，如Google前高管Sridhar Ramaswamy经营的Neeva。

其中，Character.AI的创始人Noam Shazeer，Cohere的联合创始人Aidan Gomez，更是研发Transformer以及其他核心机器学习架构的关键人物。

著名研究科学家David Ha在Twitter上说：‘如果Google再不振作起来，开始发布自己的人工智能产品，就将作为训练整整一代机器学习研究人员和工程师的“黄埔军校”载入史册。’

而这位大佬也在2022年离开Google大脑，加入了明星初创公司Stable Diffusion。