速约到家app_微信怎么约附近100元3小时_400块钱3小时无限次快餐

硅星人的读者应该都对OpenAI比较熟悉了。这家总部位于旧金山的实验室，是AI基础科研领域的全球领导者之一。它开发的GPT语言生成模型，一次又一次刷新人们对于深度学习能力的认知。OpenAI原是非营利机构，但为了更好地实现产研结合，用期权留住员工，之前也成立了有限营利的公司。

不过在去年12月，OpenAI一批早期/核心员工集体离职，在领域内引起了不小的轰动。这次“出OpenAI记”并非普通的跳槽，相关离职人员也保持了很长时间的缄默，以至于圈内人士都不知道他们接下来有何打算。

最近，这批OpenAI前核心员工终于宣布了他们前所未有的伟大计划：解决长久以来神经网络的“黑盒子”问题，为研究者们开发能够解释AI真正工作原理的工具。

他们创办了一家新公司Anthropic，致力于提高AI安全和可解释性。这些创始成员相信，“通用人工智能”（artificialgeneralintelligence）不久后即将到来，而AI安全将会成为日后最重要的研究方向。

这家新公司也被投资者赋予了极大的期待。据了解，其A轮融资已经完成，规模高达1.24亿美元，投资人包括Skype创始人杨·塔林（领投）、埃里克·施密特、达斯汀·莫斯科维兹等。

Anthropic到底是一家怎样的机构？它的创始成员都有谁？它在做的事情对于整个AI基础和应用领域有何重大意义？让我们走近这家最近刚刚离开隐形状态的全新机构，一探它的真相。

让AI更安全、可解释

AI一直是一个“黑盒子”。尽管人们形容神经网络是按照人脑神经工作原理设计的，它具体怎么工作，输入的数据是如何转化成输出的，具体的原理和各环的作用，一直很难被真正解释。

在一小部分研究者看来，考虑到AI正在被应用到越来越高风险的系统当中，比如自动驾驶、医疗诊断、药物发现，甚至军事当中……它的不可解释性将会阻挡技术的真正进步，并且如果被持续忽视的话，甚至可能会引发不可逆转的严重恶果。

不过，自从深度学习在十年前左右取得重要突破，这项技术已经成为了AI技术进步的根基。越来越大的模型、更强的算力，让AI变得似乎“无所不能”，而不可解释性一直没有被公众看作是大问题——这也是为什么虽然目前AI领域内很多人，特别是那些从事应用领域的，并没有关注AI的黑盒子问题。

2015年底成立的OpenAI，其使命是实现通用人工智能，打造一个能够像人的心智那样，具有学习和推理能力的机器系统。成立以来，OpenAI一直从事AI基础研究，主要以GPT语言生成模型（特别是GPT-3）被人们所熟知。

但其实，增强AI的可解释性，让它能够更加安全地应用，也是OpenAI的研究方向之一。只不过，这部分工作在名气更大的GPT-3的面前，似乎显得没有那么重要。

而在去年年底离职的这一批员工，认为随着模型变大、算力变强，通用人工智能离我们越来越近，在可预见的未来就有可能实现——而在这样的前提下，AI可解释性和安全性变得无比重要。这批员工，被认为是AI领域的“有效利他主义者”。简单来说，他们不仅认为应该投入重金进行AI基础研究让世界变得更好，并且也要注重实际功效。

他们的理念和OpenAI并没有本质上的冲突，但是OpenAI变得越来越不透明，且逐渐功利化的趋势，令他们感到担忧。一个最直接的例子，就是OpenAI尚未解决偏见和安全问题，就把GPT-3开发成了商用化的API，提供给行业里的大公司使用。

最终，这批核心员工在去年年底集体离职。其中不少人，都参与到了今天硅星人介绍的这家Anthropic公司当中。

所以其实这样解释Anthropic可或许更准确一些：一家重拾OpenAI慢慢忘却的初心的“正统”AI基础科研机构。

Anthropic的官网这样介绍自己：我们是一家AI安全和研究公司，致力于开发可靠、可解释和可调整的AI系统。“今天的大规模的通用（AI）系统能够带来很高的收益，但他们同时却是不可预测、不可靠，和不透明的。我们的使命是在这些问题上做出进步。”

“Anthropic的使命是从事基础科研，让我们可以打造能力更强、更通用、更可靠的AI系统，并且应用这些系统从而让人类获益。”Anthropic联合创始人兼CEODarioAmodei表示。

对于“神经网络到底是什么”这类问题，通常的白话答案是“一种模仿人脑神经工作方式的计算系统”。然而很多专业人士都不愿意提及的是：我们对人脑的工作原理至今并未完全了解。

而深度学习领域的现状是：我们正在疯狂地把这些“一知半解”的知识用于神经网络，并且把这样开发出来的AI系统用于越来越高风险的场景，却又缺乏对可解释性，对安全的思考。

比如，我们知道一个神经网络的参数量越大、泛用性似乎就越强，但无法解释某几个参数之间的关系到底是什么，进行怎样的调整会导致输出结果怎样变化；再比如，我们知道偏见在社会中客观存在，也必然会投射到社会资料聚合而成的数据集当中，而为数据集是AI系统带有偏见的重要原因，但除了低效地改善数据集之外，我们对于消除AI系统的偏见暂时别无他法。

Amodei接受美国媒体Vox旗下FuturePerfect采访时表示，AI研究人员应该增加对机器学习系统内在工作原理的了解，并且用这些知识来开发更安全的系统，而不是执迷于“放卫星”，盲目开发越来越大的神经网络。

为什么呢？举个例子：深度学习有一个经典的激励“扭曲”现象，比如你想让机器agent走出迷宫，设计分数（豆子）激励它——结果它执迷于获得更高的分数，遍历了每一条错误的路，吃掉了所有的豆子，却从未将走出迷宫当作真正目标。

当神经网络变得更大、更强，如果中间出现了某种主观或客观导致的激励扭曲，它真正做的事情和它的设计初衷之间的差距只会越来越大，应用在现实场景中，有可能导致严重后果。

如果我们能够获得一种工具，能够更清楚直白地了解神经网络的工作原理，知道如何调整网络的哪个部分，能够避免此类情况，对于接下来的AI进步将有很大帮助。所有研究者都希望掌握这个工具，但问题就在于，我们现在并没有这样的工具。

而Anthropic的任务就是开发出这样的工具，并把它送到更多AI研究者的手上。

明星创始团队+投资人

去年年底从OpenAI离职的核心员工当中就包括DarioAmodei和他的同胞姐妹Daniela。LinkedIn资料显示，他们于今年2月创办了Anthropic公司，Dario任CEO，Daniela任总裁。

Dario是OpenAI的早期员工之一，曾发表多篇AI可解释性、安全等方面的论文，离职前在OpenAI担任研究VP。在此之前，Dario还曾在百度担任研究员，在前首席科学家吴恩达手下工作。他博士毕业于普林斯顿大学，后回到本科毕业的斯坦福大学担任博士后学者。他是OpenAI的前核心成员，也被认为是深度学习领域最为前沿的研究员之一。

Dario的胞妹DanielaAmodei之前也在OpenAI从事和Dario相同方向的工作，曾担任安全和政策VP。Daniela过往的任职经历包括Stripe（其创始人是OpenAI投资人之一）、美国国会等。

Anthropic的创始团队成员，大多为OpenAI的重要员工或关联成员，包括（排名不分先后）JaredKaplan、SamMcCandlish、TomBrown、GabrielGoh、KamalNdousse、JackClark、BenMann、ChrisOlah等。

这些研究员曾参与OpenAI其多项重要课题研究，包括GPT-3、“显微镜”神经元可视化工具、神经网络里的多模态神经元、AI模型安全设计事故分析、引入人类偏好的强化学习等——失去这些关键人员，OpenAI未来在相关课题上可能会略显颓势。

举一个例子：ChrisOlah是OpenAI多模态神经元论文的作者之一。他是领域里小有名气的“怪胎”，曾经拒绝YoshuaBengio的研究生邀请，而是去了GoogleBrain团队。他在谷歌带过博士生，论文的引用数量甚至超过拥有博士学位的研究者，自己却连本科都没毕业……

简单介绍一下Olah参与的OpenAI多模态神经元论文：多年以前有研究者发现，大脑中的一些神经元可以对模态不同但概念相同的触发条件产生反应，比如当提到“哈莉·贝瑞”的名字、照片、简笔画像的时候，同一个神经元都可以产生反应。

OpenAI的多模态神经元研究，基于该机构今年发布的CLIP泛用性视觉系统。论文作者发现在CLIP的神经网络倒数第二层也存在这样的一颗“神经元”（Neuron244）。这项研究预示着，“抽象”这一自然视觉领域的概念，很可能在计算机合成视觉领域同样存在。

有着如此强大团队，Anthropic成为了投资者眼中的最新热门标的。目前该公司已经完成了规模高达1.24亿美元的A轮融资，并正式走出隐形状态。

A轮的领投者是JaanTallinn，原Skype的联合创始人。Tallinn还是DeepMind的早期投资人。（至于为什么他能在一众其它科技大佬/大牌投资人当中拿到领投资格，一个重要原因应该是他和Anthropic创始团队哲学理念一致，是“有效利他主义”运动的主要资助者之一）

Anthropic的其它投资人还包括DustinMoskovitz（AsanaCEO、Facebook联合创始人）、埃里克·施密特（谷歌前董事长、CEO）、詹姆斯·麦克雷夫等，绝对是相当豪华的投资人阵容了。