编辑：张倩

「在谷歌，我们训练出了越来越大的 Transformer，梦想着有朝一日构建一个通用模型来支持所有 ML 用例。 但是，这其中有一个明显的局限： 用文本训练出的模型可以写出很棒的散文，但它们无法在数字世界中采取行动。 你不能要求 GPT-3 给你订机票，给供应商开支票，或者进行科学实验。 」

在一场轰轰烈烈的「炼大模型」运动之后，全世界都在给这些模型寻找应用途径和场景，原谷歌大脑研究人员、Transformer 重要作者 Ashish Vaswani、 Niki Parmar 也不例外。

2017 年，Ashish Vaswani、Niki Parmar 和其他几位研究者一起发表了开启大模型时代的里程碑式论文——《 Attention Is All You Need 》。在这篇论文中，他们提出了著名的 Transformer 架构。2018 年，一个名为 BERT 的模型引爆了 NLP 学界，刷新了 11 项 NLP 任务的 SOTA 记录，其背后功臣正是 Transformer。

打开凤凰新闻，查看更多高清图片

Ashish Vaswani、Niki Parmar 等人 2017 年发表的《 Attention Is All You Need 》。注意：∗ 表示这些研究者做出了不同方面但同等重要的贡献（排名随机）。其中，Ashish 和 Illia 一起设计并实现了第一批 Transformer 模型，并重度参与了 Transformer 架构的各方面工作。Niki 在原始代码库和 tensor2tensor 中设计、实现、调优和评估了无数的模型变量。

在之后的几年里，Transformer 成为自然语言处理领域的主流架构，而且成功跨界到了视觉、音频处理等多个领域，标志性的「xxx is all you need」也成为火爆一时的标题模板。

五年过去，Ashish Vaswani、Niki Parmar 决定踏上新的征程。在最近发布的推文中，他们宣布自己参与创办了一家新的创业公司——Adept，致力于让人和计算机以创造性的方式一起工作，从而实现通用智能。「我们相信，人工智能系统应该以用户为中心，我们的愿景是让机器与坐在驾驶员位置上的人一起工作：发现新的解决方案，使决策更加明智，并给我们更多的时间做我们喜欢的工作。」该公司在介绍中写道。

除了 Ashish Vaswani 和 Niki Parmar，该公司还聚集了多位 AI 领域的顶级研究者（基本都在谷歌工作过），包括：

前谷歌大脑研究工程师 Anmol Gulati，他参与了谷歌的大规模语音和语言建模研究；

前谷歌大脑研究科学家 Augustus Odena，他参与构建了谷歌的代码生成模型；

前 OpenAI 加州实验室工程副总裁 David Luan，后来也加入过谷歌大脑，他是 GPT-2、PaLM ( 的论文作者之一，还参与了 GPT-3 的部分工作；

在 DeepMind、谷歌大脑、百度都工作过的 Erich Elsen，他是机器学习和高性能计算交叉领域的研究人员，在 DeepMind 参与领导大模型的训练工作，致力于提高训练效率；

前谷歌大脑软件工程师 Fred Bertsch，他是数据和协作人工智能系统方面的专家；

前谷歌 ML 产品经理 Kelsey Schroeder，她曾领导谷歌大模型生产基础设施产品；

曾在谷歌大脑实习的 MIT 博士 Maxwell Nye，他的研究重点是使用深度学习和符号技术来自动编写代码。在谷歌实习期间，他曾使用非常大的语言模型（> 1000 亿个参数）来编写和理解 Python 程序。

Adept 创始团队。

那么，这些大牛为什么要离开谷歌这种大厂自己创业呢？他们的新公司要做什么产品呢？

David Luan 在公司的第一则博客中写道：

‍

在谷歌，我们训练出了越来越大的 Transformer，梦想着有朝一日构建一个通用模型来支持所有 ML 用例。但是，这其中有一个明显的局限：用文本训练出的模型可以写出很棒的散文，但它们无法在数字世界中采取行动。你不能要求 GPT-3 给你订机票，给供应商开支票，或者进行科学实验。

真正的通用智能要求模型不仅能读能写，还能以一种对用户有帮助的方式采取行动。这就是我们创立 Adept 的初衷：我们正在训练一个神经网络来使用世界上的每一款工具和 API，该网络建立在人们已经创造的大量现有能力的基础上。 ‍

实际上，我们正在创建一个通用系统，帮助人们在电脑前完成工作，我们管这个系统叫：每个知识工作者的「通用合作者」。你可以把它想象成你电脑里的一个 overlay，它和你一起工作，使用和你一样的工具。

使用 Adept，你能专注于你真正喜欢的工作，并要求模型承担其他任务。例如，你可以要求模型「生成月度合规报告」，所有这些都使用现有的软件，如 Airtable、Photoshop、ATS、Tableau、Twilio。我们希望这个「合作者」是一个好学生，可训练性非常强，非常有帮助。

这一产品愿景让我们兴奋不已，不仅因为它对每个在电脑前工作的人来说都非常有用，还因为我们相信这是实现通用智能最实用、最「安全」的途径。与生成语言或自行决策的大型模型不同，我们的模型范围更窄——我们是现有软件工具的接口，更容易缓解偏见问题。对我们公司来说至关重要的是，我们的产品如何成为一种工具，来了解人们的偏好，并在每一步中整合人类的反馈。

从这则博客中我们可以看出，Adept 虽然也宣称要实现 AGI，但他们选择的是一条不同的道路，即先不着急用 AI 取代人类，而是致力于用 AI 来增强人类的能力，这听起来似乎更容易实现。

当然，这并不是什么新鲜概念。《深度学习》一书作者、被称为「世界 AI 之父」的特伦斯 · 谢诺夫斯基（Terry Sejnowski）早在 2019 年就说过，「在未来，人类与机器将是合作而非竞争关系」。作为实现 AGI 之前的过渡阶段，「协作智能」的概念越来越受关注。澳大利亚最大的国家级科研机构——CSIRO 首席研究科学家 Cécile Paris 甚至指出，「（协作智能）将成为数字化转型的下一个科学前沿」。目前，国内外都涌现了很多以「用 AI 增强人类能力」为愿景的技术公司，比如循环智能、容联云等。在真正的 AGI 实现之前，可能会有越来越多的公司选择这条路线。

David Luan 透露，目前 Adept 已经拿到了 6500 万美元的融资，Uber CEO Dara Khosrowshahi、特斯拉 AI 高级总监 Andrej Karpathy 等人都是他们的天使投资人。