近日(ri)，“AI大神”、第四范式公司创始人、CEO戴文渊做客格隆汇(hui)高端访谈《格隆博(bo)士会客厅》。
访谈中，戴文渊谈及自己在(zai)上海交大、香(xiang)港科技大学的求学和做研究经历(li)，以及如何从学术界转入业界的过程。
在(zai)戴文渊读(du)大三时(shi)，学校(xiao)有要(yao)求学生选(xuan)择一个细分的领域做深(shen)入研究，他当时(shi)阴差阳错地(di)被分配到了最为冷门的AI。
他介绍，当时(shi)计算(suan)机领域最热门的方向是图形学，即好(hao)莱(lai)坞的CG。当时(shi)的计算(suan)机技术还不够先进，阿凡达的第一部拍了可能有将近十年，电影(ying)中的绝大多数场景是算(suan)出来的，剧(ju)组在(zai)这上面(mian)就花了很长(chang)时(shi)间。
所以，那个时(shi)候最优秀的计算(suan)机人才都是去学图形学，如果代码写得好(hao)，计算(suan)机的执行效率更高，可能就不需要(yao)算(suan)10年，5年就行。随(sui)着时(shi)代的变迁，计算(suan)的能力加快，阿凡达2和阿凡达3拍得就会比第一部要(yao)快得多。他回(hui)忆，在(zai)2005年刚(gang)开始进入AI领域时(shi)，大家都去看一部叫(jiao)人工智能的好(hao)莱(lai)坞电影(ying)。电影(ying)讲述了一个小男孩的故(gu)事，他经历(li)了很多事情，到结尾才突然发现原来自己不是人，而是一个机器(qi)人。
戴文渊看完这个电影(ying)后就非常迷(mi)茫(mang)，不知道这样的机器(qi)人什么时(shi)候能诞生。他表示，即便是在(zai)2024年的今(jin)天，已经有了具身智能、大模型的存在(zai)，距离做到连机器(qi)人自己都不知道自己是人还是机器(qi)人的状(zhuang)态，依(yi)然有很大的差距。
当时(shi)，他觉得 AI 根本就没有实现的可能，也正是因为这个原因，大多数人没有选(xuan)择AI领域。他在(zai)第一次参加AI领域的顶级会议时(shi)，发现该领域有超过半数的人根本不是计算(suan)机系(xi)的，他们是因为本专业学不出来了才转行的，即使是计算(suan)机专业的人也大多是被迫选(xuan)AI领域。戴文渊坦言，自己也曾迷(mi)茫(mang)过，也想过换(huan)专业。如果没有在(zai)2007年听到第四范式的理论，说不定自己现在(zai)也不做AI了。
他表示，尽管自己当时(shi)已经写出了最好(hao)的论文，但自己并不享受，也觉得可能没有什么意义，只不过是一些(xie)履历(li)上的东西(xi)，并没有为社(she)会创造(zao)价值。2007年，戴文渊在(zai)听到JimGray谈到科学发展的四个范式时(shi)突然顿(dun)悟。Jim Gray认为，人类科学发展分四个阶段，每个阶段是个范式：
第一范式叫(jiao)做实验科学，就是人开始学会记录(lu)现象。
第二范式是理论科学，有些(xie)科学家根据历(li)史上记录(lu)的现象总结出了规律。第三范式是计算(suan)科学，当计算(suan)机出现后，这些(xie)理论可以由计算(suan)机来推演，可以模拟(ni)复杂的现象。
未来科学要(yao)进入到第四个阶段，第四个阶段叫(jiao)做数据密集型科学，这个时(shi)代最大的一个特点就是科学理论要(yao)由计算(suan)机从数据里面(mian)发现。
在(zai)听到这个理论后，戴文渊突然发现，AI不一定要(yao)做出一个以假乱真的小孩。这个小孩可能是30年、40年、50年以后才能做到的，但此时(shi)此刻(ke)，如果能在(zai)各行各业发现规律，就已经能创造(zao)价值，AI变得有用的周期也就大大拉近了。在(zai)刚(gang)开始学AI时(shi)，戴文渊发现基于(yu)Bing的数据能做出比原来好(hao)得多的AI模型。从这个逻辑推理，用的数据更好(hao)，AI模型就能做更好(hao)的效果。这也是他为什么选(xuan)择离开学术界、加入行业的一个重(zhong)要(yao)原因。第四范式在(zai)戴文渊心中有一个非常深(shen)的烙(lao)印，他认为，自己这么多年做的所有事情，它们的底层逻辑是第四范式，所以公司成(cheng)立之初就定了这个名字。
他还表示，香(xiang)港科技大学让自己接(jie)触到了世界上一流(liu)的学术水平，再加上自己足够努力，才发表了一些(xie)影(ying)响较大的论文。不过，那段经历(li)对(dui)他影(ying)响最大的不是那些(xie)论文，而是接(jie)触到了第四范式的方法论。从那以后，他就坚定了要(yao)为 AI 行业的价值而努力。
谈及自己当时(shi)提出的迁移(yi)学习，戴文渊介绍，它通俗来说是一种(zhong)知识转移(yi)或迁移(yi)的能力。比如，人就有非常好(hao)的迁移(yi)学习能力，你会发现数学好(hao)的同学学起物理来，就会简单(dan)一点，因为学物理的时(shi)候能把(ba)数学上的一些(xie)能力迁移(yi)过来。
在(zai)当下的大模型时(shi)代，迁移(yi)学习已经比较普遍了，但在(zai)2005年，绝大多数的AI跟迁移(yi)学习是没有关系(xi)的，那个时(shi)候的AI数学学得再好(hao)，去学物理的时(shi)候还得从头(tou)再来，就好(hao)像一个刚(gang)出生的婴儿，没有迁移(yi)学习的能力。
谈及选(xuan)择走出舒适区、进入AI行业的经历(li)，戴文渊表示，当时(shi)有很多人来跟自己聊过，他们都很不理解，问他是怎么想的？怎么会想去工业界？他在(zai)学术圈的论文都够评个教授(shou)了，干(gan)要(yao)去工业界？又(you)不是混不下去了？
当然，现在(zai)大家会发现AI圈里的好(hao)多知名教授(shou)都进入了行业。但在(zai)当时(shi)，戴文渊也并未感到很多压力，因为他从来不在(zai)乎(hu)别(bie)人会怎么看待自己的选(xuan)择，以及这个选(xuan)择到底是不是最优的。
重(zhong)要(yao)的是，他在(zai)思考，AI的商业化成(cheng)果最早会出现在(zai)哪？他当时(shi)判断最早应该在(zai)互联网公司，原因有三点：1）它们的数据比Bing更好(hao)；2）当时(shi)做AI的成(cheng)本还挺(ting)高的，需要(yao)有一个很好(hao)的商业化结果支撑；3）此外，获取数据的成(cheng)本要(yao)低。
在(zai)进入AI行业时(shi)，戴文渊同时(shi)接(jie)到了谷(gu)歌和百度的offer，但由于(yu)去百度能有更多的选(xuan)择空间，他就从博(bo)士退学去了百度。
他可谓是非常地(di)不走寻(xun)常路，宁可退学也要(yao)去把(ba)握AI可能落地(di)的机会。对(dui)此，戴文渊表示，做那样的决定很容易的，并不需要(yao)纠结，就是觉得到那个点了，就要(yao)去干(gan)那个事，即使代价是没了博(bo)士学位。