人才为王,如何挖谷歌的墙角?
文|GaryDrenik,撰稿人
谷歌一直是美国最重要的AI人才基地。2017年谷歌大脑团队提出“Transformer”架构的核心团队成员IlyaSutskever离职参与创办OpenAI,有数十位前谷歌成员离职,并成功创办了新公司。
我们梳理了过去5年间,前谷歌成员离职创业最成功的几个项目:
*OpenAI的联合创始人之一IlyaSutskever,曾在谷歌大脑团队工作,是TensorFlow的早期贡献者;
*Anthropic的联合创始人DarioAmodei、ChristopherOlah曾在谷歌大脑团队工作;
*IlliaPolosukhin在2017年2月创办区块链公司NEARProtocol;
*AidanGomez在2019年创办Cohere,一家专注于提供NLP模型帮助企业改善人机交互的初创企业;
*NoamShazeer在2020年离开谷歌,与前谷歌工程师DanielDeFreitas共同创立Character.AI,致力于开发生成式AI聊天机器人;
*JakobUszkoreit2021年离开选择加入Inceptive,成为联合创始人。公司主打AI生命科学,致力于使用神经网络+高通量实验来设计下一代RNA分子。
谷歌这家AI行业的人才金矿是如何被创业公司挖掘的?JaclynRiceNelson或许并不是前谷歌成员离职创业中最成功的那一个,但其帮助孵化了GoogleHelpouts,是谷歌公司内部的一个专家市场,解决了这家巨型科技企业的人才缺口和内部AI人才流通。
在本文对话中,《福布斯》与其深入探讨了她从Google到创立TribeAI的历程、她的公司在科技人才生态系统中的角色及其对企业的影响。随着人工智能进入新时代,Jaclyn设想TribeAI成为协调层,使每个公司都能成为人工智能驱动的实体,让所有人都能享受到该技术的好处。
GaryDrenik:请介绍一下你在谷歌的工作背景,以及你是如何创办TribeAI的。
Nelson:
我在谷歌工作了近8年,负责产品孵化,并在Alphabet旗下的后期风投基金CapitalG与处于成长期的公司合作。我从这些工作经历中获得了两个重要的收获。第一就是,我坚信人工智能将成为我们这一生中决定性的技术创新。在谷歌,公司内部的任何一个部门都离不开人工智能或机器学习。第二个收获就是相信专家网络的力量。
我帮助孵化了GoogleHelpouts,它是谷歌公司内部的一个专家市场。但最终,就像科技巨头内部的初创公司经常会遇到的那样,它很难获得关注,但这个想法的内核却深深地印在了我的脑海中。然后,在CapitalG,我看到即使是像Airbnb和Stripe这样非常成功的成长期公司也很难招到数据科学和机器学习方面的人才,于是我们建立了自己的专家网络,由谷歌的顶尖人工智能人才组成,来为这些公司提供建议。我觉得人才短缺的问题有一个非常明确的解决方案,那就是更好地利用现有的技术人才,把人工智能的力量带给所有公司,而不仅仅是谷歌。
于是我和联合创始人NoahGale一起创立了TribeAI,因为我们坚信人工智能领域蕴藏着巨大商机,而且我们对卓越技术有着共同的理解,并坚信基于网络的人才培养方式将是加速人工智能市场发展的最佳途径。
在过去的几年里,市场确实支持了我们的论点。新冠疫情之后的辞职潮让一些最有才华的工程师离开了大型科技公司,而我们已经将其转化为我们客户的战略优势。
Drenik:请解释一下TribeAI在当今科技人才生态系统中的作用,并重点介绍一下你与公司迄今为止取得的进展,以及TribeAI是如何运作的。
Nelson:
在2019年创立TribeAI时,我们认为每家公司都需要成为一家人工智能公司。现在,多亏了生成式人工智能,每个企业都想一夜之间成为一家人工智能公司。但大多数公司仍在建立自己的数据基础,努力解决知识产权和隐私问题,并努力寻找合适的数据和人工智能人才。这对于中端市场和非技术企业公司来说尤其如此,他们拥有大量的数据资产,但缺乏从数据中提取价值的技术能力。
Tribe自成立以来一直专注于人工智能和机器学习。我们已经开发了数百种人工智能产品,拥有400多名顶级人工智能工程师。我们利用这一专业知识基础,帮助公司构建人工智能路线图和概念验证范畴,将耗时的人工流程自动化,并利用人工智能而不是人力来进行扩展。
ChatGPT意义深远,因为它抓住了人们对人工智能的想象,使AI变得有形。据ProsperInsights&Analytics最近的一项调查显示,美国18岁以上的成人中有27.7%知道ChatGPT,并且已经使用过它或者很想体验它的工作原理。还有31.9%的人知道这个工具,只是不知道如何使用它。但是,我认为那些比较无聊、不那么吸引人的应用程序是对企业最有价值的,也是最让我兴奋的地方。
举例来说,我们曾经与一家大型食品分销公司合作,该公司由于高度人工化的投标开发过程而失去了市场份额。Tribe为其构建并交付了一个基于人工智能的软件解决方案,提供先进的分析功能,实现了部分流程的自动化,从而将竞标团队的效率提高了50%——这意味着他们在五年内可增加60个竞标项目或高达4,000万美元的收入。
另一个例子是,我们与一家公共医疗设备公司合作,希望能帮助他们预测和减少客户流失。他们有相关数据,并建立了一些数据模型,但没有能力将它们付诸实践。在12周内,Tribe就推出了一个成功的客户流失模型并将其自动化,同时还减少了20%的工程开支。
这就是人工智能大热的理由所在。今天,每个公司都可以创造价值,Tribe就是要帮助这些公司将人工智能的愿望变为现实。
Drenik:你还经营着一家风险投资公司CoalitionOperators,是什么让你做出这个决定的?你在风险投资方面的工作如何支持你在TribeAI的工作?在这两份工作中,是否有一些共同点能让你做得更好?以及是否还存在挑战?
Nelson:
当我离开风投公司创立Tribe时,我最想念的是纵观全局的视角,也就是看到公司商业模式的能力。在Tribe,我们处于人工智能生态系统中一个非常有趣的位置,这给了我作为投资者的独特优势,让我很难袖手旁观。Tribe与OpenAI和AWS等顶级人工智能平台和超大规模企业、构建人工智能解决方案的领先企业以及行业内最优秀的人工智能人才合作,它最独特的地方之一就是我们对市场的看法,以及我们对这些群体的需求和差距的深刻理解。
这一优势使我们能够以满足市场需求的方式构建Tribe,并加速我们作为人工智能生态系统核心节点的增长。我在Tribe的大部分工作就是把优秀的技术人员聚集在一起,以解决客户的需求。对我来说,投资只是实现这一目标的另一种方式,并在此过程中帮助加速人工智能的整体市场应用。
当我开始投资早期阶段的公司时,我不仅仅是为了自己的经济利益而投资,我还想建立一个基金,让更多的人接触到科技界最有才华的女性,以及我最聪明的同龄人,虽然她们忙于日常工作而没有时间接触投资,但我知道她们的专业知识对创始人来说非常有价值。与Tribe的人才网络模式类似,Coalition建立了一个跨职能的顶级女性运营商网络。除了直接投资公司之外,我们还帮助创始人利用这个人才库来加速他们的业务发展,并在此过程中实现他们的股权结构多元化。
我在Tribe和Coalition的工作产生了巨大的协同效应。我们已经让CoalitionNetwork的成员在人工智能公司工作,而这些公司随后又成为了Tribe的合作伙伴。我们的基金聘请了Tribe成员对我们知道他们拥有专业知识的公司进行尽职调查。我通过Coalition投资了一些公司,这些公司后来成为了Tribe的客户。对于Tribe的客户和Coalition投资的公司来说,我是一个更好的CEO和合作伙伴,因为我对整个人工智能市场有很多了解,而不仅仅是Tribe在其中扮演的角色。在Tribe和Coalition之间,我觉得我终于做了我应该做的工作。
Drenik:我们对人工智能的伦理问题特别感兴趣。像Tribe这样的公司如何确保在构建人工智能时考虑到伦理问题?如何将“人才”纳入伦理等式?
Nelson:
我认为在构建道德、公正的人工智能系统时,人才非常重要。科技行业存在人员多样性的问题已经不是什么秘密了,在人工智能等专业工程领域,这种问题会变得更糟。我们有机会意识到这些系统中可能存在的偏见,因为这些偏见是由构建这些系统的人造成的,我们也有义务培养一批多元化的构建者来应对这一问题。
对Tribe来说,这意味着建立一个多样化的工程师网络。这意味着创造机会,让这些不同的建造者站在可能存在偏见的产品的最前沿,让他们参与监管讨论,并确保有激励措施,让他们在建造时考虑到伦理问题。通过允许我们的客户利用多样化的人才网络,可以确保我们能够共同构建强大而公平的人工智能系统的解决方案。
Drenik:另一个让我们着迷的领域是人工智能模型的数据源。作为一家亲眼目睹了数十家公司培训模式的公司,有哪些最佳实践可以确保公平和公正,同时仍然强大有效?
Nelson:
我也对人工智能模型的数据源着迷。在一个几乎没有护城河的领域,数据可能是最可靠的资产。
许多大公司都坐拥大量的数据资产,但这些资产都没有得到充分利用。与此同时,我们看到一些通常不具备数据优势的初创公司,在做一些难以规模化的事情,比如挨家挨户地收集他们自己的专有数据。这两种情况的关键都在于解锁你所拥有的数据。下一步就是用外部数据集来丰富这些数据,以便给你更多的信号和预测能力。
在考虑内部数据收集和公共数据集时,要考虑训练数据的多样性,以及它是否代表了现实世界的人口,这对于确保你得到代表用户基础的结果至关重要。也就是说,偏差通常被认为是纯粹的数据问题,但它也可以在问题定义中表现出来。在这种情况下,如果标准本身就对某一特定群体有偏见,那么再多的数据平衡也无法解决偏差问题。
一旦需要训练或微调模型,我们都会建议公司排除敏感数据,比如姓名,这不仅是出于隐私原因,也是为了避免模型产生种族偏见。从消费者的角度来看数据和隐私问题,大多数美国人都会有意采取措施加以保护。根据ProsperInsights&Analytics的数据,在美国18岁以上的人群中,只有22.5%的人没有采取任何措施(如打开隐私浏览或关闭移动跟踪)来保护他们的在线隐私。
测量和评估结果的偏差对于纠正出现的任何问题都很重要。我们建议由一个单独的团队来对模型和结果进行审查,以更好地发现任何模型偏差。持续的监测和评估对于维持一个公平和有效的模式非常重要。
Drenik:人工智能正在以闪电般的速度发展。随着人工智能在未来几年进入一个新时代,Tribe的下一步是什么?你对公司的愿景是什么?
Nelson:
我相信AI的未来是多模型、多云、定制化和开源的。我们能够跨平台,从每种模式中汲取精华,并在需要时进行定制,这是我们为公司带来价值的重要部分,也将帮助我们继续推动取得更大的成果。目前,人工智能领域最大的机遇之一是需要服务来帮助公司实现其人工智能愿望,而这正是Tribe最擅长的。
除了为其他公司开发产品外,我们也在开发自己的人工智能产品来运营Tribe,让我们的工程师更好地利用他们的时间。
随着时间的推移,我认为Tribe将成为一个使每个公司成为人工智能公司的协调层,这可能是SaaS和技术支持服务的混合体。人工智能仍在发展,底层技术也将不断变化。我们最可靠的资产是我们构建人工智能产品的经验、在该领域的深厚专业知识以及在前沿的持续工作,这将使我们能够建立一家跨世代的人工智能公司。
Drenik:感谢你抽出时间来讨论你的工作背景、人工智能和科技人才的生态系统。我期待看到TribeAI如何继续弥合企业与行业巨头在人工智能人才方面的差距,推动创新并加速AI对现实世界的影响。
本文作者为福布斯撰稿人,文章内容仅代表作者本人观点。译自
https://www.forbes.com/sites/garydrenik/2023/08/03/this-talent-collective-helps-businesses-access-top-ai-talent-from-openai-google-and-other-innovators/?sh=2bc684301da5
福布斯中国独家稿件,未经许可,请勿转载
头图来源:Pinterest