AI 最大的突破，靠的是彼此相反的兩個人

這個禮拜，Google 的 AI 部門接連失去了兩個人。一個是寫出 Transformer 論文的 Noam Shazeer，他加入了 OpenAI；另一個是 AlphaFold 的諾貝爾獎得主 John Jumper，他加入了 Anthropic。 這兩則消息本身不難理解。頂尖人才在公司之間流動，是 AI 圈常態。但仔細看兩個人離開前的故事，你會發現它們說的是同一件事。 Jumper 是 AlphaFold 的核心，2024 年跟 Google DeepMind 創辦人 Demis Hassabis 共拿諾貝爾化學獎。AlphaFold 的突破，是用 AI 精準預測蛋白質的形狀，幾乎解決了一個生物學上糾纏了半世紀的問題。 Hassabis 挑上 Jumper，是在他博士剛畢業不到一年。一個記者採訪 Jumper，嘗試覆述他解釋的一個概念：「所以你的意思是這樣嗎？」Jumper 從不點頭，永遠說「不對，要改」。幾個月後再確認，Jumper 連自己上次認可的說法也收回了。那個記者說，Jumper 是「very hard to pin down」，對寫稿的人是折磨，對研究蛋白質結構的人，恰好是必需的品質。 Shazeer 的情況有點不同。他是〈Attention Is All You Need〉的共同作者，那篇論文打下了現在所有 AI 語言模型的底層架構。Google 後來花了 27 億美元把他買回來。他帶的「突擊隊」，他給聲望、給方向，旁邊有個叫 Jack Rae 的人，負責把一切落實成流程，那個搭檔被稱為「中將」，專門把「大師」的願景翻譯成工作。 Hassabis 自己也走過這條路。讀博士的時候，他一進實驗室就拋出五個研究方向，搭檔 Darshan Kumaran 一個一個否掉。隔天又來，又否。連續幾週，直到某天 Kumaran 停了一下說：「這個也許是真的。」 三個故事，三種成對：直覺型搭著懷疑型，讓每個想法被磨到夠硬才通過。 有了 AI，個人的執行速度快了很多。但有人能說「不對，要改」這件事，AI 不太做得到，它給的是信心十足的答案，哪怕是猜的。過去，這個功能是你的搭檔、老師、同事在提供。找到願意這樣做的人，或者你自己學會這樣做，你的想法才有機會被磨到精準。 那個逼著你改、不輕易點頭的人，現在更難找，也更值。