<p>一個名為 Flapping Airplanes 的新人工智能實驗室於週三啓動，獲得了來自 Google Ventures、紅杉資本和 Index 的 1.8 億美元種子資金。創始團隊令人印象深刻，目標是尋找一種對數據需求較低的方式來訓練大型模型，這個目標尤其引人關注。</p>
<p>根據我目前所見，我會將他們評為試圖盈利的第二級別。</p>
<p>但 Flapping Airplanes 項目還有更令人興奮的地方，直到我閲讀了紅杉資本合夥人 David Cahn 的這篇文章，我才意識到這一點。</p>
<p>正如 Cahn 所描述的，Flapping Airplanes 是首批超越規模化的實驗室之一，規模化是迄今為止定義大多數行業的無休止的數據和計算資源的擴展：</p>
<blockquote>
<p>規模化範式主張將社會資源的大量投入，儘可能多地集中在擴大今天的 LLM（大型語言模型）上，希望這將導致 AGI（通用人工智能）。研究範式則認為我們距離 “AGI” 智能還有 2-3 次研究突破，因此我們應該將資源投入到長期研究中，特別是那些可能需要 5-10 年才能實現的項目。</p>
<p>[…]</p>
<p>計算優先的方法將優先考慮集羣規模，並且會極大地偏向於短期收益（大約 1-2 年）而非長期投資（大約 5-10 年）。研究優先的方法將時間上分散投資，並且應該願意進行許多絕對成功概率較低的投資，但這些投資共同擴展了可能性的搜索空間。</p>
</blockquote>
<p>計算派可能是對的，專注於瘋狂的服務器建設毫無意義。但在如此多的公司已經朝這個方向發展的情況下，看到有人朝相反的方向前進，令人欣慰。</p>

谷歌-C

雲計算 ETF - GlobalX

谷歌-A

<p>一家名為 Flapping Airplanes 的新人工智能實驗室已獲得來自谷歌風險投資、紅杉資本和 Index 的 1.8 億美元種子資金。該實驗室旨在尋找一種數據需求較低的大型模型訓練方法。與人工智能領域普遍採用的擴展方法不同，Flapping Airplanes 專注於長期的研究突破，可能需要 5 到 10 年才能實現顯著進展。這種以研究為先的範式與以計算為先的方法形成對比，後者優先考慮即時結果。該實驗室的創新方向為人工智能領域帶來了令人耳目一新的變化，而該領域目前正嚴重傾向於擴展</p>

<p>A new AI lab called Flapping Airplanes launched on Wednesday, with $180 million in seed funding from Google Ventures, Sequoia, and Index. The founding team is impressive, and the goal — finding a less data-hungry way to train large models — is a particularly interesting one.</p>
<div class="lb-trans"><p>一個名為 Flapping Airplanes 的新人工智能實驗室於週三啓動，獲得了來自 Google Ventures、紅杉資本和 Index 的 1.8 億美元種子資金。創始團隊令人印象深刻，目標是尋找一種對數據需求較低的方式來訓練大型模型，這個目標尤其引人關注。</p>
</div><p>Based on what I’ve seen so far, I would rate them as Level Two on the trying-to-make-money scale.</p>
<div class="lb-trans"><p>根據我目前所見，我會將他們評為試圖盈利的第二級別。</p>
</div><p>But there’s something even more exciting about the Flapping Airplanes project that I hadn’t been able to put my finger on until I read this post from Sequoia partner David Cahn.</p>
<div class="lb-trans"><p>但 Flapping Airplanes 項目還有更令人興奮的地方，直到我閲讀了紅杉資本合夥人 David Cahn 的這篇文章，我才意識到這一點。</p>
</div><p>As Cahn describes it, Flapping Airplanes is one of the first labs to move beyond scaling, the relentless buildout of data and compute that has defined most of the industry so far:</p>
<div class="lb-trans"><p>正如 Cahn 所描述的，Flapping Airplanes 是首批超越規模化的實驗室之一，規模化是迄今為止定義大多數行業的無休止的數據和計算資源的擴展：</p>
</div><blockquote>
<p>The scaling paradigm argues for dedicating a huge amount of society’s resources, as much as the economy can muster, toward scaling up today’s LLMs, in the hopes that this will lead to AGI. The research paradigm argues that we are 2-3 research breakthroughs away from an “AGI” intelligence, and as a result, we should dedicate resources to long-running research, especially projects that may take 5-10 years to come to fruition.</p>
<p>[…]</p>
<p>A compute-first approach would prioritize cluster scale above all else, and would heavily favor short-term wins (on the order of 1-2 years) over long-term bets (on the order of 5-10 years). A research-first approach would spread bets temporally, and should be willing to make lots of bets that have a low absolute probability of working, but that collectively expand the search space for what is possible.</p>
</blockquote>
<div class="lb-trans"><blockquote>
<p>規模化範式主張將社會資源的大量投入，儘可能多地集中在擴大今天的 LLM（大型語言模型）上，希望這將導致 AGI（通用人工智能）。研究範式則認為我們距離 “AGI” 智能還有 2-3 次研究突破，因此我們應該將資源投入到長期研究中，特別是那些可能需要 5-10 年才能實現的項目。</p>
<p>[…]</p>
<p>計算優先的方法將優先考慮集羣規模，並且會極大地偏向於短期收益（大約 1-2 年）而非長期投資（大約 5-10 年）。研究優先的方法將時間上分散投資，並且應該願意進行許多絕對成功概率較低的投資，但這些投資共同擴展了可能性的搜索空間。</p>
</blockquote>
</div><p>It might be that the compute folks are right, and it’s pointless to focus on anything other than frenzied server buildouts. But with so many companies already pointed in that direction, it’s nice to see someone headed the other way.</p>
<div class="lb-trans"><p>計算派可能是對的，專注於瘋狂的服務器建設毫無意義。但在如此多的公司已經朝這個方向發展的情況下，看到有人朝相反的方向前進，令人欣慰。</p>
</div>

Flapping Airplanes and the promise of research-driven AI

- 新 AI 實驗室 Flapping Airplanes 於週三啓動，獲得 1.8 億美元種子資金。  
- 目標是找到一種數據需求更少的大型模型訓練方式。  
- 實驗室採用研究優先的策略，注重長期研究突破。

飛機的振動與研究驅動的人工智能的承諾