Flapping Airplanes与研究驱动型AI的承诺

一家名为Flapping Airplanes的新AI实验室昨天推出，红杉合伙人有一个有趣的看法，说明它们为何在拥挤的AI初创公司领域脱颖而出。该实验室的独特理念专注于基础研究而非即时产品化——在一个痴迷于发货的时代，这是一个反向押注。

Flapping Airplanes在AI研究的奇怪时刻出现。最大的科技公司正在AI开发上花费数十亿美元，以前所未有的速度招聘研究人员，并以惊人的速度发表论文。但一些观察者担心，对实际应用的关注正在挤掉让我们走到这一步的基础突破。

进入Flapping Airplanes，这是一个新的研究实验室，由前OpenAI和谷歌大脑的研究人员创立，从红杉资本和其他投资者那里获得了1亿美元的种子资金。实验室的使命刻意不集中：在没有构建产品或产生收入压力的情况下追求基础AI研究。这种模式让人联想到早期的研究实验室，如贝尔实验室或施乐PARC——这些地方发明了未来，而不必担心将其商业化。

名称

实验室不寻常的名称来自一个关于早期航空的隐喻。几个世纪以来，想成为飞行员的人试图通过模仿鸟类来建造飞行器——带有扑翼的飞行器从未实现持续飞行。最终的突破不是来自更好地模仿鸟类，而是来自理解空气动力学的基本原理并建造利用这些原理的飞机，即使它们看起来一点也不像鸟类。

创始人认为AI研究正处于类似的转折点。当前的AI系统工作得非常好，但我们不完全理解原因。我们本质上是在建造越来越精细的机器，更努力地扑动翅膀，而不理解智能的空气动力学。Flapping Airplanes旨在发现这些基本原理。

"其他人都在构建更大的语言模型。我们试图理解为什么语言模型根本工作。这是一个根本不同的努力。"

研究议程

Flapping Airplanes的研究议程跨越了创始人认为探索不足的几个领域。一个重点是可解释性——开发工具来理解AI系统内部发生的事情。当前的模型本质上是黑盒：我们知道它们工作，但不知道如何或为什么。实验室旨在使AI系统像经典算法一样透明和可理解。

另一个优先事项是推理。当前的AI系统是令人印象深刻的模式匹配器，但在真正的推理方面挣扎——逐步解决新颖问题的能力。实验室正在研究专门为推理而非模式匹配设计的架构，可能利用已经失宠的符号AI方法。

实验室还在从第一原理研究AI安全。不是将安全视为现有系统的附加组件，他们正在研究从一开始就将安全内置的架构。这包括对齐目标、透明决策制定以及能够以人类可理解的术语解释其推理的系统的工作。

红杉的视角

是什么让红杉投资于一个没有产品计划、没有明确收入路径的实验室？合伙人Stephanie Zhan说，这归结为对AI价值将在何处的反向押注。"每个人都假设价值将归拥有最多数据、最多计算和最大模型的公司所有。我们认为有一种替代方案：价值归于那些做出巨头太务实而不愿追求的基础突破的人。"

Zhan指出了历史先例。谷歌的搜索主导地位不是来自比竞争对手更多的数据或计算——而是来自PageRank，一个从根本上更好的算法。DeepMind的AlphaGo不是关于更大的神经网络，而是结合深度学习和树搜索的新颖架构。基本洞察可以胜过蛮力。

红杉的论点是，AI目前处于蛮力阶段——扩大已知方法而不是发现新方法。这个阶段最终会遇到收益递减。当这种情况发生时，追求基础研究的实验室将有能力提供下一波突破。

竞争格局

Flapping Airplanes不是唯一追求这种模式的研究实验室。OpenAI最初是作为非营利研究实验室成立的，然后转向产品开发。Anthropic在将其技术商业化的同时保持着强大的研究重点。DeepMind继续基础研究，同时也为谷歌开发产品。

使Flapping Airplanes不同的是缺乏任何商业压力。公司没有产品、客户或收入目标。其唯一利益相关者是明确签署长期研究而没有近期商业化预期的投资者。这种追求好奇心驱动研究的自由越来越罕见。

实验室还受益于时机。五年前，基础AI研究主要是大科技公司的领域。今天，AI能力已经足够先进，小团队可以在没有大量基础设施的情况下进行有意义的研究。Flapping Airplanes可以租用计算而不是建立数据中心，将研究预算集中在人才而非硬件上。

团队

创始团队反映了实验室的研究优先事项。首席执行官Sarah Chen博士此前领导OpenAI的可解释性研究，发表了关于理解神经网络行为的里程碑式论文。首席技术官James Okonkwo博士在谷歌大脑工作了七年，致力于推理架构和神经符号AI。研究团队包括数学家、物理学家和认知科学家，以及计算机科学家。

这种跨学科方法是刻意的。创始人认为AI突破将来自跨越传统边界，结合来自神经科学、认知心理学、数学和物理学的见解与计算机科学。实验室的招聘优先事项反映了这一点：他们可能雇佣理论物理学家和机器学习工程师。

怀疑者

并非所有人都确信纯研究模式可以在当今AI领域奏效。批评者指出了尖端AI研究的巨大计算需求——小型实验室能与万亿美元的公司竞争吗？还有人才问题：当大科技公司提供更高的薪酬时，初创公司能吸引顶尖研究人员吗？

其他人质疑是否真的需要基础突破。也许当前的AI方法对所有实际目的都足够了，进步将来自渐进式改进而非范式转变。如果这种观点是正确的，像Flapping Airplanes这样的实验室就是在解决错误的问题。

还有研究实验室做了出色工作但未能获得价值的先例。施乐PARC发明了个人电脑，但施乐没有将其商业化。贝尔实验室在计算方面做出了基础发现，但AT&T几乎没有获得好处。在科学上正确并不意味着在商业上成功。

时间表

Flapping Airplanes已筹集足够的资金，按目前的规模运营约五年。创始人强调这是研究时间表，而不是产品时间表。他们不期望在该期间内发布任何商业产品——研究论文和基础洞察是目标。

这个长期视野吸引了对AI研究变得过于短期的投资者。"我们需要更多以几十年而非季度思考的实验室，"Zhan说。"最重要的AI突破最初看起来往往无用。你需要追求那些可能看起来疯狂但可能改变一切的想法的自由。"

接下来会发生什么

实验室的直接优先事项是招聘和建立研究基础设施。他们正在招聘各个技术学科的研究人员，特别是那些愿意从事高风险、高回报项目的人。他们还在建立计算基础设施并与大学和其他研究机构建立合作关系。

首批论文应在明年内出现，可能集中在可解释性和推理方面。创始人强调，他们不是试图在基准测试中击败现有系统——而是试图理解为什么这些系统工作以及如何构建根本不同的东西。

Flapping Airplanes是否真的会发现智能的空气动力学还有待观察。但它们的推出反映了日益增长的认知，即AI需要的不仅仅是更大的模型和更多的数据——它需要基础理解。在一个痴迷于发货的时代，也许最大胆的赌注是花时间理解我们正在构建的东西。