近日，“AI大神”、第四范式公司创始人、CEO戴文渊做客格隆汇高端访谈《格隆博(bo)士会客厅》。
访谈中，戴文渊谈及自己在(zai)上海交大、香港(gang)科技大学的求学和做研究经历，以及如何从学术界转入业界的过程。
在(zai)戴文渊读大三时，学校有要(yao)求学生选择一个细分的领域(yu)做深入研究，他当时阴差阳错地被分配到了最为(wei)冷门的AI。
他介绍，当时计算机领域(yu)最热门的方向(xiang)是图形学，即好莱坞(wu)的CG。当时的计算机技术还(hai)不够先(xian)进，阿凡达(da)的第一部拍了可能(neng)有将近十年，电影中的绝大多(duo)数场景(jing)是算出来的，剧组(zu)在(zai)这上面就花了很长时间。
所以，那个时候最优秀的计算机人才都是去学图形学，如果(guo)代(dai)码写得好，计算机的执行效(xiao)率更高，可能(neng)就不需要(yao)算10年，5年就行。随着时代(dai)的变迁，计算的能(neng)力加快，阿凡达(da)2和阿凡达(da)3拍得就会比第一部要(yao)快得多(duo)。他回忆，在(zai)2005年刚开始进入AI领域(yu)时，大家都去看一部叫人工智能(neng)的好莱坞(wu)电影。电影讲述了一个小男孩的故事，他经历了很多(duo)事情，到结尾才突然发现原来自己不是人，而是一个机器人。
戴文渊看完这个电影后就非常迷茫，不知道这样的机器人什么(me)时候能(neng)诞(dan)生。他表示，即便是在(zai)2024年的今天，已经有了具身(shen)智能(neng)、大模(mo)型的存在(zai)，距离做到连机器人自己都不知道自己是人还(hai)是机器人的状态，依然有很大的差距。
当时，他觉得 AI 根本就没有实(shi)现的可能(neng)，也正是因为(wei)这个原因，大多(duo)数人没有选择AI领域(yu)。他在(zai)第一次参加AI领域(yu)的顶级会议时，发现该领域(yu)有超过半数的人根本不是计算机系的，他们是因为(wei)本专业学不出来了才转行的，即使是计算机专业的人也大多(duo)是被迫选AI领域(yu)。戴文渊坦言，自己也曾迷茫过，也想过换专业。如果(guo)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，尽管自己当时已经写出了最好的论文，但自己并不享受(shou)，也觉得可能(neng)没有什么(me)意义，只不过是一些履历上的东西，并没有为(wei)社会创造价值。2007年，戴文渊在(zai)听到JimGray谈到科学发展的四个范式时突然顿悟(wu)。Jim Gray认(ren)为(wei)，人类科学发展分四个阶段，每个阶段是个范式：
第一范式叫做实(shi)验科学，就是人开始学会记录现象(xiang)。
第二范式是理论科学，有些科学家根据历史上记录的现象(xiang)总结出了规律(lu)。第三范式是计算科学，当计算机出现后，这些理论可以由(you)计算机来推演，可以模(mo)拟复杂的现象(xiang)。
未来科学要(yao)进入到第四个阶段，第四个阶段叫做数据密集型科学，这个时代(dai)最大的一个特点就是科学理论要(yao)由(you)计算机从数据里面发现。
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(neng)是30年、40年、50年以后才能(neng)做到的，但此时此刻，如果(guo)能(neng)在(zai)各行各业发现规律(lu)，就已经能(neng)创造价值，AI变得有用的周期(qi)也就大大拉近了。在(zai)刚开始学AI时，戴文渊发现基于Bing的数据能(neng)做出比原来好得多(duo)的AI模(mo)型。从这个逻辑推理，用的数据更好，AI模(mo)型就能(neng)做更好的效(xiao)果(guo)。这也是他为(wei)什么(me)选择离开学术界、加入行业的一个重要(yao)原因。第四范式在(zai)戴文渊心中有一个非常深的烙印，他认(ren)为(wei)，自己这么(me)多(duo)年做的所有事情，它们的底层逻辑是第四范式，所以公司成立之初就定了这个名字。
他还(hai)表示，香港(gang)科技大学让自己接触(chu)到了世界上一流的学术水平，再加上自己足够努力，才发表了一些影响较大的论文。不过，那段经历对他影响最大的不是那些论文，而是接触(chu)到了第四范式的方法论。从那以后，他就坚定了要(yao)为(wei) AI 行业的价值而努力。
谈及自己当时提出的迁移学习(xi)，戴文渊介绍，它通俗来说是一种知识转移或迁移的能(neng)力。比如，人就有非常好的迁移学习(xi)能(neng)力，你会发现数学好的同学学起物理来，就会简单一点，因为(wei)学物理的时候能(neng)把数学上的一些能(neng)力迁移过来。
在(zai)当下的大模(mo)型时代(dai)，迁移学习(xi)已经比较普遍了，但在(zai)2005年，绝大多(duo)数的AI跟迁移学习(xi)是没有关(guan)系的，那个时候的AI数学学得再好，去学物理的时候还(hai)得从头再来，就好像(xiang)一个刚出生的婴儿，没有迁移学习(xi)的能(neng)力。
谈及选择走出舒适区、进入AI行业的经历，戴文渊表示，当时有很多(duo)人来跟自己聊过，他们都很不理解，问(wen)他是怎么(me)想的？怎么(me)会想去工业界？他在(zai)学术圈的论文都够评个教授了，干要(yao)去工业界？又不是混不下去了？
当然，现在(zai)大家会发现AI圈里的好多(duo)知名教授都进入了行业。但在(zai)当时，戴文渊也并未感到很多(duo)压力，因为(wei)他从来不在(zai)乎别人会怎么(me)看待(dai)自己的选择，以及这个选择到底是不是最优的。
重要(yao)的是，他在(zai)思考，AI的商(shang)业化(hua)成果(guo)最早(zao)会出现在(zai)哪？他当时判断最早(zao)应该在(zai)互联网(wang)公司，原因有三点：1）它们的数据比Bing更好；2）当时做AI的成本还(hai)挺(ting)高的，需要(yao)有一个很好的商(shang)业化(hua)结果(guo)支撑；3）此外，获取(qu)数据的成本要(yao)低。
在(zai)进入AI行业时，戴文渊同时接到了谷歌和百度的offer，但由(you)于去百度能(neng)有更多(duo)的选择空间，他就从博(bo)士退学去了百度。
他可谓是非常地不走寻常路，宁可退学也要(yao)去把握AI可能(neng)落地的机会。对此，戴文渊表示，做那样的决(jue)定很容易的，并不需要(yao)纠结，就是觉得到那个点了，就要(yao)去干那个事，即使代(dai)价是没了博(bo)士学位。