tl;dr
Jeremy Howard（创始CEO，此前是 Kaggle 和 fast.ai 的联合创始人）和 Eric Ries（创始董事，此前是《精益创业》和长投交易所的开创者）今天推出了 Answer.AI，一种新型的AI研发实验室，它基于基础研究突破，创造实用的终端用户产品。 Answer.AI 的创立获得了 Decibel VC 的 1000 万美元投资支持。 Answer.AI 将是一支由深度技术多面手组成的完全远程团队——汇聚世界上最顶尖的人才，无论他们住在哪里，上过什么学校，或任何其他无关紧要的表面特征。
一个新的研发实验室
1831年，Michael Faraday 向世界展示了如何驾驭电。突然间，世界上出现了一种全新的力量源泉，毫不夸张地说。他后来发现了光和磁统一的基础，并知道自己取得了重大突破
“我碰巧发现了磁与光之间的直接关系，也发现了电与光之间的关系，这开启的领域如此广阔，我认为潜力巨大。” Michael Faraday；写给 Christian Schoenbein 的信
但如何驾驭这种力量并不完全清楚。现在可以创造出以前无法创造的哪些产品和服务？现在哪些东西可以变得更便宜、更高效、更容易获得？有一个人着手理解这一切，并在1876年组建了一种新型的研发实验室，他称之为“发明实验室”：这个实验室旨在弄清楚驯服电所需要的基础研究，以及使其在实践中发挥作用所需的实际开发。
你可能听说过这个人：他名叫 Thomas Edison。他创建的组织后来变成了一家你可能知道的公司：通用电气（General Electric）。
今天，我们发现自己处于类似的情况。世界上出现了一种新的力量源泉——人工智能。和以前一样，如何驾驭这种力量并不完全清楚。所有那些能让我们的生活和工作显著变得更轻松、更愉悦的AI驱动产品和服务在哪里呢？
为了创造这些AI驱动的产品和服务，我们建立了一个新的研发实验室，名为 Answer.AI。 Answer.AI 将致力于弄清楚驯服AI所需的基础性 研究，以及使其在实践中发挥作用所需的 开发 路径。
驾驭AI的迭代路径
驾驭AI不仅需要低层次的计算机科学和数学研究，还需要深入思考哪些实际应用可以利用这种新力量。“研发（R&D）”中的“发（D）”至关重要：只有考虑实际应用的 开发，才能确定正确的 研究 方向。
这就是为什么 Answer.AI 的工作建立在研究 和 开发两方面专家工作的基础之上。联合创始人 Jeremy Howard（就是我！）和 Eric Ries 在这两个领域都提出了开创性的思想。我与他人共同创立了 fast.ai，并在那里工作了7年，专注于 研究 如何最好地使AI更易于使用，特别是通过 迁移学习 和 微调。我从事机器学习研究已超过30年，包括创建了用于微调大型语言模型的ULMFiT方法，该方法是当今所有流行语言模型的基础，包括 OpenAI 的 ChatGPT 和 Google 的 Gemini。我开发了世界上持续时间最长的深度学习在线课程，在课程中我向学生展示如何从简单的模型开始，然后通过迭代将其逐步提升到最先进水平。
我认识 Eric 多年，没有人比他更值得我信任和尊敬，这就是我请他担任 Answer.AI 创始董事的原因。 Eric 在过去10年里致力于改进公司的运营方式、服务客户的方式以及治理方式。他是《精益创业》运动的开创者，该运动是大多数初创公司构建产品和扩展组织的基础。他的工作专注于 开发：组织如何在实践中从一个想法走向一个可持续、使命驱动且盈利的产品。他的一个关键见解是创建并迭代改进一个 最小可行产品（MVP）。
我请 Eric 分享他对 Answer.AI 独特的研发方法的看法，他的总结比我能做的要好得多，所以我将直接引用他的回复：
“人们认为顺序是 研究→开发，因此研发实验室先做‘研’（R），再做‘发’（D）。也就是说，研究指导开发，所以务实意味着既有研究人员也有开发人员。但这错了，而且导致很多糟糕的研究，因为开发应该指导研究，反之亦然。所以，设定开发目标是一种进行更有效研究的方式，如果你将其设定为你的指路明灯。”
Eric 也是治理方面的专家，精通如何领导公司以使利润与人类福祉的提升保持一致。他创建了 长投交易所（LTSE），这是50多年来美国第一个根本性的新证券交易所。LTSE 要求上市公司和志同道合的投资者致力于长期价值，而非仅仅追求短期利润最大化。Eric 担任 LTSE 的董事长，这意味着他不仅熟知正确的长期治理框架，而且走在创造新系统的最前沿。
Answer.AI 充分发挥AI的潜力需要数年时间，这需要战略远见和长期韧性，而这在当今的商业环境中很难维持。Eric 一直在写一本关于这个主题的书，他的观点是，关键基础在于建立正确的公司治理结构。他帮助我确保 Answer.AI 始终反映我驾驭AI的愿景和战略。我们通过建立一个专注于 长期 影响的营利性组织来实现这一目标。毕竟，在足够长的时间跨度内，最大化股东价值与最大化社会效益是完全一致的。
尽管 Eric 和我带来了非常不同（且互补）的技能和经验，我们却有着解决真正难题的同一个基本思想：首先以简单的方式解决更小、更容易的问题，并搭建一个阶梯，其中每一级本身都是有用的步骤，同时也在一步步接近最终目标。
我们的研究平台
像 OpenAI 和 Anthropic 这样的公司一直在致力于开发通用人工智能（AGI）。他们在这方面做得非常出色——我们现在已经到了这个领域专家声称“通用人工智能已经到来”的程度。
在 Answer.AI，我们不致力于构建 AGI。相反，我们的兴趣在于有效利用现有模型。弄清楚如何在现有的基础模型之上构建哪些具有实际用途的应用是一项巨大的任务，而且我认为它尚未得到足够的关注。
我的观点是，构建 Answer.AI 研发能力的正确方法是汇聚极少数好奇、热情、技术卓越的多面手。拥有庞大的专家团队会产生巨大的组织摩擦和复杂性。但借助现代AI工具，我看到一个对基础知识有深入理解的多面手，即使使用不熟悉的语言、工具和库，也能为具有挑战性的问题创建有效的解决方案（事实上我自己已经做过很多次了！）。我认为人们会非常惊讶于一支由灵活、有创造力、思想开放的小团队所能取得的成就。
在 Answer.AI，我们将进行真正原创的研究，探讨如何最好地微调较小的模型以使其尽可能实用，以及如何减少目前阻碍人们更广泛使用AI的限制。我们有兴趣解决一些大型实验室可能不屑一顾的问题——但我们的观点是，这些小问题的集合在实践中意义重大。
这影响了我们对安全问题的思考方式。尽管AI能力越来越强，但算法决策不当对社会造成的危险已经伴随我们多年。我们相信从这些年经验中学习，并深入思考如何使模型的 应用 与当今人们的需求相契合。三年前在 fast.ai，我们创建了一个关于实用数据伦理的开创性课程，并在我们的书中专门用一个章节讨论了这些问题。我们致力于继续努力推动AI的伦理和有益应用。
从 fast.ai 到 Answer.AI
Rachel Thomas 和我在七年多前意识到，深度学习和神经网络正朝着成为历史上最重要的技术之一迈进，但它们也正被社会中极少数排他性群体所控制和理解。我们担心如此关键的技术会被集中和控制，因此我们创立了 fast.ai，使命是让AI更易于获取。
我们取得了超乎想象的成功，如今 fast.ai 的AI课程是世界上持续时间最长、也许也是最受欢迎的课程。我们构建了第一个使 PyTorch 更易用、更强大的库（fastai），构建了世界上最快的图像模型训练系统（根据 Dawnbench 竞赛），并创建了现在所有主要大型语言模型（LLMs）都使用的三步训练方法（ULMFiT）。在过去7年里，我们创造的一切都是免费的——fast.ai 是一项完全利他主义的努力，我们所构建的一切都慷慨地赠予了所有人。
我现在的看法是，这是重振和更新我们使命的时候了。事实上，Answer.AI 的使命与 fast.ai 相同：让AI更易于获取。但 方法 不同。 Answer.AI 的方法将是 使用 AI 来创建各种在实践中真正有价值和有用的产品和服务。我们希望研究构建AI产品的新方法，以服务那些目前方法无法触达的客户。
这将使我们能够赚钱，我们可以用这些钱来扩展到更多更大的机会，并通过提高效率来降低成本，从而形成一个正向循环，从AI中创造出越来越多的价值。我们将把所有时间花在如何扩大市场规模上，而不是如何增加我们在其中的份额。没有护城河，我们甚至不在乎！这切中了我们关键前提的核心：创建一个长期盈利的公司，并对整个社会产生积极影响，这两个目标可以完全一致。
我们其实并不知道我们在做什么
如果你读到了这里，那么我告诉你一个实话：我们其实并不知道我们在做什么。人工智能是一个巨大而复杂的主题，我非常怀疑任何声称自己已经完全弄懂的人。事实上，法拉第当年对电也是这种感觉——他甚至不确定它是否有任何重要性
“我目前又在忙于电磁学，并且认为我抓住了一个好东西，但说不好；它也许是一株杂草，而不是一条鱼，在我所有的努力之后，我最终也许只能拔起一株杂草。” Faraday 1831年写给 R. Phillips 的信
但不确定也没关系。 Eric 和我认为，开发基于现代AI模型的有价值东西的最佳方法是尝试各种可能性，看看哪些行得通，然后在此基础上逐步改进。
正如法拉第所说：“一个坚信自己是对的人几乎肯定会犯错。” Answer.AI 是一个为那些不确定自己是对的人而设的研发实验室，但他们会拼命努力，最终把它做对。
这并不是一种真正意义上的新型研发实验室。爱迪生早在近150年前就这样做了。所以我想我们最好说它是一种新的旧式研发实验室。如果我们做得像 GE 一样好，那么我想那就相当不错了。