最近，Meta CTO Andrew Bosworths公开接受了记者的专访。
他针对Meta如何将AI和XR行业融合在一起，以及Meta对于开源AI社区的竞争和发展，AI人才的流动聊了很多。
当XR遇上AI，如何迸发出火花
问题：看起来，当混合现实硬件与生成式人工智能相结合时，会得到1+1大于2的效果吗？
在7年前Michael Abrash的Connect演讲中，他探讨了大型AR的未来愿景，强调人工智能是核心组成部分。
但之前的认识可能存在误区，认为需要大量狭窄的数据集才能获得更好的AI系统。然而，这种思维方式正逐渐转变。
眼镜类产品在市场上的长期存在，加上人工智能的应用，就可以显著提高眼镜的实用性。
在大型语言模型出现之前，机器学习总是围绕着创造价值的应用发展的。
例如，Facebook在引入News Feed排名机制之前已存在，但随着时间的推移，其排名机制得到了改善。
类似地，所有人工智能系统通常都是基于非AI元素开始，以获取数据集，随后这些数据集支持人工智能系统的不断进步。
然而大型语言模型与以往不同，它已经具有了很强的通用性。这意味着不再需要精确或完美的训练数据，现有的人工智能技术将成为未来Meta设备的基石。
Meta最近刚刚和Ray Ban合作推出的眼镜就是一个例子。这款眼镜具有摄像头视频、实时流媒体、优质音乐播放和通话的功能，是一款优秀的产品。
刚刚推出时，我们觉得需要一个「智能助手」来帮助用户使用这些功能，但是6个月过后，智能助手本身成为了眼镜上最为流行的功能了。
他强调，硬件产品的关键功能在短时间内发生改变是非常罕见的，但在眼镜的案例中却发生了，显示了技术发展的迅速和不可预测性。
问：您认为人工智能将如何在Quest中发挥作用？
在Quest上，我们真正想要实现的一些功能实际上并没有很好的训练数据集。
文本，我们有整个互联网作为资源。照片，Facebook和Instagram上有庞大的图库。但对于3D对象，尤其是在四维空间中动画的3D对象，却没有一个大型、权威的数据库。
这正是我们真正想要的。我们正在努力，试图改进这个模态下的一切内容，包括能够导出更多的3D内容。
所以混合现实和虚拟现实非常难以实现，因为你要实现的是一个额外的维度空间上的所有内容。
但另一方面，XR和VR显然有巨大的优势，它们有始终开启的传感器。这些传感器始终在扫描和感知空间。
Meta依然在进行研究，在3D和4D空间上看到了一些很有潜力的事情。
问：您想要实现的杀手级用例是什么？
答：在短期内，公司重点关注的是创作者，提供了设计头像、创建世界和游戏等功能。
而Meta的长期目标是提高用户与机器的交互效率，使用户能够同时在内容和系统层面进行交互。
例如，用户可以直接通过简单指令来启动游戏并邀请朋友参与某个游戏。
这可能是一个非常复杂的过程，需要在系统中启动游戏，同时向好友发出邀请，并将他们拉到同一个应用中的同一个地方。
开源AI，Meta与社区共荣
问：请问Meta开源Llama背后的策略是什么？
公司自2006年以来一直是开源领域的领导者。他们利用了多个开源项目，如PHP、Memcached和MySQL，这些项目帮助公司以较少的员工高效运作。他们还推动了PyTorch项目，这是一种主要的机器学习工程系统，并对其进行了开源。
开源项目的一个重要好处是围绕它可以建立起一个社区，这使得项目自我强化。例如，使用PyTorch的行业其他成员构建的工具也为公司所用。公司也观察到了他们的Llama项目的成功，这个项目有着庞大的建设者社区和1亿次下载记录，已经促成了多个不同项目和商业程序的成功。
公司还强调了开源软件的价值。他们的研究实验室发现，开源软件可以迅速获得独立第三方的验证结果，促进进一步的发展。虽然不是所有东西都适合开源——例如，由于数据集的使用或安全考虑——但在可能的情况下，他们倾向于开源，因为这对所有人，包括他们自己，都是双赢的情况。
问：来聊聊Llama，您的人工智能模型家族。开源Llama背后的策略是什么？
答：从我2006年加入Facebook那天起，Facebook一直以来就是开源领域的领导者。
PHP是开源的。如果Facebook没有接手Memcached这个项目，我们就会倒下。
MySQL是开源的。这就是Facebook之后能够成为一家规模小但是效率超高的公司，并以少量员工完成如此多工作的原因之一。
Meta现在不仅在推动这些项目，而且还在推动PyTorch，这是完成机器学习工程的第一系统。我们构建并开源了它。
开源项目的一个重要好处是围绕它可以建立起一个社区，Meta可以充分利用这个社区中的一切资源。
例如，使用PyTorch的其他成员构建的工具也为Meta自己所用。
就Llama而言，很多人都从中受益了。已经达到了1亿次下载，我们已经看到了由此产生的各种不同项目，并且有很多商业程序正在Llama基础上取得了成功。
如果Llama继续保持如今的发展势头——成为大型开发者社区的绝对核心——Meta也将受益匪浅，这对Meta的帮助也会非常大。
另外，如果再看看成立刚好10年的FAIR，我们研究实验室 一直以来也都秉承开源的理念。当开源软件时，FAIR会立即获得独立的第三方验证结果，然后有人在此基础上继续发展。
我们可以使用该结果来构建我们的下一篇论文，或者是开发我们的下一个程序。
我们不可能开源一切。比如我们的某些研究，因为其中使用的数据集，或者因为它的安全性，没有办法开源它。
但在其他条件相同的情况下，我们确实尝试开源，并相信它将帮助包括我们在内的所有人。这是双赢的。
问题：开源战略对招聘有何影响？我知道有些工程师喜欢开源，而有些人工智能研究人员认为开源如此强大的技术是不负责任的。
答：我认为这肯定有助于我们拥有更大的招募规模，因为更多的人熟悉您的模型以及训练模型的方式。我们可以雇佣更多懂得如何使用PyTorch的工程师。
因此，我认为这对于从越来越多的人中进行招聘来说确实很有好处，这些人距离在公司取得出色的成绩只有一步之遥。
关于认为「开源是不负责任」的说法，我认为对这些大型语言模型的很多焦虑都是错误的。
我觉得Yann LeCun说得很好。开源模型是一个超级有趣且重要的工具。我认为它是一个关联数据库。
没有推理或计划的能力，没法理解世界。而且现在来看未来也不会拥有这些能力。
技术依然会不断取得突破。这是一个非常激动人心的时刻。这是一项伟大而重要的技术。
我迫不及待地希望它的构建成本、运行成本、延迟更低、效率更高，能够在低功耗、小型设备上运行真正强大的模型。这些都是非常重要的事情。但是会花费大量的时间和精力。
而且，大模型也不是AGI。大模型发展到极限本身不会达到AGI。冯·诺依曼关于奥本海默的那句话怎么说来着？
「有时有人为了获得功劳，不惜承认自己有罪。」我认为硅谷有时会发生很多这样的事情。
我并不是说人们不相信它。也许有的人会相信，但是我不会。
AI人才迎来黄金时代
问：你们在招募下一位杰出的人工智能研究人员时的宣传口号是什么？如何让他们加入 Meta，而不是OpenAI或Google DeepMind？
A：研究人员现在有很多选择。现在是入行的好时机。这些公司差异很大。如果有人想加入 Google，成为他们千人团队一员。
但是在Meta有不同规模的团队，每个人能获得的个人影响力是完全不同的。OpenAI 是第三个不同的机构。他们有非常不寻常的治理结构，股权单位似乎也不太一样。
问：那么招聘工作还顺利吗？
答：进展顺利。确实有很多伟大的人才正在离开刚刚说到的3家公司。其中一些人才将流向该另外几家公司。
其中一些人才也将去往全新的地方，法国的Mistral是一群开发Llama的人才构成的。
按照硅谷的标准，我的职业生涯已经很长了，也就见怪不怪了。
当新技术出现时，人们的热情就会大爆发。其中一些人才流向初创公司，一些流向老牌公司。但是一定会有更多的人才进入这个行业。
现在就是这样一个时代，人才的总数在不断增加。深度学习研究人员可能比一年前多了10倍。因为人们看到这样的需求，所以就有越来越多的人开始学习和研究这些技术了。
问：你提到了Mistral。上周推出的Mixtral模型使用了专家的混合体，这似乎与你们在 Meta 所做的事情形成了竞争。你是这样看的吗？
答：不。如果整个社区团结在任何开源模型周围，并且它成为事实上的标准，这就是发生的有趣的事情之一。
我们可以使用这个模型。它不一定来自我们，就像Memcached不一定来自我们一样。
MySQL不是来自我们。这些都是伟大的事情。我们很高兴使用它们。因此，一旦你不想与开源竞争，开源就是好的。
让我们拥有相互竞争、采用不同策略并尝试在不同方面超越彼此的模型。「
我的商业模式不会阻止其他人使用这项技术。」
需要明确的是，Llama 团队绝对希望击败所有其他模型。这种竞争是很好的，很健康。
这是人们之间出于善意和良好精神的竞争，而不是为了生存下来的竞争。
如果你输掉了这场比赛，你的惩罚就是你可以使用更好的模型。
