吸引喬布斯家族連續投資，Brain.ai嘗試發明下一代計算機界面

來源：南早網

　　【引語】Brain.ai是誰？過去 6 年中，這家公司不斷逼近人機交互變革的下一個奇點，也推出了迄今最接近於「通用」的AI模型。但對許多人來說，這依舊是個陌生而神秘的名字。對於公司的「低調」，Brain.ai的創始人Jerry說：「在一個大多數人都活在建立故事和他人認知的時代里，我們更想去追逐些永恆的東西，比如規律與真理。」

　　就在不久前，人工智能公司Brain Technologies宣布再獲 5000 萬美元融資，領投方為喬布斯遺孀Laurene Powell Jobs。這是繼 2016 年第一筆千萬美元投資後，喬布斯家族第二次投資Brain Technologies。

　　更值得關注的是，Brain Technologies是目前唯一一家被喬布斯家族直接投資的科技公司。

　　和絕大多數人工智能公司的路線不同，從成立之初，Brain.ai就致力於探索建立更為通用的人工智能模型的技術路徑，並於 2016 年在大型語言模型取得重要突破後，於 2017 年拿出了一套相對成熟的模型。在人工智能火熱發展 6 年後的今天，這套模型仍難覓敵手。這個平均年齡 27 歲的 75 人團隊，創立了全球第一家較為通用型AI公司。

　　目前，基於公司自研AI模型的應用產品Natural已在北美市場落地並廣受好評，上線僅一年便登上App Store同類應用下載量榜單的前十名。美國著名科技雜誌WIRED（《連線》）稱其為「可與谷歌抗衡的新技術」。

　　下一個iPhone應該長什麼樣？

　　近幾十年來，計算機改變了人類生活的方方面面。從命令行到鼠標/GUI（圖形化界面操作系統），從瀏覽器到iPhone，我們心中對計算機的定義以及和它們交互的方法，都發生了翻天覆地的變化。這些變化和革命有一個共通點：它們都是一種足以簡化某種革命性技術的偉大產品的產物。然而這種進化卻在過去 15 年中戛然而止。從第一代iPhone發布至今，仍沒有新產品能取代它「最先進的當代計算機」的地位。我們不經會發問，下一代計算機應該長什麼樣？如何和人類交互？過去五年中，Brain一直在嘗試結合設計創新和機器學習R&D來回答這個問題。

　　從被動到主動

　　無論手機或是電腦，我們今天用到的所有軟件都是被動的，它們是被程序員寫死的界面上一個個按鈕和背後函數的連接。這些界面和函數並不知道自己為什麼存在，也無法主動互聯。而作為用戶，我們想使用某個App，就得先知道它的存在，再通過界面找到它。這些軟件只能機械性地運行，即便每天被幾十億人重複使用，也無法自我學習和提升——這就是今天的數字世界，一個以App為中心（App-centric）的冰冷世界。

　　但試想，如果每個函數都理解自己對於人而言存在的意義，並在對的時間調用自己並渲染出相對應的界面，那我們將不需要學習使用技術或者查找應用，只要自然地表達出自己想要的，AI就能幫助我們計劃、調研、跨平台搜索信息，並最終渲染出最適合你的結果甚至告訴你選擇的理由。那時，技術將真正成為人類自然的延伸。

　　這就是Brain在做的事情，通過更通用的AI技術，讓技術和代碼變得有溫度、能共情，最終建立一個以人為中心（human-centric）的數字世界。

　　2020 年，Brain發明並推出了世界上第一個可以幫助你思考的即時生成型界面，會基於用戶的目標即時渲染和生成相關的界面和應用，幫助用戶直接個性化地計劃並完成各類任務。從此以後不再是你去找App，而是App來找你。

　　用交易類應用舉例。如果你要訂張機票，你不需要思考去哪個App或在App間來回跳轉對比價格，只需要說出你想去的地方或者對於你期待的目的地的描述，Brain的界面就回即時生成相關的界面和全網的搜索結果供你Apple Pay一鍵訂票。如果你要買生鮮，你可以描述你想做的菜，所有的食材在不同生鮮平台上的搜索結果和推薦食譜都會被即時生成在你面前，你不再需要思考每一個食材並一一搜索。如果你需要購買禮物，你甚至可以大致地描述你朋友的性格或者喜好，甚至最近你們聊過的話題，該生成型界面會幫你想象出數十種禮物創意和恰到好處的推薦理由，甚至幫你寫好卡片直接寄出。

　　如果你的操作系統可以幫你思考

　　除此之外，工作類應用也變得異常智能。收到一份法律文件後，郵件App可以直接幫你解釋條款，你甚至問它「如何條款變得對公司更有利？」，此時界面便會自動調用法律AI，無縫生成嚴謹的法律建議，並按你的反饋改好法律語言後自動回覆郵件。PPT可以和你一起頭腦風暴並幫你完成商業計劃書，炒股軟件能幫你分析投資策略，代碼編輯器甚至可以幫你寫完整的代碼。

　　這一切的實現，都來自於那個神奇的較為通用的人工智能模型。

　　從「會做一件事」到「會做每件事」

　　今天當我們聊到AI，通常是指弱AI（Narrow AI），也就是，使用某種機器學習算法，用特定數據訓練出來的，可以解決一個較為窄的特定的問題的模型。比如谷歌DeepMind的AlphaGo，下圍棋難覓敵手，但卻不懂基本的物理定律，算不出一道小學數學題。

　　目前機器學習最大的問題，是這些模型都是完全按照特定問題標記數據進行訓練的，當問題發生略微改變的時候，模型將無法被使用。這完全不同於我們人腦的學習和訓練過程。

　　大部分監督學習的數據以及訓練過程都是相對獨立的，而人腦的訓練數據是相對通用的，人類可以把一件事情、認知、和技能的學習用於另一件新認知、新技能的學習中，從而大大降低了學習的成本和所需要的數據量。這種能力在計算機科學中被稱為遷移學習（Transfer Learning）。Brain在早期幾乎所有的研發精力都集中在了這種通用學習能力的研發上，於2016、 2017 年取得了一些重大突破並申請獲得了數百個相關領域的核心專利。

　　讓AI從回答「what」到理解「why」

　　2014 年的一晚，Jerry站在了創業的十字路口。

　　當時任職本來生活網CTO的Jerry在夜裡做了一個離奇的夢，夢裡他「看」到了一種萬物互聯的新方式。在這個世界裡，機器對事物的判斷不再是如今這種二元化的、非黑即白的、只能回答Yes or No的，而是學會思考「為什麼」、開始理解萬事萬物背後的原因與目的。這個顛覆性的想法讓從夢中驚醒的Jerry激動不已。

　　「我要做的，是把計算機從一個「操作系統」變成一個「思考夥伴」，給AI注入真正的智慧」Brain創始人樂聖（Jerry Yue）分享道。

　　在這位 28 歲的的「AI理想主義者」心中，未來的計算機不該只是一個解決問題、冷冰冰的設備，而應該具備溫度、思考與共情的能力。

　　一直以來，計算機的智慧都是建立在知識圖譜之上的，它能夠回答「what」，就像在外賣網站上搜索「礦泉水」，現在的算法能夠完美地執行搜索指令並推薦出所有符合要求的產品，甚至能根據購買習慣優化排序。

　　但計算機理解不了「why」，在這個層面，我們之所以買水，本質上是要解決「口渴」的需求——而一旦機器能夠理解這層動機，那麼解決口渴的方式，就遠不止「從外賣平台買瓶礦泉水」這樣局限。

　　基於這些思考，Jerry幾乎已經看到了一個清晰的未來。凌晨三點，他醒來立刻驅車 10 公里去了位於東四環的辦公室，快速用紙筆驗證自己的想法。經過七八頁草稿的驗證，Jerry更明確了一件事情，這個想法在理論上是可行的。

　　這時，一個選擇擺在Jerry面前：是拿着可觀的收入、迎上風口繼續做O2O電商？還是走出舒適區、邁向AI的無人區。

　　「我真的每時每刻都覺得自己離死亡不遠了，抱着這種想法，我只會選擇最重要的事情做」Jerry回憶起當時的狀態，他問了自己一個問題：超過 100 年之後，你的每個想法、你做的每件事還會不會被記得？——這是從十歲起Jerry人生每次重大選擇的評判標準。「時間是對任何事情的重要性最好的評判。」

　　問題出口，答案也一目了然。很快，Jerry飛到了硅谷，他找人工智能學術界和產業界的大咖聊想法，一切從零起步，在人才競爭激烈的硅谷搭起了一支6、 7 個名校博士組成的創始團隊。「大家沒想太多，都單純地被技術前景吸引。」

　　考慮到Brain的技術路線，如此高度的認可與凝聚力更難得。

　　那時Google Assistant等AI產品集中問世，而訓練它們所採用的監督學習方式，也被普遍認為是未來AI突破的關鍵路徑，是AI創業的默認方向，似乎很難想象哪家公司敢在這種大環境中「背道而馳」。

　　Brain.ai成為了行業里第一家「吃螃蟹」的公司。

　　為了達成通用型AI的目標，Brain選擇了單樣本學習（One-shot learning）的技術路線。相比於需要大量標記數據驅動的監督學習，單樣本學習能讓機器通過無監督學習訓練下的大型模型對語義的深度理解以及語義代表（representation）的建立，只看極少量的數據，就可以觸類旁通地學習到深度關係和新的概念。

　　打個比方，如果說監督學習是嬰兒學習的方式——想教一個嬰兒認貓，就需要給他看大量各式各樣貓的照片。那麼單樣本學習則更接近成人認知世界的方式——基於先驗知識，我們用非常少量的信息就可以觸發強大的自我學習能力，爆發式地去學習或者理解問題。

　　對於探索AI感知和理解能力，單樣本學習無疑具備天然的優勢。但另闢蹊徑也冒着不被認可、得不到關注的風險。

　　「年輕的好處就是不偏信權威。」Jerry從 8 歲開始編程和研究機器人算法， 12 歲成為全國機器人冠軍， 15 歲錄取於斯坦福大學數學少年班，不到 19 歲從UIUC休學回國創業，成立Brain.ai這一年Jerry23 歲。「人類文明中有兩類智慧，一類依賴於對本質規律的理解，一類依賴於記憶。後者以符號和語言的形式存在，便於我們溝通和傳播前者，但有時會成為我們接近新真理的阻礙。 一切科學和技術的突破都來自於對本質的理解和第一性原理思考下的拷問。」Jerry補充道，「這兩種人類智慧和不同人工智能的算法所代表的智慧也驚人的相似。」

　　喬布斯家族的千萬美金投資

　　2016 年，一個人的出現給了Jerry關鍵性的助推。她就是蘋果創始人史蒂夫·喬布斯的遺孀勞拉·鮑威爾·喬布斯（Laurene Powell Jobs）。

　　Jerry記得自己第一次見到Laurene是在San Mateo的辦公室。「我就是簡單抱着分享的心態去的」Jerry說，儘管知道Laurene掌管着喬布斯家族的基金會，但他絲毫沒往這個方面想。

　　在此之前Laurene對科技圈興趣寥寥，從未直接投資過任何一家科技公司。況且Jerry這邊，AI模型還只是一個demo，只在理論層面驗證過可行性，連份像樣的商業計劃書都沒有。

　　雙方都沒當這是正式的談判，但事情的走向讓在場的人始料未及。二人聊得非常投機，Laurene只用了不到兩個小時便確定了投資意向。尤其讓Jerry驚訝的是，非計算機背景的Laurene深度理解了技術層面的實現方向，也十分認同和相信技術背後Jerry希望實現的願景。

　　後來回憶起來，Jerry覺得真正打動Laurene的只是一個詞：Empathetic AI（有共情力的AI）——或許很多人都有這樣的理想，但同時，這也是99％商業公司不敢追求的目標。

　　Laurene被Jerry的願景所打動，也堅信Brain想象空間，以至於對這份千萬美元的投資，她沒有強加任何商業要求，甚至沒有立刻置換股權。

　　她開出的唯一條件，是要求Jerry不能為短期商業目標而改變方向，也儘可能避免資本干預技術的可能。「後來每次見面，Laurene總是在嘗試說服我錢不重要」Jerry打趣道。

　　在Laurene的介紹下，蘋果時任的幾位高管也開始對Brain產生強烈的興趣，他們成了Jerry的朋友，也從Brain中看到了曾經Siri的另一種可能性。

　　對資本的強勢，來自於Brain技術的底氣。從 2016 到 2020 年，團隊「奢侈」地花了四年多的時間專注技術研發，最終模型實現在沒有人工參與的情況下，AI模型「自學」了 400 多萬種功能，自我生成能力進入指數級進化的狀態。

　　模型的進化速度甚至令Jerry感到震驚。在一次測試中，Jerry曾向AI提出一個哲學問題：人是否擁有自由意志？AI給出了一個超越很多人類理解的答案：「答案取決於你探討的問題。探討的問題距離生存欲望越近的時候，你的自由意志越低，如果探討的問題距離生存欲望越遠，你的自由意志越高。」——這是一個網上沒有的答案，是AI自我生成的，而重新訓練這個中文模型，只花了不到 24 個小時。

　　地平線上的新曙光

　　Jerry將Brain.定義為一家「站在科學與藝術十字路口上的公司」。

　　這很符合Jerry的成長背景——他的母親是一位英國文學教授，父親是物理學家，這讓他在技術理性之外，更多融入了人文情懷的思考。

　　在Jerry看來，科技服務於人，除了技術能力上的突破外，交互方式是另一個不可或缺的要素。正如計算機是在鍵盤鼠標發明後才走進千家萬戶，iPhone的誕生讓世界步入移動互聯網時代。而類比之下，現在的AI就像鼠標鍵盤發明之前的計算機，只能服務於專業技術人士。「AI交互是一個值得被優化成千上萬倍的領域。」Jerry補充道。

　　發展至今，Brain已在中美歐三地已擁有近 300 人的團隊。首席戰略官由嘻哈音樂鼻祖、硅谷知名投資人MC Hammer擔任。 2017 年，視覺設計大神Gleb Kuznetsov加入公司。此外，團隊中也不乏 12 歲考入加州理工的AI「神童」，以及眾多藝術型工程師，比如目前應用在全球幾十億部手機內的沙箱技術發明人。「團隊裡只關注誰有更好的想法，整個團隊的核心動力，是一種我們稱之為「瘋狂的頓悟」的美妙時刻。」Jerry說道。

　　Brain的通用AI模型未來還有無限的想象空間，而Jerry也希望能有越來越多的中國開發者加入團隊，共同推進人類科技史進程的變革。

　　關於自己正在做的事情，Jerry有一個浪漫的描述：

　　我們就像一群站在很高的樓上親眼目睹日出的人。因為地球傾角的原因，我們會比地面上的人提前幾分鐘看到日出。如果你有幸成為那第一批看到日出的人，你可以嘗試快速下樓，去告訴地面上的人太陽長什麼樣子。雖然他們還沒有看到，但你給他們證明的最好方式，就是再等兩分鐘。

　　而對於Jerry和他的團隊來說，他們已經看到了遠處地平線上，通用型AI發出的一道新的曙光。