Sam Gao, CEO και συνιδρυτής της DINQ – Σειρά Συνεντεύξεων

Ο Sam Gao είναι ένας ηγετικός ερευνητής, μηχανικός και επιχειρηματίας, υπηρετώντας ως CEO και συνιδρυτής της DINQ, μια πλατφόρμα σύνδεσης ταλέντων της επόμενης γενιάς για την εποχή του AI. Αρχικά εκπαιδευμένος σε πολιτικό μηχανικό, μεταπήδησε στο AI, δημοσιεύοντας πάνω από 10 έγγραφα σε κορυφαίες конференσίες όπως NeurIPS, ICML και CVPR, και συμβάλλοντας σε σημαντικά ανοιχτά πλαίσια όπως PyTorch και TensorFlow.

Ο Gao είναι ο δεύτερος συγγραφέας του DeepFaceLab, του παγκοσμίου ηγετικού ανοιχτού συστήματος ανταλλαγής προσώπου, το οποίο έχει κερδίσει πάνω από 46.000 αστέρια στο GitHub και κατατάσσεται μεταξύ των top ten AI έργων του GitHub το 2020. Δημιούργησε επίσης το OutfitAnyone, ένα παγκόσμιο σύστημα εικονικής δοκιμής που αναγνωρίζεται μεταξύ των top 20 έργων στο HuggingFace Spaces το 2024 και αναπτύχθηκε εμπορικά στο Taobao, παράγοντας πάνω από 100 εκατομμύρια RMB σε ετήσιο έσοδο. Επιπλέον, έγραψε το λευκό βιβλίο του Eliza OS AI Agent, ένα ευρέως αναφερόμενο πλαίσιο για einen Αποκεντρωμένο Trading Agent.

Με μια παγκόσμια προοπτική για την καινοτομία του AI, ο Gao έχει ασχοληθεί εκτενώς με ηγετικούς ερευνητές, ιδρυτές και πρωτοπόρους της βιομηχανίας, ταξιδεύοντας σε κέντρα όπως η Κοιλάδα του Κρεμού, η Νέα Υόρκη, το Ντένβερ, το Νταβός, η Σιγκαπούρη και το Κιότο. Ο Gao ίδρυσε την κοινότητα Qingke AI, η οποία έχει αυξηθεί σε πάνω από 30.000 δημόσιους οπαδούς και 5.000 εμπειρογνώμονες, προσφέροντας ομιλίες για την τεχνολογία του μελλοντικού, ιδιωτικά εργαστήρια και ευκαιρίες δικτύωσης. Η κοινότητα αναγνωρίζεται τώρα ως ένα από τα πιο επαγγελματικά και επηρεαστικά δίκτυα για ερευνητές που εργάζονται για xAI, OpenAI, DeepMind, Qwen, Deepseek και άλλα.

Πέρασα αρκετά χρόνια εργαζόμενος στην οπτική αναγνώριση και γραφικά για AR και VR στην Alibaba Cloud, και αργότερα συμβούλευα για συστήματα απόδειξης ανθρώπινης ταυτότητας με βάση το blockchain. Ποια προσωπική απογοήτευση ή σημείο καμπής σας οδήγησε να απομακρύνεστε από αυτούς τους ρόλους και να συνιδρύσετε την DINQ;

Κατά τη διάρκεια των ετών μου στην Alibaba Damo Academy, είδα την τεχνολογία να φτάσει σε εκατομμύρια χρήστες. Ωστόσο, η μεγαλύτερη απογοήτευσή μου δεν ήταν ένα τεχνικό εμπόδιο, αλλά η ανταπόκριση ταλέντων. Είδα εξαιρετικούς διδάκτορες να πηγαίνουν με δυσκολία στην ανάπτυξη του πραγματικού κόσμου, ενώ οι αυτοδίδακτοι “μάγοι προγραμματισμού” αγνοούνταν επειδή δεν είχαν ένα prestigioso λεζάντα. Αργότερα, η συμβουλή μου για συστήματα ταυτότητας blockchain με δίδαξε τη δύναμη της “Απόδειξης Ανθρώπινης Ταυτότητας”. Η DINQ είναι το σημείο τομής αυτών των εμπειριών: μια αποστολή για να παρέχει μια οριστική, αντικειμενική Απόδειξη Αξίας για οποιονδήποτε χτίζει στην εποχή του AI.

Η DINQ εκκινεί σε μια στιγμή που τα μοντέλα AI και η υπολογιστική ικανότητα επεκτείνουν πιο γρήγορα από το ταλέντο που απαιτείται για να τα χτίσει και να τα αναπτύξει. Από την οπτική σας, τι είναι ουσιαστικά λάθος με τον τρόπο που ανακαλύπτεται και αξιολογείται το ταλέντο του AI σήμερα;

Το ουσιαστικό ελάττωμα είναι η “Υστέρηση Αξιολόγησης”. Ενώ οι ικανότητες του AI επεκτείνουν κάθε μήνα, η πρόσληψη παραμένει κολλημένη σε ένα παραμεθόριο που χρονολογείται μια δεκαετία:

Λήθη Λέξεων-Κλειδιών: Τα παραδοσιακά φίλτρα δεν μπορούν να διακρίνουν μεταξύ κάποιου που απλώς “χρησιμοποιεί” το ChatGPT και κάποιου που μπορεί να σχεδιάσει μια εργασία πολλαπλών πρακτόρων.

Η “Παγίδα του Παιδαγωγικού Ιδρύματος”: Η εξάρτηση από ελίτ πτυχία ή “Μεγάλες Τεχνολογικές” τίτλους είναι ένα λениβό προξένη για την ικανότητα. Αυτό παραβλέπει τον τεράστιο ωκεανό “κρυμμένων γемонιών” που οδηγούν την καινοτομία σε ανοιχτά ή στενά εγχώρια.

Στατική vs Ρευστή: Ένα βιογραφικό είναι μια φωτογραφία του παρελθόντος, η συνεισφορά του AI είναι ένα ζωντανό, αναπνέον ρεύμα δεδομένων σε GitHub, Hugging Face και συνεργατικά πλαίσια.

Έχετε περιγράψει την DINQ ως μια απάντηση στα όρια των βιογραφικών, των προφίλ του LinkedIn και της πρόσληψης με βάση τις λέξεις-κλειδιά. Ποια κρίσιμα σήματα σχετικά με τους ερευνητές και τους προγραμματιστές του AI χάνονται από τα παραδοσιακά συστήματα πρόσληψης;

Η τυπική πρόσληψη χάνει το “Γενετικό Υλικό” του κατασκευαστή:

Επιμονή: Πώς ένας χρήστης βελτιώνει μια πρόταση ή ένα μοντέλο μέχρι να δουλέψει;

Μαστόρων: Η ικανότητα να γεφυρώσει το χάσμα μεταξύ eines ακατέργαστου εργαλείου AI και μιας συγκεκριμένης επιχειρηματικής λύσης.

Η “Ταχύτητα Μάθησης”: Σε ένα πεδίο όπου η γνώση αποτιμώνεται κάθε εξάμηνο, η ταχύτητα με την οποία κάποιος κυριαρχεί σε ένα νέο πλαίσιο (όπως η μετάβαση από RAG σε εργασίες Agentic) είναι πιο σημαντική από τα συνολικά χρόνια εμπειρίας.

Η Κάρτα DINQ συναθροίζει κώδικα, δημοσιεύσεις, έργα και συνεργασίες σε ένα seul, επιβεβαιωμένο προφίλ. Πώς αλλάζει η定义 του “Επίδρασης” για τους νεαρούς ερευνητές του AI που μπορεί να μην έχουν ακόμη μεγάλους τίτλους ή γνωστές συσχετίσεις;

Η Κάρτα DINQ αλλάζει την ορισμό της επιτυχίας από “Που εργάζεστε” σε “Τι έχεις πραγματικά χτίσει”. Για τους νεαρούς κατασκευαστές ή τους μη παραδοσιακούς δημιουργούς, αυτό είναι ένα παιχνίδι-αλλαγή. Συγκεντρώνει τις επιβεβαιωμένες συνεισφορές, είτε πρόκειται για ένα υψηλής απόδοσης LoRA, ένα ιογενές έργο AI-γενικής, είτε μια κρίσιμη διόρθωση σφαλμάτων υποδομής AI, σε μια φήμη. Επιτρέπει σε ένα φοιτητή σε μια απομακρυσμένη περιοχή να διοικήσει την ίδια σεβασμότητα με έναν μηχανικό της Κοιλάδας του Κρεμού με βάση την καθαρή αξία της “Επιβεβαιωμένης Επίδρασης”.

Στην πλευρά της πρόσληψης, η DINQ εισάγει αναζήτηση και συλλογισμό AI-γενικής αντί για στατικά φίλτρα. Πώς αλλάζει αυτό τον τρόπο με τον οποίο οι εταιρείες αναγνωρίζουν υποψήφιους για εξειδικευμένα πεδία όπως η ενίσχυση της μάθησης ή τα συστήματα πολλαπλών πρακτόρων;

Η παραδοσιακή αναζήτηση είναι δυαδική (Ναι/Όχι). Η αναζήτηση της DINQ είναι Βασισμένη σε Συλλογισμό. Αν μια εταιρεία χρειάζεται κάποιον για “Πράκτορες AI”, η DINQ δεν ψάχνει απλώς για την λέξη-κλειδί. Αναλύει την πραγματική έξοδο του υποψήφιου: Λύσε σύνθετα βρόχους συλλογισμού και συνεισέφερε στο Langchain ή Dify; Πώς χειρίστηκε την απώλεια API σε έργα του; Αυτό επιτρέπει στις εταιρείες να αναγνωρίσουν “Εξειδικευμένους Γενικους”: άτομα με βαθιά直覺 να πλοηγηθούν σε συγκεκριμένα προκλήματα AI που δεν έχουν ακόμη μετατραπεί σε τίτλους εργασίας.

Έχοντας εργαστεί μέσα σε μεγάλες πλατφόρμες όπως η Alibaba Cloud, τι νομίζετε ότι οι μεγάλες οργανώσεις καταλαβαίνουν λάθος σχετικά με την αξιολόγηση της πραγματικής ικανότητας AI έναντι των επιφανειακών πιστοποιητικών;

Οι μεγάλες οργανώσεις συχνά confound την “Παροῦσα Προέλευση” με τη “Μελλοντική Προσαρμογή”. Υποθέτουν ότι η επιτυχία σε ένα δομημένο, κληρονομικό περιβάλλον μεταφράζεται σε επιτυχία στο “Άγριο Δυτικό” του AI. Η αλήθεια είναι ότι η ικανότητα του AI σήμερα είναι για Πράκτορες, η ικανότητα να λάβει ένα ασαφές πρόβλημα και να χρησιμοποιήσει το AI για να το λύσει από άκρο σε άκρο. Οι μεγάλες πλατφόρμες συχνά παραβλέπουν τους “αυτοσχεδιαζόμενους καινοτόμους” που οδηγούν πραγματικά το βέλος.

Η DINQ εμφανίζει μοτίβα συνεργασίας και μακροπρόθεσμης ερευνητικής τροχιάς σε διάφορα πλαίσια αντί να επικεντρώνεται σε απομονωμένες επιτεύξεις. Γιατί αυτή η διαχρονική προοπτική γίνεται πιο σημαντική καθώς η έρευνα του AI γίνεται πιο διεπιστημονική και ομαδική;

Η καινοτομία δεν είναι πλέον ένα ατομικό άθλημα, είναι μια Συνεργατική Εξέλιξη. Βλέποντας την πορεία ενός ατόμου σε διάφορα πλαίσια με την πάροδο του χρόνου, βλέπουμε τη Στρατηγική Συνέπεια. Κάνουν απλώς το σάλτο σε κάθε κύκλο υστερίας ή χτίζουν ένα βαθύ, διεπιστημονικό στάκ; Όσο το AI γίνεται ομαδικό, το να δεις πώς ένας άνθρωπος αλληλεπιδρά με τον κώδικα και την έρευνα άλλων γίνεται ο απόλυτος προγνωστικός παράγοντας για την “Πρόσθετη Πολιτισμική” και τεχνική ηγεσία.

Υπάρχει αυξανόμενη ανησυχία ότι η πρόσληψη του AI είναι προκατειλημμένη προς την ορατότητα αντί για την αξία. Πώς η DINQ στοχεύει να εμφανίσει υψηλής επίδρασης ταλέντο που μπορεί να παραμείνει κρυφό ή παραβλεφθέν;

Η πρόσληψη σήμερα ευνοεί τις φωνές που ακούγονται περισσότερο στα μέσα κοινωνικής δικτύωσης, όχι απαραίτητα τους πιο ταλαντούχους. Η DINQ ενεργεί σαν ένα “Quantitative Fund για Ταλέντο”. Απομακρύνουμε τον θόρυβο και κοιτάζουμε την Πυκνότητα Αξίας. Βγάζοντας στην επιφάνεια υψηλής επίδρασης συνεισφέροντες που μπορεί να είναι “σιωπηλοί κατασκευαστές” στο GitHub, Huggingface ή εξειδικευμένα φόρουμ, εξασφαλίζουμε ότι η αξία, όχι η διαφήμιση, καθορίζει ποιος παίρνει τις καλύτερες ευκαιρίες.

Ως κάποιος που έχει λειτουργήσει στο σημείο τομής της υποδομής του AI, της εφαρμοσμένης έρευνας και τώρα των συστημάτων ταλέντων, πώς βλέπετε τη σχέση μεταξύ της επέκτασης του υπολογισμού του AI και της ανθρώπινης εμπειρογνωμοσύνης να εξελίσσεται τα επόμενα χρόνια;

Όσο ο υπολογισμός επεκτείνεται, ο “Άνθρωπος στη βρόχη” εξελίσσεται από ένα εκτελεστή σε einen αρχιτέκτονα. Κινουμε toward ένα κόσμο όπου η “Εμπειρογνωμοσύνη” ορίζεται από την ικανότητά σας να κατευθύνετε τεράστιες υπολογιστικές πόρους προς σημαντικά αποτελέσματα. Η σχέση δεν είναι ανταγωνιστική, είναι συμφωνική. Ο “AI-Ενεργοποιημένος Άνθρωπος” θα είναι το πιο πολύτιμο περιουσιακό στοιχείο στην παγκόσμια οικονομία, άτομα που μπορούν να ορχηστρώσουν μοντέλα, να επικυρώσουν την αλήθεια και να εντάξουν δημιουργική直覺 εκεί όπου οι αλγόριθμοι χτυπούν ένα τοίχο.

Κοιτάζοντας πέρα από την εκκίνηση του Ιανουαρίου, τι σημαίνει επιτυχία για την DINQ στην αναμόρφωση του τρόπου με τον οποίο το οικοσύστημα του AI αναγνωρίζει, αναπτύσσει και αναπτύσσει ανθρώπινο ταλέντο σε κλίμακα;

Η επιτυχία για την DINQ σημαίνει να χτίσει το “Επίπεδο Εμπιστοσύνης” της Οικονομίας του AI. Θέλουμε να δούμε ένα κόσμο όπου μια Κάρτα DINQ είναι το μόνο “Βιογραφικό” που θα χρειαστείτε ποτέ. Μέχρι το 2026, ο στόχος μας είναι να έχουμε αναμορφώσει την παγκόσμια αγορά εργασίας σε μια πραγματική Μεριτοκρατία σε Κλίμακα, όπου το ταλέντο ανακαλύπτεται άμεσα, επιβεβαιώνεται αυτόματα και αναπτύσσεται στα πιο επείγοντα προβλήματα του κόσμου ανεξάρτητα από γεωγραφία ή υπόβαθρο.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν DINQ.