Sam Gao, CEO i współzałożyciel DINQ – Seria wywiadów

Sam Gao jest wiodącym badaczem AI, inżynierem i przedsiębiorcą, pełniącym funkcję CEO i współzałożyciela DINQ, platformy łączącej talent dla ery AI. Początkowo szkolony w dziedzinie inżynierii lądowej, przeszedł do AI, publikując ponad 10 prac na najwyższych konferencjach, w tym NeurIPS, ICML i CVPR, oraz przyczyniając się do głównych frameworków open-source, takich jak PyTorch i TensorFlow.

Gao jest współautorem DeepFaceLab, najpopularniejszego systemu open-source do zamiany twarzy, który zdobył ponad 46 000 gwiazd na GitHub i zajął miejsce w pierwszej dziesiątce projektów AI na GitHub w 2020 roku. Stworzył również OutfitAnyone, system wirtualnej przymiarki, który został uznany za jeden z 20 najlepszych projektów na HuggingFace Spaces w 2024 roku i został wdrożony komercyjnie na Taobao, generując ponad 100 milionów RMB rocznego przychodu. Ponadto jest autorem białej księgi Eliza OS AI Agent, powszechnie cytowanego frameworku dla zdecentralizowanego agenta handlowego.

Z globalną perspektywą na innowacje AI, Gao nawiązał szerokie kontakty z wiodącymi badaczami, założycielami i pionierami przemysłu, podróżując do centrów takich jak Dolina Krzemowa, Nowy Jork, Denver, Davos, Singapur i Kioto. Gao założył społeczność Qingke AI, która rozrosła się do ponad 30 000 publicznych obserwatorów i 5 000 ekspertów, oferując wykłady na temat frontierowych technologii, warsztaty i możliwości sieciowania. Społeczność jest teraz uznawana za jedną z najbardziej profesjonalnych i wpływowych sieci dla badaczy, którzy pracują dla xAI, OpenAI, DeepMind, Qwen, Deepseek i innych.

Przez kilka lat pracowałeś nad widzeniem komputerowym i grafiką dla AR i VR w Alibaba Cloud, a później doradzałeś w sprawie systemów AI opartych na dowodach tożsamości w blockchain. Jaki osobisty frustracja lub punkt zwrotny skłonił Cię do opuszczenia tych ról i współzałożenia DINQ?

Podczas moich lat w Alibaba Damo Academy widziałem, jak najnowocześniejsza technologia dociera do milionów użytkowników. Moim największym frustracją nie był jednak techniczny impas; była to niezgodność talentów. Widziałem, jak wybitni doktoranci mają trudności z wdrożeniem w świecie rzeczywistym, podczas gdy samouczni “czarodzieje kodowania” byli ignorowani, ponieważ nie mieli prestiżowej etykiety. Późniejsza rola doradcy w systemach blockchain identity nauczyła mnie mocy “Dowodu tożsamości”. DINQ jest punktem przecięcia tych doświadczeń: misją zapewnienia ostatecznego, obiektywnego Dowodu wartości dla każdego, kto buduje w erze AI.

DINQ jest uruchamiany w momencie, gdy modele AI i pojemność obliczeniowa rozwijają się szybciej niż talent niezbędny do ich budowy i wdrożenia. Z Twojego punktu widzenia, co jest fundamentalnie złe w sposobie, w jaki odkrywany i oceniany jest talent AI?

Podstawową wadą jest “Opóźnienie oceny”. Podczas gdy możliwości AI rozwijają się co miesiąc, rekrutacja pozostaje utkwiona w paradygmacie sprzed dziesięciu lat:

Przestarzałość słów kluczowych: Tradycyjne filtry nie mogą odróżnić kogoś, kto po prostu “używa” ChatGPT, od kogoś, kto może zaprojektować wieloagentowy workflow.

Pułapka “Pochodzenia”: Ufanie elitarnym stopniom lub “tytułom Big Tech” jest leniwym proxy dla kompetencji. Przeocza ogromny ocean “ukrytych pereł”, które napędzają innowacje w open-source lub niszowych branżach.

Statyczny a płynny: CV to zdjęcie przeszłości; wkład AI to żywa, oddychająca strumień danych na GitHub, Hugging Face i platformach współpracy.

Opisujesz DINQ jako odpowiedź na ograniczenia CV, profili LinkedIn i rekrutacji opartej na słowach kluczowych. Jakie krytyczne sygnały dotyczące badaczy i deweloperów AI są pomijane przez tradycyjne systemy rekrutacji?

Standardowa rekrutacja pomija “DNA behawioralne” budowniczego:

Iteracyjna wytrzymałość: Jak użytkownik udoskonala wypowiedź lub model, aż działa?

Masteryum kontekstowe: Umiejętność mostkowania przepaści między surowym narzędziem AI a konkretnym rozwiązaniem biznesowym.

“Szybkość uczenia się”: W dziedzinie, w której wiedza ulega dewaloryzacji co sześć miesięcy, szybkość, z jaką ktoś opanowuje nowy framework (np. przechodząc z RAG do workflow Agentic), jest ważniejsza niż łączna liczba lat doświadczenia.

Karta DINQ agreguje kod, publikacje, projekty i współpracę w jeden, zweryfikowany profil. Jak to zmienia definicję “wpływu” dla młodych badaczy AI, którzy mogą jeszcze nie mieć dużych tytułów lub znanych afiliacji?

Karta DINQ zmienia definicję sukcesu z “Dla kogo pracujesz” na “Co tak naprawdę zbudowałeś”. Dla młodych budowniczych lub nietradycyjnych twórców jest to przełom. Agreguje zweryfikowane wkłady, niezależnie od tego, czy jest to wysoko wydajny LoRA, wirusowy projekt AI, czy krytyczna poprawka błędu infrastruktury AI, w Reputation. Pozwala studentowi z odległej okolicy na uzyskanie tego samego szacunku, co inżynier z Doliny Krzemowej, na podstawie samej tylko zasługi “Zweryfikowanego wpływu”.

Po stronie rekrutacji DINQ wprowadza AI-natywny wyszukiwanie i rozumowanie zamiast statycznych filtrów. Jak to zmienia sposób, w jaki firmy identyfikują kandydatów dla wyspecjalizowanych dziedzin, takich jak uczenie wzmocnione lub systemy wieloagentowe?

Tradycyjne wyszukiwanie jest binarne (Tak/Nie). Wyszukiwanie DINQ jest oparte na rozumowaniu. Jeśli firma potrzebuje kogoś do “agentów AI”, DINQ nie szuka tylko hasła. Analizuje rzeczywisty wynik kandydata: Czy rozwiązał złożone pętle rozumowania i przyczynił się do Langchain lub Dify? Jak radził sobie z opóźnieniami API w swoich projektach? Pozwala firmom na identyfikację “Specjalistycznych ogólników”: ludzi z głęboką intuicją, aby nawigować w konkretnych wyzwaniach AI, które jeszcze nie zostały przekształcone w tytuły pracy.

Pracując wewnątrz dużych platform, takich jak Alibaba Cloud, co Twoim zdaniem duże organizacje najbardziej nie rozumieją, oceniając prawdziwą zdolność AI wobec powierzchownych poświadczeń?

Duże organizacje często mylą “Przeszłe pochodzenie” z “Przyszłą adaptacyjnością”. Zakładają, że sukces w ustrukturyzowanym, dziedzicznym środowisku przekłada się na sukces w “Dzikim Zachodzie” AI. Prawda jest taka, że zdolność AI dzisiaj dotyczy Agencji, zdolności do podjęcia niejasnego problemu i użycia AI do jego rozwiązania od początku do końca. Duże platformy często pomijają “wynalazców, którzy naprawdę poruszają igłę”.

DINQ ujawnia wzorce współpracy i długoterminową trajektorię badań w różnych platformach, zamiast koncentrowania się na izolowanych osiągnięciach. Dlaczego ten długoterminowy punkt widzenia staje się coraz ważniejszy, gdy badania AI stają się bardziej interdyscyplinarne i zależne od zespołu?

Innowacje nie są już sportem indywidualnym; jest to ewolucja współpracy. Poprzez spojrzenie na trajektorię osoby w czasie, widzimy jej Spójność Strategiczną. Czy skacze po każdym hypesie, czy buduje głęboki, interdyscyplinarny stos? Gdy AI staje się zależne od zespołu, widzenie, jak osoba wchodzi w interakcje z kodem i badaniami innych, staje się ostatecznym predykatorem ich “Kulturowego dodatku” i przywództwa technicznego.

Rozwija się coraz większa obawa, że rekrutacja AI jest ukierunkowana na widoczność, a nie na zasługę. Jak DINQ ma na celu ujawnienie talentu o wysokim wpływie, który mógłby pozostać ukryty lub pominięty?

Rekrutacja dzisiaj faworyzuje najgłośniejsze głosy w mediach społecznościowych, a nie koniecznie najbardziej utalentowanych. DINQ działa jak “Kwantytatywny fundusz talentów”. Zdejmujemy szum i patrzymy na gęstość wartości. Ujawniając wkłady o wysokim wpływie, które mogą być “cichymi budowniczymi” na GitHub, Huggingface lub specjalistycznych forach, zapewniamy, że to zasługa, a nie marketing, dyktuje, kto otrzymuje najlepsze możliwości.

Jako osoba, która działała na przecięciu infrastruktury AI, badań stosowanych i teraz systemów talentów, jak widzisz ewolucję relacji między ekspansją obliczeń AI a ludzką ekspertyzą w ciągu najbliższych kilku lat?

Gdy komputery rosną, “Człowiek w pętli” ewoluuje z wykonawcy do architekta. Poruszamy się w stronę świata, w którym “Ekspertyza” jest definiowana przez Twoją zdolność do kierowania ogromnymi zasobami obliczeniowymi w stronę znaczących wyników. Relacja nie jest konkurencyjna; jest symbiotyczna. “AI-wzmocniony człowiek” będzie najcenniejszym aktywem w globalnej gospodarce, jednostkami, które mogą orkiestrować modele, weryfikować prawdę i wstrzykiwać kreatywną intuicję, tam gdzie algorytmy napotykają ścianę.

Patrząc poza styczeniowy start, co oznacza sukces dla DINQ w zmianie sposobu, w jaki ekosystem AI rozpoznaje, rozwija i wdraża ludzki talent na dużą skalę?

Sukces dla DINQ oznacza budowę “Warstwy zaufania” gospodarki AI. Chcemy zobaczyć świat, w którym karta DINQ jest jedynym “CV”, jakie kiedykolwiek potrzebujesz. Do 2026 roku naszym celem jest przekształcenie globalnego rynku pracy w prawdziwą meritokrację na dużą skalę, w której talent jest odkrywany natychmiast, weryfikowany automatycznie i wdrażany do najpilniejszych problemów świata, niezależnie od geografii czy pochodzenia.

Dziękujemy za wspaniały wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić DINQ.