Sam Gao, CEO i współzałożyciel DINQ – seria wywiadów

Sam Gao jest wiodącym badaczem sztucznej inteligencji, inżynierem i przedsiębiorcą, pełniącym funkcję CEO i współzałożyciela DINQ, platformy łączącej talent w erze sztucznej inteligencji. Początkowo kształcony w dziedzinie inżynierii lądowej, przeszedł do dziedziny sztucznej inteligencji, 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, wiodącego systemu face-swapping open-source, 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 najlepszych 20 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, szeroko cytowanego frameworku dla zdecentralizowanego agenta handlowego.

Z globalną perspektywą na innowacje w dziedzinie sztucznej inteligencji, 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 najnowszych technologii, warsztaty i możliwości sieciowania. Społeczność ta 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 komputera i grafiką dla AR i VR w Alibaba Cloud, a później doradzałeś w sprawie systemów dowodu tożsamości opartych na sztucznej inteligencji w blockchain. Jaki był osobisty powód lub punkt zwrotny, który skłonił cię do odejścia z tych ról i założenia DINQ?

Podczas moich lat w Alibaba Damo Academy widziałem, jak najnowsze technologie docierają do milionów użytkowników. Moim największym powodem do frustracji nie był jednak techniczny impas; była to niezgodność talentów. Widziałem, jak wybitni doktoranci mieli trudności z wdrożeniem w świecie rzeczywistym, podczas gdy samouczni “czarodzieje kodowania” byli ignorowani, ponieważ nie mieli prestiżowej etykiety. Później, doradzając w sprawie systemów tożsamości blockchain, nauczyłem się o mocy “Dowodu tożsamości”. DINQ jest punktem przecięcia tych doświadczeń: misją zapewnienia ostatecznego, obiektywnego Dowodu wartości dla każdego, kto buduje w erze sztucznej inteligencji.

DINQ debiutuje w momencie, gdy modele sztucznej inteligencji i możliwości obliczeniowe rozwijają się szybciej niż talent potrzebny do ich budowy i wdrożenia. Z twojego punktu widzenia, co jest fundamentalnie złe w tym, jak talent sztucznej inteligencji jest odkrywany i oceniany dzisiaj?

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

Przestarzałe słowa kluczowe: Tradycyjne filtry nie mogą odróżnić kogoś, kto po prostu “używa” ChatGPT, od kogoś, kto może zaprojektować wieloagentowy workflow.

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

Statyczny vs. Płynny: CV to zdjęcie przeszłości; wkład sztucznej inteligencji 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 o badaczach i deweloperach sztucznej inteligencji są pomijane przez tradycyjne systemy rekrutacji?

Standardowa rekrutacja pomija “DNA behawioralne” budowniczych:

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

Mastery kontekstowe: Umiejętność mostowania przepaści między surowym narzędziem sztucznej inteligencji a konkretnym rozwiązaniem biznesowym.

“Szybkość uczenia się”: W dziedzinie, w której wiedza traci wartość co sześć miesięcy, szybkość, z jaką ktoś opanowuje nowy framework (jak przechodzenie z RAG do Agentic workflows), jest ważniejsza niż całkowita liczba lat doświadczenia.

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

Karta DINQ zmienia definicję sukcesu z “Dla kogo pracujesz” na “Co tak naprawdę zbudowałeś”. Dla wczesnych budowniczych lub niekonwencjonalnych twórców jest to przełom. Agreguje zweryfikowane wkłady, niezależnie od tego, czy jest to wysoko wydajny LoRA, wirusowy projekt sztucznej inteligencji, czy krytyczna poprawka błędu infrastruktury sztucznej inteligencji, w Reputation. Pozwala studentowi z odległej okolicy na uzyskanie tego samego szacunku, co inżynier z Doliny Krzemowej, opierając się wyłącznie na merytorycznym “Zweryfikowanym wpływie”.

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

Tradycyjne wyszukiwanie jest binarne (Tak/Nie). Wyszukiwanie DINQ opiera się na rozumowaniu. Jeśli firma potrzebuje kogoś do “agentów sztucznej inteligencji”, DINQ nie szuka tylko słowa kluczowego. 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 sztucznej inteligencji, 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 sztucznej inteligencji w porównaniu z powierzchownymi poświadczeniami?

Duże organizacje często mylą “Przeszłe pochodzenie” z “Przyszłą adaptacyjnością”. Zakładają, że sukces w ustrukturyzowanym, dziedzicznym środowisku przekłada się na sukces w “Dzikim Zachodzie” sztucznej inteligencji. Prawdą jest, że zdolność sztucznej inteligencji dzisiaj jest o agencji, zdolności do rozwiązania problemuambiwalentnego i wykorzystania sztucznej inteligencji do jego rozwiązania. Duże platformy często pomijają “zuchwałych innowatorów”, którzy naprawdę przesuwają granice.

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

Innowacje nie są już sportem indywidualnym; jest to ewolucja współpracy. Poprzez spojrzenie na trajektorię osoby na platformach w czasie, widzimy ich strategiczną spójność. Czy skaczą na każdą modę, czy budują głęboką, interdyscyplinarną stertę? Gdy sztuczna inteligencja staje się zależna od zespołu, widzenie, jak osoba wchodzi w interakcje z kodem i badaniami innych, staje się ostatecznym predykatorem ich “dodania do kultury” i przywództwa technicznego.

Istnieje rosnąca obawa, że rekrutacja sztucznej inteligencji jest ukierunkowana na widoczność, a nie na merytoryczność. 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 niekoniecznie najbardziej utalentowanych. DINQ działa jak “Fundusz ilościowy dla talentu”. Zdejmujemy szum i patrzymy na gęstość wartości. Poprzez ujawnienie wysoko wpływowych współtwórców, którzy mogą być “cichymi budowniczymi” na GitHub, Huggingface lub specjalistycznych forach, zapewniamy, że to merytoryczność, a nie marketing, dyktuje, kto dostaje najlepsze możliwości.

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

Gdy komputacja rośnie, “Człowiek w pętli” ewoluuje od 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. “Człowiek wspomagany sztuczną inteligencją” będzie najcenniejszym aktywem w globalnej gospodarce, jednostkami, które mogą orkiestrować modele, weryfikować prawdę i wstrzykiwać intuicję twórczą, tam gdzie algorytmy napotykają ścianę.

Patrząc poza styczniowy start, co oznacza sukces dla DINQ w przekształcaniu, w jaki sposób ekosystem sztucznej inteligencji rozpoznaje, rozwija i wdraża ludzki talent na skalę?

Sukces dla DINQ oznacza budowę “Warstwy zaufania” gospodarki sztucznej inteligencji. 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 skalę, gdzie talent jest odkrywany natychmiast, weryfikowany automatycznie i wdrażany do najpilniejszych problemów świata, niezależnie od geografii czy pochodzenia.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić DINQ.