Sam Gao, CEO e co-fundador da DINQ – Série de Entrevistas

Sam Gao é um destacado pesquisador, engenheiro e empreendedor de IA, atuando como CEO e co-fundador da DINQ, uma plataforma de conexão de talentos de próxima geração para a era da IA. Inicialmente treinado em engenharia civil, ele transitou para a IA, publicando mais de 10 artigos em conferências de alto nível, incluindo NeurIPS, ICML e CVPR, e contribuindo para principais frameworks de código aberto, como PyTorch e TensorFlow.

Gao é o segundo autor do DeepFaceLab, o principal sistema de troca de faces de código aberto do mundo, que conquistou mais de 46.000 estrelas no GitHub e foi classificado entre os dez principais projetos de IA do GitHub em 2020. Ele também criou o OutfitAnyone, um sistema de experimentação virtual universal reconhecido entre os 20 principais projetos no HuggingFace Spaces em 2024 e implantado comercialmente no Taobao, gerando mais de 100 milhões de RMB em receita anual. Além disso, ele autorou o whitepaper do Agente de IA Eliza OS, uma estrutura amplamente citada para um Agente de Negociação Descentralizado.

Com uma perspectiva global sobre a inovação em IA, Gao se engajou extensivamente com principais pesquisadores, fundadores e pioneiros da indústria, viajando para hubs como Silicon Valley, Nova York, Denver, Davos, Cingapura e Quioto. Gao fundou a Comunidade de IA Qingke, que cresceu para mais de 30.000 seguidores públicos e 5.000 especialistas, oferecendo palestras de tecnologia de ponta, oficinas privadas e oportunidades de networking. A comunidade agora é reconhecida como uma das redes mais profissionais e influentes para pesquisadores que trabalham para xAI, OpenAI, DeepMind, Qwen, Deepseek e mais.

Você passou vários anos trabalhando em visão computacional e gráficos para AR e VR na Alibaba Cloud, e mais tarde aconselhou sobre sistemas de prova de humanidade impulsionados por IA em blockchain. Qual foi a frustração pessoal ou o ponto de inflexão que o levou a deixar esses papéis e co-fundar a DINQ?

Durante meus anos na Academia Damo da Alibaba, eu vi tecnologia de ponta alcançar milhões de usuários. No entanto, minha maior frustração não era um gargalo técnico; era a falta de alinhamento de talentos. Eu vi brilhantes PhDs lutando com a implantação no mundo real, enquanto “magos de codificação” autodidatas eram ignorados porque não tinham um rótulo prestigioso. Mais tarde, aconselhar sobre sistemas de identidade de blockchain me ensinou o poder da “Prova de Humano”. A DINQ é a interseção dessas experiências: uma missão para fornecer uma prova definitiva e objetiva de valor para qualquer pessoa que constrói na era da IA.

A DINQ está sendo lançada em um momento em que os modelos de IA e a capacidade de computação estão escalando mais rápido do que o talento necessário para construí-los e implantá-los. Na sua perspectiva, o que está fundamentalmente quebrado sobre como o talento de IA é descoberto e avaliado hoje?

A falha fundamental é o “Atraso de Avaliação”. Enquanto as capacidades de IA escalam por mês, as contratações permanecem presas em um paradigma de uma década atrás:

Obsolescência de Palavras-Chave: Os filtros tradicionais não conseguem distinguir entre alguém que simplesmente “usa” o ChatGPT e alguém que pode arquitetar um fluxo de trabalho de vários agentes.

A Armadilha do “Pedigree”: Confiar em títulos de elite ou “Big Tech” é um proxy preguiçoso para competência. Isso ignora o vasto oceano de “joias escondidas” que estão impulsionando a inovação em código aberto ou verticais de nicho.

Estático versus Fluido: Um currículo é uma fotografia do passado; a contribuição de IA é um fluxo de dados vivo e respirando em plataformas como GitHub, Hugging Face e colaborativas.

Você descreveu a DINQ como uma resposta aos limites de currículos, perfis do LinkedIn e contratações baseadas em palavras-chave. Quais são os sinais críticos sobre pesquisadores e desenvolvedores de IA que estão sendo perdidos pelos sistemas de recrutamento tradicionais?

O recrutamento padrão perde o “DNA Comportamental” de um construtor:

Resiliência Iterativa: Como um usuário refina um prompt ou um modelo até que funcione?

Mestria Contextual: A capacidade de pontuar a lacuna entre uma ferramenta de IA bruta e uma solução de negócios específica.

A “Taxa de Aprendizado”: Em um campo onde o conhecimento se deprecia a cada seis meses, a velocidade com que alguém domina um novo framework (como mudar de RAG para fluxos de trabalho Agentic) é mais importante do que seus anos totais de experiência.

O Cartão DINQ agrega código, publicações, projetos e colaborações em um único perfil verificado. Como isso muda a definição de “impacto” para pesquisadores de IA de carreira inicial que ainda não têm títulos grandes ou afiliações bem conhecidas?

O Cartão DINQ muda a definição de sucesso de “Para quem você trabalha” para “O que você realmente construiu”. Para construtores de carreira inicial ou criadores não tradicionais, isso é um game-changer. Ele agrega contribuições verificadas, seja um LoRA de alto desempenho, um projeto de IA gerado viralmente ou uma correção crítica de bug de infraestrutura de IA, em uma Reputação. Isso permite que um estudante em uma área remota comande o mesmo respeito que um engenheiro do Vale do Silício com base no mérito de seu “Impacto Verificado”.

No lado da contratação, a DINQ introduz busca e raciocínio nativos de IA em vez de filtros estáticos. Como isso muda como as empresas identificam candidatos para domínios altamente especializados como aprendizado de reforço ou sistemas de vários agentes?

A busca tradicional é binária (Sim/Não). A busca da DINQ é baseada em Raciocínio. Se uma empresa precisa de alguém para “agentes de IA”, a DINQ não procura apenas pela palavra-chave. Ela analisa a saída real do candidato: Ele resolveu loops de raciocínio complexos e contribuiu para Langchain ou Dify? Como ele lidou com a latência da API em seus projetos? Isso permite que as empresas identifiquem “Generalistas Especializados”: pessoas com a intuição profunda para navegar desafios de IA específicos que ainda não foram transformados em títulos de emprego.

Tendo trabalhado dentro de grandes plataformas como a Alibaba Cloud, o que você acha que as grandes organizações mais mal interpretam sobre avaliar a capacidade de IA real versus credenciais de superfície?

As grandes organizações frequentemente confundem “Pedigree do Passado” com “Adaptabilidade Futura”. Elas supõem que o sucesso em um ambiente legado e estruturado se traduz em sucesso na “Fronteira Selvagem” da IA. A verdade é que a capacidade de IA hoje é sobre Agência, a capacidade de tomar um problema ambíguo e usar a IA para resolvê-lo de ponta a ponta. As grandes plataformas frequentemente perdem os “inovadores esforçados” que estão realmente movendo a agulha.

A DINQ revela padrões de colaboração e trajetória de pesquisa de longo prazo em plataformas em vez de se concentrar em realizações isoladas. Por que essa visão longitudinal está se tornando mais importante à medida que a pesquisa de IA se torna mais interdisciplinar e orientada por equipes?

A inovação não é mais um esporte solo; é uma Evolução Colaborativa. Ao olhar para a trajetória de uma pessoa em plataformas ao longo do tempo, vemos sua Consistência Estratégica. Ela está apenas pulando em cada ciclo de hype, ou está construindo um stack interdisciplinar profundo? À medida que a IA se torna orientada por equipes, ver como uma pessoa interage com o código e a pesquisa de outros se torna o principal preditor de sua “Cultura Adicional” e liderança técnica.

Há uma crescente preocupação de que a contratação de IA é tendenciosa em direção à visibilidade em vez de mérito. Como a DINQ visa revelar talentos de alto impacto que poderiam permanecer ocultos ou subestimados?

A contratação de hoje favorece as vozes mais altas nas mídias sociais, não necessariamente os mais talentosos. A DINQ age como um “Fundo Quantitativo de Talento”. Nós removemos o ruído e olhamos para a Densidade de Valor. Ao revelar contribuintes de alto impacto que podem ser “construtores silenciosos” no GitHub, Huggingface ou fóruns especializados, garantimos que o mérito, e não o marketing, dita quem recebe as melhores oportunidades.

Como alguém que operou na interseção de infraestrutura de IA, pesquisa aplicada e agora sistemas de talentos, como você vê a relação entre a expansão do cálculo de IA e a expertise humana evoluindo nos próximos anos?

À medida que o cálculo escala, o “Humano no Loop” evolui de um realizador para um arquiteto. Estamos nos movendo em direção a um mundo onde “Expertise” é definida pela sua capacidade de direcionar recursos de cálculo maciços para resultados significativos. A relação não é competitiva; é simbiótica. O “Humano Habilitado por IA” será o ativo mais valioso na economia global, indivíduos que podem orquestrar modelos, verificar a verdade e injetar intuição criativa onde os algoritmos atingem uma parede.

Olhando além do lançamento de janeiro, o que o sucesso significa para a DINQ em redefinir como o ecossistema de IA reconhece, desenvolve e implanta talento humano em escala?

O sucesso para a DINQ significa construir a “Camada de Confiança” da Economia de IA. Queremos ver um mundo onde um Cartão DINQ é o único “Currículo” que você já precisará. Até 2026, nosso objetivo é ter redefinido o mercado global de trabalho em uma verdadeira Meritocracia em Escala, onde o talento é descoberto instantaneamente, verificado automaticamente e implantado nos problemas mais urgentes do mundo, independentemente da geografia ou origem.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar DINQ.