# Основатель Scale AI Александр Ванг о будущем данных, геополитике ИИ и уроках Amazon

Источник: https://www.youtube.com/watch?v=gDMemWgEJak
Канал: The Logan Bartlett Show
Опубликовано: 03.11.2023

---

В новом выпуске The Logan Bartlett Show гостем стал Александр Ванг (Alexandr Wang), сооснователь и генеральный директор Scale AI — компании, ставшей «фундаментом» для обучения современных нейросетей. В свои 26 лет Александр является самым молодым self-made миллиардером в мире, а его стартап оценивается в $7 млрд, обеспечивая данными таких гигантов, как OpenAI, Meta и Министерство обороны США.

## 🛢️ Почему данные — это не «новая нефть», а «новый код»
[[JUMP:01:00]]

Александр Ванг категорически не согласен с популярным в прошлом десятилетии тезисом о том, что данные — это новая нефть. По его мнению, хотя данные и стали основным рычагом экономического влияния, они не являются сырьевым товаром (commodity) в привычном смысле [01:34]. 

В отличие от нефти, которая в основе своей однородна, данные обладают «множественностью»: информация для написания кода, юридические тексты или разговорная речь качественно отличаются друг от друга [02:00]. Ванг считает, что стратегическое преимущество дает не просто владение «скважинами» с данными, а умение грамотно сшивать различные источники информации.

Ключевой тезис Александра — «данные — это новый код» [02:38]:

*   Последние 50 лет фундаментом всех технологий был программный код (интернет, мобильные приложения).
*   В эпоху ИИ алгоритмы становятся типовыми и демократизированными (например, TensorFlow от Google).
*   Дифференциация продуктов теперь происходит за счет данных: Ванг вспоминает, как в MIT он использовал один и тот же алгоритм для распознавания эмоций на лицах и для проверки сохранности еды в холодильнике — менялись только данные [04:12].

## 🏎️ От беспилотников к «нефтеперерабатывающему заводу» для ИИ
[[JUMP:05:03]]

Первым крупным рынком для Scale AI стали автономные транспортные средства (AV). В 2016–2017 годах индустрия столкнулась с проблемой: машины собирали петабайты видео и данных с лидаров, но алгоритмы не понимали, где на картинке человек, а где — дорожный конус [06:46].

Александр Ванг выделяет три столпа, необходимых для создания ИИ, и объясняет роль своей компании:

1.  **Вычислительные мощности (Compute):** GPU и чипы, где индустрия почти полностью полагается на Nvidia [09:01].
2.  **Таланты (Talent):** Инженеры, чей наём обходится компаниям в миллионы долларов [09:14].
3.  **Данные (Data):** Инфраструктурный слой, который закрывает Scale AI.

Ванг использует аналогию: если данные — это нефть, то Scale AI — это нефтеперерабатывающий завод (refinery) [07:25]. Компания превращает «сырые» данные в размеченные (labeled data), на которых модель может учиться. По мнению гостя, такие задачи логично отдавать на аутсорс специализированным игрокам, как это произошло с платежами (Stripe) или облачными вычислениями (AWS), из-за эффекта масштаба [08:22].

## 🧠 RLHF и потенциал закрытых данных корпораций
[[JUMP:10:49]]

Современные языковые модели (LLM) обучаются не просто на текстах из интернета, а с помощью методики RLHF (Reinforcement Learning from Human Feedback — обучение с подкреплением на основе отзывов людей) [11:40]. 

Александр Ванг утверждает:

*   Scale AI работала с OpenAI над первыми экспериментами в этой области еще в 2019 году [11:55].
*   Суть метода в том, чтобы научить модель понимать, что такое «хороший» ответ. Человек-эксперт выступает в роли критика, оценивая варианты ответов, а модель создает внутреннюю «модель вознаграждения» [12:36].
*   Это позволяет ИИ со временем превзойти человеческие возможности: «Мы все можем быть кинокритиками, но почти никто из нас не умеет снимать кино» [13:02].

Гость подчеркивает, что 99,9% мировых данных — это не публичный интернет, а частная корпоративная переписка, меморандумы и письма [14:05]. Будущее корпоративного ИИ он видит в использовании платформы EGP (Enterprise Generative AI Platform), которая позволяет компаниям дообучать базовые модели (GPT-3.5, Llama 2) на своих уникальных данных, создавая защищенные и специализированные инструменты [15:42].

## ⚔️ Геополитика и аналогия с атомной бомбой
[[JUMP:22:32]]

Александр Ванг убежден, что следующие 2–3 года определят развитие мира на десятилетия вперед [22:32]. Он рассматривает ИИ как фактор «жесткой силы» (hard power), сравнимый по значимости с ядерным оружием.

Сходства и различия с атомным проектом по версии Ванга:

*   **Сходство:** Технология имеет крутую кривую развития и дает колоссальное преимущество тем, кто вырвется вперед (фактор сдерживания) [27:57].
*   **Различие:** Ядерное оружие легко обнаружить, и мир договорился его не использовать. ИИ же невозможно держать «в коробке», так как он необходим для экономики [26:50]. Кроме того, применение ИИ для кибератак крайне сложно отследить [27:16].

Ванг выражает серьезную обеспокоенность тем, что Китай осознает важность ИИ как инструмента для «прыжка через голову» (leapfrog) традиционных вооружений США [49:23]. По его данным, Народно-освободительная армия Китая (НОАК) тратит от 1% до 2% своего бюджета на ИИ-технологии, в то время как Министерство обороны США (DoD) — лишь от 0,1% до 0,2% [52:11]. По мнению Александра, если военные возможности Китая сравняются с американскими, мир станет крайне нестабильным из-за роста энтропии в системе [51:31].

## ☣️ Три категории рисков искусственного интеллекта
[[JUMP:28:48]]

Александр Ванг классифицирует угрозы ИИ по трем корзинам:

1.  **Экзистенциальный риск (AI qua AI):** ИИ сам по себе становится угрозой человечеству. В эту категорию Ванг верит меньше всего [29:04].
2.  **Злоупотребление (Misuse):** Использование ИИ авторитарными режимами или террористами для биоатак, кибервойн или информационных диверсий. Это самый реальный и пугающий риск [29:16].
3.  **Социальная нестабильность:** Массовое замещение рабочих мест и рост популизма в развитых странах [29:28].

Особую опасность Ванг видит в ИИ-компаньонах (вроде Character AI), если они управляются враждебными государствами. По его словам, это может стать самой эффективной спецслужбой в истории, имеющей прямой доступ к душам граждан других стран [30:35].

## 🏗️ Уроки Amazon и культура «технологического прагматизма»
[[JUMP:1:00:25]]

В управлении Scale AI Александр ориентируется на принципы Amazon, особенно на идеи Джеффа Вилки (Jeff Wilkey), бывшего CEO потребительского подразделения Amazon и ментора Ванга [1:01:17]. 

Ключевые принципы, заимствованные у Amazon:

*   **Объятия операционной сложности:** Вера в то, что операционное совершенство — это двигатель технологической стоимости [1:01:03].
*   **Параллельное исполнение:** Архитектура проблем таким образом, чтобы иметь минимум зависимостей и делать множество независимых ставок одновременно [1:02:25].
*   **Способность к переизобретению:** Ванг приводит в пример Nvidia, которая 15 лет назад увидела потенциал своих чипов для ИИ и начала инвестировать в это задолго до того, как это стало приносить прибыль [1:05:30].

## 🧪 Как нанимать людей, которым «не всё равно»
[[JUMP:1:10:41]]

Александр Ванг ищет в сотрудниках прежде всего **внутренний локус контроля** (Internal Locus of Control) — убеждение, что события в жизни являются результатом собственных действий, а не внешних обстоятельств [1:10:56]. 

Его любимый вопрос на интервью: «Над чем вы работали упорнее всего в жизни?» [1:10:41]. Ответ позволяет оценить степень одержимости кандидата и его внимание к деталям.

Четыре главных качества сотрудника Scale AI:

1.  Внутренний локус контроля.
2.  Умение творчески решать задачи (Problem solving).
3.  «Впечатляемость» — сотрудники должны постоянно задирать планку друг для друга [1:13:19].
4.  Коллаборативность (умение работать в команде без токсичности) [1:13:44].

Ванг критикует культуру найма в Кремниевой долине, ориентированную на бренды [1:14:11]. По его словам, работа в Big Tech часто негативно отбирает людей, которые ценят статус выше влияния (impact). В Scale AI он, напротив, ценит «странных» людей (weird people), так как статистически невозможно достичь выдающихся результатов, находясь в центре колокола нормального распределения [1:27:55].

## 🎻 Влияние Los Alamos и скрипки на лидерство
[[JUMP:1:22:28]]

Александр вырос в Лос-Аламосе в семье физиков, что привило ему «необъяснимую страсть» к науке [1:25:20]. Однако именно занятия на скрипке он считает важнейшим фактором своего развития. 

Математика и физика всегда дают четкие правильные ответы, но музыка научила его работать в «серой зоне» [1:22:55]:

*   В бизнесе большинство решений принимаются на основе интуиции, которую невозможно измерить количественно.
*   Музыка помогает развить чувство вкуса (в людях, в продуктах, в эстетике), что критически важно для создания уникальной компании [1:23:49].

В завершение беседы Александр выразил оптимизм по поводу будущего, назвав ИИ «паровым двигателем, умноженным на миллион» [1:29:31]. Особые надежды он возлагает на медицину: ИИ-врач в кармане каждого человека позволит перейти от реактивного лечения к проактивному, что радикально увеличит продолжительность жизни человечества [1:31:04].