从GPT-3负责人到Anthropic CTO，Tom Brown谈创业经验、Scaling Law与芯片供应链依赖
💡
原文中文，约2800字，阅读约需7分钟。
📝
内容提要
Tom Brown是OpenAI GPT-3的核心负责人，现任Anthropic的CTO。他分享了在OpenAI和Anthropic的经历，强调主动解决问题的重要性，并探讨了AI发展中的算力与安全挑战。
🎯
关键要点
- Tom Brown是OpenAI GPT-3的核心负责人，现任Anthropic的CTO。
- 他强调在创业环境中主动解决问题的重要性。
- Tom Brown通过自学数学与机器学习，从创业者转型为AI研究者。
- 在OpenAI早期，团队面临资源期待与基础问题的反差。
- Tom Brown因团队内部对安全和长期风险的不同看法，离开OpenAI创办Anthropic。
- Claude 1的效果未达预期，但Claude 3.5 Sonnet在代码能力上取得突破。
- Claude Code最初为内部使用，市场反响超出预期，开发者群体迅速认可其价值。
- Tom Brown认为Scaling Laws是AI领域的重要发现，强调扩大规模的必要性。
- 当前AI发展面临算力和能源的挑战，AGI训练需求急剧增加。
- Anthropic在芯片和战略上采取多元化布局，以提高灵活性和产能。
❓
延伸问答
Tom Brown在创业中学到了什么重要经验？
他学会了在创业环境中主动解决问题的重要性，强调不能等待指令，而是要主动尝试解决各种模糊的问题。
Tom Brown是如何从创业者转型为AI研究者的？
他通过自学数学和机器学习，花了六个月时间确保自己能够为团队贡献价值，而不是成为负担。
Claude 1和Claude 3.5 Sonnet之间有什么区别？
Claude 1的效果未达预期，而Claude 3.5 Sonnet在代码能力上取得了显著突破，提升了外界评价。
Scaling Laws对AI发展的影响是什么？
Scaling Laws被认为是AI领域的重要发现，强调了扩大规模的必要性，尽管初期有很多人对此表示不满。
Anthropic在算力和能源方面面临哪些挑战？
当前的挑战是AGI训练所需的GPU数量和电力以每年3倍的速度增加，成为主要瓶颈。
Tom Brown为何离开OpenAI创办Anthropic？
他因团队内部对安全和长期风险的不同看法而离开，和一小群人一起创办了Anthropic。
➡️
