清華大學計算機系副教授劉知遠小學時寫應用題，面壁們老會卡殼。智能知遠他總會過度思考，創(chuàng)始從一個題目里讀出多重含義。人劉到了高中，該把個工寫英語閱讀理解時，看作這種感受更強烈了。面壁們
劉知遠從未懷疑過出題人，智能知遠反而懷疑是創(chuàng)始不是自己太笨了，“理解不了題目”。人劉多年后深入學習語言哲學之后，該把個工他才漸漸意識到這其實是看作種天賦，“我就比較善于抓住語言里面那個不確定的面壁們地方”。
自然語言處理的智能知遠本質就是消除這種不確定，讓機器能夠精確無誤地理解人類的創(chuàng)始語言。劉知遠前半生正是與這種不確定性纏斗的二十年。
特別是過去兩年，搭上ChatGPT的便車，自然語言處理坐上了時光機，“從2023年到2024年所經(jīng)歷的這些新事情，比過去20年經(jīng)歷的總和還要多得多”。
回望中國大模型史，年屆四十的劉知遠是個繞不過去的人物。他參與締造中國第一個大模型，又躬身參與了這一輪大模型創(chuàng)業(yè)。2022年8月，在ChatGPT發(fā)布的三個月前，劉知遠發(fā)起成立了一家大模型公司——面壁智能。
這家公司最為出圈的一件事是，2023年6月3日，斯坦福大學一個學生團隊發(fā)布的一個模型被發(fā)現(xiàn)是抄襲了面壁智能的模型。
面壁智能的辦公室位于北京中關村東路1號院6號樓3 層，辦公室的白墻上隨處可見那句《三體》的經(jīng)典臺詞，“這是面壁計劃的一部分”。
圖片由農(nóng)健使用AI工具生成
1984年，劉知遠出生在山東泰安新泰市一個普通工薪家庭，小學偶爾逃課去游戲廳玩，家里也沒期待過他能上清華。他父親在郵電局上班，還建議放棄初中直接讀中專，方便以后接他的班。
沒想到十幾年后，劉知遠以山東省前三十名的成績，如愿進入清華大學。
當時正是互聯(lián)網(wǎng)泡沫破滅之時，最熱門的方向是建筑和生物醫(yī)學，計算機專業(yè)并不是高分專業(yè)。劉知遠報了建筑、生物工程和電子系，招生組反饋這些專業(yè)的名額已經(jīng)被分數(shù)更高的同學占了，無奈選了計算機專業(yè)，“算是一個機緣巧合吧”。
讀博時也是如此，報考生物信息學方向也是招滿了，他陰差陽錯進入了自然語言實驗室，“我覺得非常幸運，因為五年之后生物信息學的導師自己都放棄了這個方向。”自然語言處理正好開始了高歌猛進的二十年。
劉知遠清楚記得，讀博期間，實驗室有個大師兄做文本分類，“給你一篇文章，看能不能把它分到相關的類別里面，比如這篇新聞是社會新聞，還是國際新聞、軍事新聞，或是別的新聞？”他的博士論文就是關鍵詞提取，“通過統(tǒng)計的方法識別出文檔到底哪個詞，能代表文章主題的關鍵詞。”
2012年成為一個分水嶺，深度學習在大洋彼岸叩響了發(fā)令槍。當年10月，Geoffrey Hinton和他的兩名學生——Alex Krizhevskyr，以及ChatGPT 的靈魂人物 Ilya Sutskeve，獲得ImageNet圖像識別比賽的冠軍，并且發(fā)表論文介紹了第一個深度卷積神經(jīng)網(wǎng)絡模型AlexNet。ImageNet是斯坦福大學教授李飛飛創(chuàng)辦的人工智能領域一個重要賽事，通過對機器算法識別圖像，從而促進最先進算法的開發(fā)。
在處理圖像識別、語音識別方面，深度學習的能力得到了廣泛認可。在老師孫茂松的帶領下，劉知遠花了兩個月尋找答案。可自然語言處理方向的大多數(shù)人的意見是，深度學習不能幫助自然語言處理。
最終劉知遠得出一個結論：基于統(tǒng)計學習用符號去表示語言知識的這種傳統(tǒng)路線，已經(jīng)沒有太多突破的可能，深度學習是個非常值得探索的新技術路線。正是基于這樣的判斷，“我們實驗室應該是國內(nèi)最早擁抱深度學習的團隊”。
2017