تیان کِ‌یو قسم خورد که در صورت دروغ گفتن، «شکست‌های تحقیقاتی مادام‌العمر» برایش رقم خواهد خورد.

عنوان اصلی: «تیان کِ‌یو قسم خورد که اگر دروغ بگوید، تحقیقاتش دچار «شکست‌های مادام‌العمر» خواهد شد.» نویسنده اصلی: خواب‌آلود.

در شب متأخر ۱۲ اکتبر، تیان کِ‌یو در برنامه‌ای که در جای دیگری برگزار شد، برای اولین بار و به‌طور کامل آشفتگی‌های رخ‌داده در بایت‌دنس را دو سال پیش روایت کرد.

بر اساس روایتش، کل این اتفاق حداکثر حدود ده روز طول کشید و او تنها از اسکریپتی برای متوقف‌کردن برنامهٔ یک کارآموز «حدود پنج بار» استفاده کرد. در پایان برنامه، مجری از او خواست قسم بخورد و او گفت که اگر حتی نیمی از حرفش دروغ باشد، تحقیقاتش دچار «شکست‌های مادام‌العمر» خواهد شد.

کمتر از ۱۳ ساعت پس از پخش پادکست، اعلامیه‌ای عمومی با بیش از ۱۰٬۰۰۰ کلمه منتشر شد که در انتهای آن پنج همکار که در آن زمان در گروه مشابهی با او کار می‌کردند، با ذکر نام واقعی شاهدی ارائه دادند.

اعلامیه‌ای ۱۰٬۰۰۰ کلمه‌ای | منبع تصویر: GitHub

شرح ارائه‌شده در این اعلامیه کاملاً متفاوت از داستانی است که او گفته بود. این اعلامیه ادعا می‌کند که تخریب عمدی انسانی از مارس ۲۰۲۴ تا جولای ۲۰۲۴، یعنی تقریباً پنج ماه، ادامه داشت؛ او کد منبع پایهٔ PyTorch خوشهٔ آموزشی را دستکاری کرد و تخریب عمدی مخرب را با ظرافتی به‌عنوان خرابی‌های پراکنده تظاهر داد. در انتهای خط زمانی این اعلامیه آمده است که اظهارات تیان کِ‌یو در پادکست «تلاشی دیگر برای سفیدکردن و معکوس‌کردن حقیقت» بوده است.

چهار روز پیش، شرکت مدل جهانی او تازه دوره‌ای از سرمایه‌گذاری به ارزش نزدیک به ۳۰ میلیون دلار را با ارزش ارزیابی‌شدهٔ پس از سرمایه‌گذاری ۲۰۰ میلیون دلار اعلام کرده بود.

دو سال پیش، او هنوز کارآموز در بایت‌دنس بود و اخراج و تحت پرونده قرار گرفت. کمتر از سه هفته پس از ثبت پرونده، مقاله‌اش به نام VAR که نویسندهٔ اول آن بود، جایزهٔ بهترین مقالهٔ کنفرانس NeurIPS را دریافت کرد.

در مورد این امر، دادگاه، بایت‌دنس، جامعهٔ علمی، سرمایه‌گذاران، همکاران سابقش و خودش تاکنون هرکدام روایت‌های متفاوتی ارائه می‌دهند.

یک نکته واضح است: اطلاعیهٔ داخلی که تعیین کرد او حملهٔ عمدی انجام داده و حکم اولیهٔ خرق قرارداد، هیچ هزینه‌ای برایش در بازار سرمایه به همراه نداشت.

اینکه فردی با چنین سابقه‌ای بتواند تنها دو سال پس از آن به‌سرعت و با احترام زیادی دوباره به صحنه بازگردد، از دید من تراژدی این عصر است. نیمی از این تراژدی مربوط به خودش و نیمهٔ دیگر آن مربوط به کسانی است که حاضرند پولش را بدهند.

دانهٔ تصادفی

پیش از اینکه مرکز طوفان افکار عمومی شود، تیان کِ‌یو قبلاً «جوان نابغه»‌ای استاندارد بود.

در سال ۲۰۱۸ وارد دانشگاه بِی‌هَنگ شد و ابتدا در رشتهٔ مواد تحصیل کرد و سپس به مدرسهٔ نرم‌افزار انتقال یافت؛ از سال دوم کارشناسی در سِنس‌تایم کارآموزی کرد و در دوران کارشناسی دو مقالهٔ متوالی در کنفرانس NeurIPS با عنوان نویسندهٔ اول منتشر کرد. تکلیف ساختارهای داده‌ای که در سال اول کارشناسی نوشت، در آزمون کارایی شامل ۸۰۰ نفر اول شد و در توضیح آن نوشت که برای دستیابی به بالاترین کارایی، از تعداد زیادی روش‌های هوشمندانه، ترفندها و بهینه‌سازی‌ها استفاده کرده است.

بسیار مشتاق کارایی و بسیار ماهر در یافتن مسیرهای کوتاه در شکاف‌های قوانین.

در سال ۲۰۲۱ به عنوان کارآموز به تیم فناوری تبلیغات بایت‌دنس پیوست. سال بعد، پس از فارغ‌التحصیلی از کارشناسی، برای ادامهٔ تحصیلات در دانشگاه پکن وارد شد و زیر نظر وانگ لی‌وِی تحصیل کرد و کارآموزی‌اش هرگز متوقف نشد. سه سال در این گروه بود و بلندمدت‌ترین کارآموزی را در آن میز داشت.

گروه توسط یوان تسه‌وان رهبری می‌شد، جیانگ یی مسئول مدل‌های پایه بود و بسیاری از پروژه‌های گروه توسط کارآموزان رهبری می‌شد.

در سال ۲۰۲۴، آن‌ها همزمان بر دو مسیر شرط‌بندی کردند. از یک سو، خودرگرسیون بود که نسخهٔ متن‌به‌تصویر VAR به‌صورت رسمی به‌عنوان یک پروژه راه‌اندازی شد و تیان کِیو آن را رهبری می‌کرد و از هزاران واحد GPU استفاده می‌کرد. او در آن زمان گفت که رهبرش به او کمک کرده بود تا «درخواست زیادی» از منابع بکند. از سوی دیگر، پروژهٔ ویدئویی گوکو در آوریل پس از انتشار سورا راه‌اندازی شد و از مسیر انتشار (diffusion) پیروی می‌کرد؛ این یک پروژهٔ چندنفرهٔ همکارانه بود.

آن سال، قدرت پردازش (compute) مورد تقاضای فراوان در همه آزمایشگاه‌های هوش مصنوعی بود. بر اساس برآوردهای مؤسسات تحقیقات بازار، بایت‌دنس در آن سال حدود ۲۳۰٬۰۰۰ تراشهٔ انویدیا هوپر (از جمله تراشهٔ H20 که صرفاً برای بازار چین طراحی شده بود) خریداری کرد و این حجم خرید با تنسنت برابر بود و تنها از مایکروسافت کمتر بود. متا در مقالهٔ لاما ۳ نوشت که ۱۶٬۳۸۴ واحد H100 به مدت ۵۴ روز آموزش دیدند و به‌طور غیرمنتظره ۴۱۹ بار قطع شدند؛ جان لایک، رئیس بخش ابرهماهنگی (superalignment) اوپن‌ای‌آی نیز هنگام ترک شرکت اعلام کرد که تیم در ماه‌های اخیر اغلب برای تأمین قدرت پردازش «مبارزه کرده» است.

واحدهای GPU تراشه‌اند و تراشه‌ها همه‌چیزند.

طبق این بیانیه، در راه‌اندازی اولیهٔ گوکو، دو پروژه تقریباً تعداد یکسانی GPU دریافت کردند. در ژوئن، کوایشُو کلینگ را منتشر کرد و سه تیم داخل بایت‌دنس همزمان روی تولید ویدئو کار می‌کردند. مدیریت تصمیم گرفت منابع را کاهش داده و متمرکز کند و تخصیص GPUها به سمت گوکو متمایل شد. GPUهای جدیدی که اجاره شده بودند نیز ابتدا به آن داده شدند و تیم زیرساخت سید (Seed) نیز منتقل شد تا در پایدارسازی آموزش آن کمک کند.

در ۲۴ سپتامبر، بایت‌دنس مدل‌های ویدئویی دوبائو، پیکسل‌دنس و سی‌وید را منتشر کرد.

اما پیش از آن، در آگوست، تیان کِیو اخراج شده و از منطقهٔ دفتر خارج شده بود.

بر اساس اطلاعیهٔ داخلی عمومی بایت‌دنس که در ۵ نوامبر ۲۰۲۴ منتشر شد، تیان کِیو در بازهٔ زمانی ژوئن تا ژوئیه «به دلیل نارضایتی از تخصیص منابع تیم، به‌صورت عمدی وظایف آموزش مدل پروژه‌های تحقیقاتی تیم را با نوشتن و دستکاری کد تخریب کرد و باعث اتلاف منابع شد». قرارداد کارآموزی‌اش فسخ شد و این موضوع به اتحادیهٔ صلح و صداقت (Sunshine Integrity Alliance)، اتحادیهٔ مقابله با کلاهبرداری در سازمان‌ها و دانشگاهی که در آن تحصیل می‌کرد، اطلاع‌رسانی شد.

طبق این بیانیه که توسط پنج همکار سابق تأیید شده، او مدت طولانی‌تری درگیر تخریب بوده است.

در مارس، اولین هدف لاماژن بود، یک پروژهٔ دیگر خودرگرسیونی در گروه که در آن زمان از کمتر از ۱۰۰ واحد GPU استفاده می‌کرد. تولید متن‌به‌تصویر لاماژن به ویژگی‌های T5 که تیان کِیو ارائه کرده بود وابسته بود، اما به‌طور مناسب آموزش داده نمی‌شد. چن شو در آن ماه کدی را که در GitLab داخلی ارسال کرده بود، منتشر کرد که نویز تصادفی را در وزن‌های مدل T5 مخلوط می‌کرد و سپس مقیاس عددی کلی را به حالت اولیه بازمی‌گرداند. بعداً نویسنده مجموعه‌ای از وزن‌ها را از Hugging Face دوباره دانلود کرد و مشکل برطرف شد. در آن زمان کسی به تخریب عمدی مشکوک نشد. چند هفته بعد، VAR در arXiv منتشر شد.

مخلوط کردن نویز در وزن‌های T5 | منبع تصویر: بیانیهٔ عمومی

پس از آوریل، هدف به سمت گوکو تغییر کرد. با تکمیل‌تر شدن زیرساخت، آموزش گوکو در واقع ناپایدارتر می‌شد. در ابتدا هر یک یا دو روز یک‌بار خراب می‌شد، اما بعداً حتی نمی‌توانست دو یا سه ساعت دوام بیاورد. افت‌های آموزشی به‌طور مکرر افزایش می‌یافت و انجام آزمایش‌های معنادار تقریباً غیرممکن می‌شد.

طبق بیانیه، آنچه او تغییر داده بود، کد منبع PyTorch در خوشهٔ آموزشی بود.

دانهٔ تصادفی ثابت اولیهٔ نمونه‌برداری از داده‌ها با زمان‌سنج دقیق تا نانوثانیه جایگزین شد. محدودسازی گرادیان (gradient clipping) به‌گونه‌ای تغییر کرد که در هر بار گرادیان دو برابر می‌شد، درحالی‌که مقادیر ثبت‌شده در لاگ‌ها همچنان طبیعی به نظر می‌رسیدند. در دایرکتوری او چهار فایل با نام‌های ۱۸، ۱۹، ۲۰ و ۲۱ وجود داشت که به احتمالاتی از یک در ۲ به توان ۱۸ تا یک در ۲ به توان ۲۱ مربوط می‌شدند و باعث می‌شد فرآیندی خاص در ارتباطات خوشه، خود را «غیرعضو» اعلام کند. فایل‌های PyTorch نصب‌شده در سیستم با دستور sudo جایگزین شده و زمان‌های اصلاح‌شدهٔ آن‌ها نیز به حالت اولیه بازگردانده شدند. همچنین در درایوی مشترک یک دریچهٔ پنهان (backdoor) نیز ایجاد شده بود که می‌توانست متن موجود در یک دایرکتوری مشخص را به‌عنوان دستورات اجرا کند.

عبارت اصلی در بیانیه این است که این روش‌ها تخریب عمدی را به‌گونه‌ای پنهان کرده‌اند که «شکست‌های نرم‌افزاری تصادفی، ناهنجاری‌های عددی یا مشکلات زیرساختی» به نظر برسند.

در شدیدترین یک یا دو ماه، همکاران در پکن، شانگهای و سیاتل به‌صورت شیفتی و شبانه‌روزی کار می‌کردند و دو جلسه روزانه—صبح و عصر—برای تحویل کار تشکیل می‌دادند. بیانیه می‌گوید تیان کِیو خودش نیز در گروه عیب‌یابی حضور داشت و در جلسات شرکت می‌کرد و سپس کد خود را بر اساس جهت‌گیری‌هایی که همکارانش در تحقیقاتشان دنبال می‌کردند، اصلاح می‌کرد. هیچ‌کس هرگز تصور نکرده بود که شخصی که مشکل را ایجاد کرده، خودش در جلسات حضور دارد. شکست‌های مکرر باعث شد بسیاری از افراد شروع به تردید در قضاوت فنی خود کنند.

صبح ۳۰ ژوئیه، کسی دانهٔ تصادفی تغییریافته را در محیط Docker یک ماشین کشف کرد. در سوابق ورود، علاوه بر مالک ماشین، تنها تیان کِیو ثبت شده بود. وقتی رهبر از او پرسید که برای چه کاری آنجا رفته است، او گفت که می‌خواست کد مربوطه را مطالعه کند.

روز بعد، همکار دیگری آن دسته از اسکریپت‌های شماره‌دار را در دایرکتوری شخصی او یافت. در آگوست، بخش امنیت شرکت برای بازجویی وارد عمل شد. بیانیه می‌نویسد که هنگام بازجویی، او همواره «کاملاً آرام» ظاهر می‌شد.

بعداً اخراج شد.

عدالت ساده

در پادکست، تیان کِیو داستان کامل را بازسازی کرد و نسخه‌ای متفاوت از آن ارائه داد.

در این نسخه، او قهرمانی تنهاست که در برابر آزار و اذیت مقاومت می‌کند. در سال ۲۰۲۴، «کارآموز الف» جدیدی به تیم پیوست؛ ابتدا منابع محاسباتی متعلق به دیگران — مانند رزرو صندلی‌ها — را تصاحب کرد و بعداً مستقیماً برنامه‌های دیگران را (عمدتاً همکاران خجالتی) متوقف ساخت. او گفت که «الف» دسترسی مدیریتی داشته است. همه این موضوع را به رهبر تیم گزارش دادند، اما هرگز حل‌نشده باقی ماند.

تیان کِیو یادآور شد که یک شب، او و همکار دیگری آخرین افرادی بودند که از محل کار خارج شدند. او تعداد زیادی وظیفه ارسال کرده بود، درحالی‌که همکار دیگر هیچ وظیفه‌ای ارسال نکرده بود و روی گوشی‌اش غرق اسکرول بود و گفت حتی اگر وظایفی را ارسال کند، «الف» آنها را باز هم متوقف خواهد کرد.

بنابراین تیان کِیو تصمیم گرفت: از چت‌جی‌پی‌تی برای نوشتن مجموعه‌ای از اسکریپت‌ها استفاده کند تا به‌صورت دستی وظایف آموزشی کارآموز «الف» را مسدود یا متوقف کند.

او در پادکست گفت: «من هرگز به آزمایش‌های دیگران دست نزدم.» این عمل سم‌زنی نبود و هیچگونه حمله یا دفاعی نیز دربر نداشت. انگیزهٔ اصلی‌اش این بود که تحمل نمی‌کرد «الف» دیگر اعضای تیم را آزار دهد.

او به این اقدام «عدالت ساده» گفت، «الف» را «آزاردهنده» خطاب کرد و افزود که با نگاهی بازگشتی، خودش نیز خشونت را با خشونت مقابله کرده بود. او در گفت‌وگو با رسانه‌های خارجی این را یک اقدام خودسرانه خواند: «من با آتش با آتش مبارزه کردم.»

اما این روایت که شبیه داستان رابین هود به نظر می‌رسد، با بیانیهٔ رسمی همخوانی ندارد. اگر بیانیه درست باشد، دامنهٔ اقدام او فراتر از وظایف «الف» بوده است. آنچه در مارس با نویز مخلوط شد، وزن‌های مورد اتکای پروژهٔ خودبازگشتی دیگری به نام «لاماژن» بود؛ و آنچه پس از آوریل تغییر کرد، محیط «پایتورچ» بود که توسط کل خوشهٔ آموزشی به اشتراک گذاشته می‌شد.

در واقع، روایت تیان کِیو از داستان به‌مرور زمان به‌صورت پویا تکامل یافت. هر بار که آن را بیان می‌کرد، کمی محترم‌تر از بار قبل می‌شد.

زمانی که این حادثه اولین بار در اکتبر ۲۰۲۴ در شبکه‌های اجتماعی منتشر شد، در تصویربرداری‌ای که در گروه‌های وی‌چت گسترده‌ترین گردش را داشت، روایت او این بود که پس از تکمیل مقاله‌اش از بایتدانس جدا شده و شخص دیگری از یک آسیب‌پذیری بهره برده و کد را تغییر داده تا تقصیر را به او بیندازد. افراد داخل بایتدانس در آن زمان گفتند که او مراراً این ادعا را در فضای عمومی رد کرده و حتی با ادعای تهمت، به پلیس مراجعه کرده است.

اما در پادکست ۲۰۲۶، وقتی مجری از او پرسید آیا در آن زمان کسی را متهم کرده، گفت: «اصلاً نه» و افزود: «من هرگز اقدامات خود را انکار نکرده‌ام.» در مورد مراجعه به پلیس گفت که این کار را زمانی انجام داد که شرکت از او پرسید آیا می‌داند که چه کسی در فضای مجازی این مطلب را منتشر کرده، و او خواست پلیس برای شناسایی منتشرکننده تحقیق کند؛ و تنها پس از تأیید شرکت اقدام کرد. در سوگندش خطی را اضافه کرد و گفت که رفتار ادعای انجام این کار توسط دیگران را بسیار نفرت‌انگیز می‌داند.

او واژهٔ «سم‌زنی» را نمی‌پذیرد. برخی از کاربران آنلاین او را «زندانی تیان» خطاب می‌کنند که از ملایم‌ترین اصطلاحات به‌کاررفته برای توصیف اوست. آنچه بیش از همه برایش غیرقابل قبول است، ادعای «پشت‌سر زدن همکاران و متهم کردن بی‌گناهان» است.

هنگامی که بایتدانس دعوی قضایی تحریم را علیه او طرح کرد، خواستار ۸ میلیون یوان جبران خسارت، ۲۰٬۰۰۰ یوان هزینه‌های معقول و عذرخواهی عمومی شد. دادگاه درجه یک به دلیل نقض قرارداد حکم داد و از تیان کِیو خواست ۵۰۰٬۰۰۰ یوان جبران خسارت به بایتدانس پرداخت کند و تمام حقوق سه سال دوره کارآموزی‌اش در بایتدانس ضبط شد. بر اساس روایت او، سایر ادعاهای شرکت — از جمله عذرخواهی عمومی — رد شد. این مبلغ ۵۰۰٬۰۰۰ یوان دقیقاً برابر با حقوق کارآموزی‌اش به اضافه هزینه‌های حقوقی شرکت بود که آن را «حکمی بسیار منصفانه» خواند.

بایتدانس در برابر این حکم تجدیدنظر کرد و حکم دادگاه درجه دو هنوز صادر نشده است.

در پادکست، مجری از او پرسید آیا در این کل اتفاق کسی هست که بخواهد از او عذرخواهی کند. او به بایتدانس فکر کرد و گفت همواره احساس عمیق عذرخواهی نسبت به شرکت داشته است — طوفان افکار عمومی باعث شده شرکت منابع زیادی صرف کند و دعوی قضایی هزینه‌های حقوقی ایجاد کرده است.

شهر

در آن بیانیه ثبت شده بود که در جلسه بازبینی، برخی از اعضای تیم متوجه عجیب‌بودن امر شدند: در آن ماه‌ها، تیان کِیو مجموعه‌ای از کدهای حمله را نگهداری می‌کرد و به‌طور مداوم آنها را برای هماهنگی با پیشرفت همکاران در عیب‌یابی اصلاح می‌کرد، در حالی‌که همزمان پروژه‌ای آموزشی شامل بیش از هزار واحد پردازش گرافیکی را مدیریت می‌کرد — و همچنان می‌توانست در جلسات هفتگی پیشرفت‌های قابل اعتمادی را گزارش دهد.

آن بیانیه همچنین برای اولین بار پاسخی به این سؤال ارائه داد.

در سال ۲۰۲۴، تیان کِیو مسئول گسترش مدل «وار» (VAR) به تولید تصویر از متن بود. در آن ماه‌ها، او مدلی تجربی را در دیسکورد داخلی شرکت راه‌اندازی کرد که روزانه برای آزمایش توسط تیم در دسترس بود و رهبر پروژه شخصاً چندین بار از آن استفاده کرده بود. در هر به‌روزرسانی هفتگی، او می‌توانست پیشرفت‌های جدید آموزشی را به‌طور قابل اعتمادی گزارش دهد.

در بیانیه آمده بود که در بازبینی پس از اخراج تیان کِیو، تیم کشف کرد مدلی که برای آزمایش عمومی در شبکه داخلی راه‌اندازی شده بود، در واقع مدل متن‌باز «پیکس‌آرت» (PixArt) بوده است.

خط لوله استنتاج به‌صورت یک فایل باینری بسته‌بندی شده و به همکاران مهندسی برای راه‌اندازی تحویل داده شده بود — کسانی که آن را راه‌اندازی می‌کردند نمی‌توانستند منطق داخلی آن را ببینند. صرف‌نظر از اینکه کاربر در رابط کاربری چه پُرمپتی وارد می‌کرد، بخش پشتیبان به‌طور خودکار کلمهٔ «شهر» را در ابتدای آن اضافه می‌کرد.

این بیانیه استدلال کرد که هدف از این اقدام جلوگیری از استفادهٔ هرکسی از همان پِرامپت برای مقایسه با مدل منبع‌باز و کشف این نکته بود که نتایج بیش از حد مشابه هستند.

آزمون‌کنندگان قبلاً تعجب کرده بودند که چرا تصاویر تولیدشده همیشه سیلوئت ساختمان‌های شهری را در پس‌زمینه شناور داشتند.

در این بیانیه اشاره شد که مدلی که در واقع در حال آموزش بود، مشکلات جدی در وضعیت آموزشی و تابع زیان خود داشت و به‌طور چشمگیری از نتایج قبلیِ ارائه‌شده عقب ماند. تیم مجبور شد از صفر شروع کند و ماه‌ها را صرف بازسازی کند تا در نهایت مدل بعدی «اینفینیتی» را تولید کند.

نویسندهٔ اول

باید اذعان کرد که مقالهٔ VAR یک اثر استثنایی و برجسته است.

پیش از این، رویکرد خودرگرسیونی در تولید تصویر توسط مدل‌های انتشار (Diffusion) به‌طور محکمی سرکوب شده بود. در روش خودرگرسیونی سنتی، تصاویر دوبعدی به دنباله‌های تک‌بعدی توکن فشرده می‌شدند و سپس یکی‌یکی پیش‌بینی می‌گردیدند — که هم آهسته بود و هم از کیفیت پایین‌تری برخوردار.

VAR با پیشنهاد «پیش‌بینی مقیاس بعدی» این لعنت را شکست و فرآیند تولید را به ظهور چندمقیاسی از طرح‌های اولیه تا جزئیات ظریف تبدیل کرد. در معیار ImageNet، متریک FID را مستقیماً از ۱۸٫۶۵ به ۱٫۷۳ کاهش داد و سرعت استنتاج تقریباً ۲۰ برابر افزایش یافت؛ این اولین باری بود که امیدی برای پیروی حوزهٔ بصری از قوانین مقیاس‌پذیری مانند مدل‌های زبانی بزرگ دیده می‌شد.

پیش‌بینی مقیاس بعدی | منبع تصویر: نمودار رسمی VAR

در پایان سال ۲۰۲۴، VAR عنوان بهترین مقالهٔ کنفرانس NeurIPS ۲۰۲۴ را کسب کرد. در پاسخ به شک‌های خارجی دربارهٔ نویسندهٔ اول، NeurIPS اعلام کرد که ارزیابی جایزه تنها بر اساس ارزش علمی مقاله انجام می‌شود، نه شخص نویسندگان.

پنج نویسندهٔ این مقاله به ترتیب عبارتند از: کِی‌یو تیان، یی جیانگ، زهوان یوان، بینگ‌یوِ پِنگ و لی‌وِی وانگ.

صفحهٔ اول مقالهٔ VAR | منبع تصویر: arXiv

هرچند نویسندهٔ دوم این مقاله، یی جیانگ، در صفحهٔ شخصی خود نوشته بود: «من از مفهوم اولیه تا اجرای عملی VAR را رهبری کردم»؛

هرچند کد منبع‌باز VAR همچنان در حساب منبع‌باز بایت‌دنس (FoundationVision) میزبانی می‌شود؛

هرچند پس از رفتن کِی‌یو تیان، تیم بایت‌دنس بر این پایه تکرار کرد و مدل‌های «اینفینیتی» و «اینفینیتی‌استار» را تولید کرد که به‌ترتیب پذیرش شفاهی در رتبهٔ بالای کنفرانس‌های CVPR و NeurIPS را کسب کردند؛

اما در منطق بسیار استاندارد شدهٔ معاملات سرمایه‌گذاری خطرپذیر، تمام نویزهای پیچیدهٔ زمینه به‌طور خودکار فیلتر می‌شوند. چارچوب شناختی سرمایه ساده و خشن است: نام کِی‌یو تیان در ابتدا آمده است، پس او نویسندهٔ اول این بهترین مقاله است.

در مسیر هوش مصنوعی که نسبت و اعتبار اهمیت فراوانی دارند، عنوان «نویسندهٔ اول بهترین مقالهٔ NeurIPS» سخت‌ترین گذرنامهٔ ممکن است. وزن یک خط نام‌نویسی به‌تنهایی کافی است تا همهٔ آنچه فرد خارج از آن انجام داده را پوشش دهد.

بلکه می‌توان گفت این اسکانдал که صنعت را لرزاند، در این جریان ارزیابی‌های فراوان به یک دارایی تجاری منحصر‌به‌فرد تبدیل شد.

در پادکست، مجری یک‌بار به‌صورت صریح از او پرسید که آیا اختلاف بایت‌دنس به‌طور عینی پروفایل صنعتی‌اش را افزایش داده است.

کِی‌یو تیان از پاسخ گریزان نشد: «واقع‌بینانه بگویم، بله. شما توجه بسیار زیادی دریافت می‌کنید و ترکیب آن با عنوان بهترین مقاله، مانند دو افزایش قدرتی است.»

۲۰۰ میلیون دلار

در ماه‌های پس از اخراجش، آن را «شب بی‌پایان» توصیف کرد. یک شرکت بزرگ مدل‌سازی به او پیشنهاد کار داده بود که بعداً لغو شد.

اما منطق شرکت‌های سرمایه‌گذاری خطرپذیر همیشه با منطق اداره منابع انسانی شرکت‌های بزرگ فناوری یکسان نبوده است.

در اوایل سال ۲۰۲۵، او با سرمایه‌گذاران بسیار کمی آشنا شده بود. اولین کسی که در او سرمایه‌گذاری کرد، منگ شینگ، شریک شرکت ۵Y Capital بود. منگ شینگ پیشتر بنیان‌گذار مشترک و مدیرعامل واحد رانندگی خودکار دیدی بود و قبلاً سرمایه‌گذاری‌های فناوری سخت را در شونوی کپیتال مدیریت می‌کرد و تنها در سپتامبر ۲۰۲۴ به ۵Y Capital پیوسته بود. منگ شینگ بعداً او را با لیو کین، شریک بنیان‌گذار ۵Y Capital آشنا کرد که گفت «حسی از پویایی و انگیزه خاص» در او دیده است.

صندوقی نیز وجود داشت که بسیار دوست داشت، اما در آخرین جلسه آنلاین، سؤالات فراوانی درباره موضوع بایت‌دنس از او پرسید و سپس سرمایه‌گذاری نکرد.

در فوریه ۲۰۲۶، شرکت فناوری شبکه کربن آبی پکن محدوده به‌صورت خاموش ثبت و تأسیس شد؛ سرمایه ثبت‌شده آن ۱۰۰٬۰۰۰ یوان چینی بود، تیان کِیو ۶۰٪ سهام را در اختیار داشت و پنج سهام‌دار دیگر هرکدام ۸٪ سهام را داشتند که چند تن از آن‌ها فارغ‌التحصیلان دانشگاه به‌هانگ بودند؛ در ماه می، شرکت دیگری داخلی نیز تأسیس شد که به‌طور کامل توسط یک شرکت خارجی کنترل می‌شد و سرمایه ثبت‌شده آن ۱٫۹ میلیون دلار آمریکا بود.

تا اکتبر، این استارت‌آپ — که هنوز حتی نمایش عمومی یا نام رسمی‌اش را افشا نکرده بود — گزارش شد که تقریباً ۳۰ میلیون دلار آمریکا سرمایه‌گذاری جذب کرده و ارزش‌گذاری پس از سرمایه‌گذاری آن ۲۰۰ میلیون دلار آمریکا شده است. سرمایه‌گذار اصلی ۵Y Capital بود و IDG نیز در این سرمایه‌گذاری شرکت کرد.

حوزه فعالیت این شرکت نیز همان حوزه‌ای است که طی سال گذشته بیشترین هیجان گران‌قیمت جامعه سرمایه‌گذاری خطرپذیر را به خود اختصاص داده است: مدل‌های جهانی.

مدل‌های جهانی به آخرین فرصت برای تمام شرکت‌های سرمایه‌گذاری شده برای فراتر رفتن از روایت سنتی مدل‌های زبانی بزرگ تبدیل شده‌اند. ارزش‌گذاری شرکت World Labs فِی-فِی لی به سرعت افزایش یافت و در سپتامبر امسال، AMD اعلام کرد که آن را با صرف ۸٫۲ میلیارد دلار آمریکا در قالب سهام خریداری می‌کند؛ AMI Labs یان لکون نیز ۱٫۰۳ میلیارد دلار آمریکا سرمایه اولیه جذب کرد. بای زونگ‌یی از شرکت سرمایه‌گذاری یائوتُ در انجمن ژونگ‌گوان‌سون گفت: «همان لحظه‌ای که مدل‌های جهانی را ذکر می‌کنید، ارزش‌گذاری‌ها از صدها میلیون دلار آغاز می‌شود.»

یوان زِهوان، نویسنده مسئول مقاله VAR نیز از بایت‌دنس جدا شد تا شرکتی در حوزه مدل‌های جهانی تأسیس کند؛ و در شب شگفت‌انگیز دوئین در ۱۱ اکتبر، مدل جهانی توسعه‌یافته توسط بایت‌دنس با حضور پررنگی ظاهر شد که ژانگ یی‌مینگ شخصاً این پروژه را نظارت می‌کرد.

افشاگری مدل جهانی بایت‌دنس | منبع تصویر: QbitAI

منگ شینگ در سپتامبر امسال در دانشگاه ژجیانگ درباره معیارهای ارزیابی کارآفرینان صحبت کرد. او علاقه‌ای که «اثر قابل ردیابی» در پیش از تأسیس کسب‌وکار برجای بگذارد را ارزشمند می‌داند و همچنین شناخت و قضاوتی را که «از طریق رفتار اثبات شده باشد» را ارزشمند می‌شمارد. اما این بار نتیجه اثبات رفتاری به‌وضوح در یک حکم مدنی نوشته شده است، درحالی‌که این بدهی اخلاقی سنگین در صورت‌حساب سرمایه‌گذاری ۲۰۰ میلیون دلاری لحاظ نشده است.

برای سرمایه‌گذاری خطرپذیر که به دنبال بازدهی صدبرابر است، نقص‌های اخلاقی تنها ریسک‌های دمی غیرقابل اندازه‌گیری هستند، درحالی‌که امتیاز مقاله برتر پول واقعی است که می‌تواند مستقیماً در دور بعدی جذب سرمایه برای صندوق‌های بعدی بهره‌برداری شود.

در ولی سیلیکون سابقه‌هایی وجود دارد. لووندوفسکی، مهندس سابق ویمو، در سال ۲۰۲۰ به دلیل دزدیدن اسرار تجاری گوگل به ۱۸ ماه زندان محکوم شد، در ژانویه ۲۰۲۱ عفو شد و بیش از یک سال بعد، شرکت جدیدش موفق به جذب سرمایه‌گذاری تحت رهبری Slow Ventures شد.

نظر عمومی نیز تقسیم‌شده است.

دو سال پیش، هنگامی که جایزه را برنده شد، برخی در فضای مجازی گفتند که برتری نمی‌تواند مجوزی برای ارتکاب خطایی باشد، درحالی‌که دیگران گفتند این مقاله تنها متعلق به او نبود. این بار هنگامی که خبر سرمایه‌گذاری منتشر شد، یک پاسخ در زهیهو با ۱۵۰۷ رأی موافق او را «نابغه‌ای متولد‌شده برای زمان‌های آشوب‌زده» خواند. در نظر گرفتن نقض قوانین به‌عنوان شواهدی از نبوغ و کسب چنین تعداد زیادی رأی موافق برای چنین اظهارنظری، خود بخشی از این زمان‌های آشوب‌زده است. پاسخ دیگری نوشت: «فردی بسیار بااستعداد کاری بسیار غیراخلاقی انجام داد، قیمتی نه‌چندان سنگین پرداخت و سپس به پیش‌روی ادامه داد.»

بنابراین به اظهارنظر ابتدایی بازمی‌گردیم. اینکه تیان کِیو بتواند این سرمایه را جذب کند، تراژدی این عصر است.

نیمه‌اش در این واقعیت نهفته است که در طی دو سال، یاد گرفت داستانی فزاینده‌تر لذت‌بخش بگوید، اما هرگز مستقیماً به اینکه در آن ماه‌ها واقعاً چه اتفاقی افتاده، پاسخ نداد. وقتی ازش پرسیده شد که به چه کسی می‌خواهد عذرخواهی کند، به شرکت فکر کرد. اسکانдалش به تقویتش تبدیل شد.

نیمه سرمایه‌گذاران حتی ناامیدکننده‌تر است. در هیجان ارزش‌گذاری اطراف مدل‌های جهانی، برچسب «نویسنده اول مقاله برتر» قابل‌ارزش‌گذاری‌تر از یک اطلاعیه داخلی و یک حکم دادگاه است. ارزش‌گذاری محققان به‌طور مداوم افزایش می‌یابد، سرمایه از ازدست‌دادن نابغه بعدی می‌ترسد و می‌گوید سرمایه‌گذاری روی افراد است، اما این بار سابقه قبلی این فرد بر بازگشت او به میز سرمایه‌گذاری تأثیری نگذاشت.

رهبر

شرکت جدید تیان کِیو قصد دارد تا پایان امسال تیمش را به بیست نفر گسترش دهد.

در یک پادکست، فلسفهٔ مدیریتی خود را اینگونه توصیف کرد: انجام پیش‌آموزش مدل‌های پیشرفته در واقع نیازی به تعداد زیادی نفر ندارد. مهم‌ترین چیز تجمیع حکمت جمعی و ایجاد زیرساخت فنی‌ای است که همه بتوانند آزادانه استعدادهای خود را به کار بگیرند.

دو سال پیش، بلندترین دورهٔ کارآموزی را در گروه خود گذرانده بود. بر اساس اطلاعیهٔ داخلی شرکت بایت‌دنس، به دلیل نارضایتی از تخصیص منابع، به وظایف آموزشی همکاری حمله کرده بود؛ دو سال بعد، با نزدیک به ۳۰ میلیون دلار در دست، او شخص اول شرکت خود شده که تصمیم می‌گیرد چه کسانی به واحدپردازشگرهای گرافیکی (GPU) دسترسی داشته باشند و محاسبات چه کسانی قطع شود.

در پایان پادکست، میزبان سؤالی پر از حس سرنوشت به او پرسید:

«اگر روزی در شرکت خود، جوانی مانند تیان کِی‌یو در سال ۲۰۲۴ ظاهر شد، چه کاری انجام می‌دهید؟»

تیان کِی‌یو پاسخ داد که از دیدگاه رهبر، دربارهٔ نحوهٔ مدیریت درگیری فکر می‌کند و حتی پیش از وقوع درگیری مداخله می‌کند تا آن را در سرمنشأ خاموش کند.

«البته، چه به عنوان فردی مستقل و چه به عنوان بنیان‌گذار، همچنان باید همهٔ امور را بسیار بالغ‌تر مدیریت کنید.»

اما احتمالاً فراموش کرده که در آن منطقهٔ دفتری پکن در تابستان ۲۰۲۴، گروهی از مهندسان شب‌کار بودند و در هر جلسهٔ صبحگاهی تعویض شیفت، هیچ‌یک از آن‌ها هرگز نگران محافظت در برابر همکاری که دقیقاً کنارشان نشسته بود—همچون محافظت در برابر دزد—نبودند.

پیوند اصلی