El 12 de junio, Alexandr Wang renunció como CEO de Scale para perseguir su disparo lunar más ambicioso hasta ahora: construir una IA más inteligente que la humana como jefe de la nueva división de “superinteligencia” de Meta. Como parte de su movimiento, Meta invertirá $ 14.3 mil millones para una participación minoritaria en la escala AI, pero el verdadero premio no es su compañía, es el mismo Wang.
Se espera que Wang, de 28 años, traiga una sensación de urgencia a los esfuerzos de IA de Meta, que este año han sido afectados por retrasos y un rendimiento decepcionante. Una vez que el líder indiscutible de la IA de peso abierto, el gigante tecnológico estadounidense ha sido superado por rivales chinos como Deepseek en puntos de referencia populares. Aunque Wang, que abandonó el MIT a los 19 años, carece de las habilidades académicas de algunos de sus compañeros, ofrece información sobre los tipos de datos que los rivales de Meta utilizan para mejorar sus sistemas de IA y una ambición inigualable. Según los informes, Google y OpenAI están cortando los acuerdos con AI de escala sobre el meta trato. La escala declinó hacer comentarios, pero el CEO interino ha enfatizado que la compañía continuará operando de forma independiente en un blog.
Los grandes objetivos son la cosa de Wang. A los 24 años, se convertiría en el multimillonario a sí mismo más joven del mundo al construir una escala en un importante jugador de etiquetado de datos para los gigantes de la industria de la inteligencia artificial. “Ambition da forma a la realidad”, dice uno de los valores centrales de Scale, un lema Wang diseñado. Ese impulso se ha ganado admiración del CEO de Operai Sam Altman, quien vivido en el departamento de Wang durante meses durante la pandemia.
Pero su implacable ambición ha llegado con las compensaciones. Él acredita el éxito de la escala para tratar los datos como un “problema de primera clase”, pero ese enfoque no siempre se extendió al ejército de la compañía de más de 240,000 trabajadores contratados, algunos de los cuales han enfrentado Pagos retrasados, reducidos o cancelados Después de completar las tareas. Lucy Guo, quien cofundó escala, pero se fue en 2018 después de desacuerdos con Wang, dice que fue uno de sus “puntos de choque”.
“Pensé: ‘Necesitamos centrarnos en asegurarnos de que se les pague a tiempo'”, mientras que Wang estaba más preocupado por el crecimiento, dice Guo. Escamas a ha dicho Las instancias de pago tardío son extremadamente raros y que está mejorando constantemente.
Las apuestas de esta mentalidad de crecimiento en todos los costos están aumentando. Superinteligente Al “equivaldría al desarrollo tecnológico más precario desde la bomba nuclear”, según un documento de política Wang fue coautor en marzo con Eric Schmidt, el ex CEO de Google, y Dan Hendrycks, el director del Centro de Safety AI. El nuevo papel de Wang en Meta lo convierte en un importante tomador de decisiones sobre esta tecnología que no deja margen de error.
El tiempo habló con Wang en abril, antes de renunciar como CEO de Scale. Discutió su estilo de liderazgo, cuán preparado está los Estados Unidos para las “deficiencias” de AGI y AI.
Esta entrevista ha sido condensada y editada por claridad.
Su estilo de liderazgo ha sido descrito como muy en las malas. Por ejemplo, se ha informado que recibiría una llamada 1-1 con cada nuevo empleado, incluso cuando el personal llegó a los cientos. ¿Cómo ha evolucionado su visión del liderazgo a medida que la escala ha crecido?
El liderazgo es una disciplina muy multifacética, ¿verdad? Hay nivel uno: ¿puedes lograr las cosas que están justo en frente de ti? El nivel dos es: ¿son las cosas que estás haciendo incluso las cosas correctas? ¿Estás señalando la dirección correcta? Y luego hay muchas de las cosas de nivel tres, que es probablemente la más importante: ¿cuál es la cultura de la organización? Todo ese tipo de cosas.
Definitivamente creo que mi enfoque del liderazgo es uno de gran atención al detalle, estar muy en las que se centran, estar bastante enfocado, inculcar un alto nivel de urgencia, realmente tratar de garantizar que la organización se mueva de la manera más rápida y urgente de los problemas críticos posible.
Pero también en capas, ¿cómo se desarrolla una cultura saludable? ¿Cómo se desarrolla una organización donde las personas se colocan en puestos donde pueden hacer su mejor trabajo, y están constantemente aprendiendo y creciendo dentro de estos entornos? Cuando te señalas una misión que es más grande que la vida, entonces tienes la capacidad de lograr cosas que son realmente geniales.
Desde un viaje a China en 2018, ha sido abierto sobre la amenaza que representa las ambiciones de IA de China. Ahora, particularmente a raíz de Deepseek, este punto de vista se ha vuelto mucho más dominante en Washington. ¿Tiene alguna otra toma con respecto al desarrollo de la IA que pueda ser una especie de margen ahora, pero se convertirá en la corriente principal en cinco años más o menos?
Creo que el mundo agente, uno donde las empresas y los gobiernos están haciendo cada vez más su actividad económica con los agentes; que los humanos se sienten cada vez más como gerentes y supervisores de esos agentes; donde estamos comenzando a cambiar y descargar más actividad económica en los agentes. Este es sin duda el futuro, y cómo nosotros, como sociedad, sufrimos esa transición con una interrupción mínima es muy, muy no trivial.
Creo que definitivamente suena aterrador cuando hablas de eso, y creo que es como una indicación de que no será algo que sea muy fácil de lograr o muy fácil de hacer. Creo que creo que hay una serie de cosas que tenemos que construir, que tenemos que acertar, que tenemos que hacer, para garantizar que esa transición sea suave.
Creo que hay mucha emoción y energía destinada a este tipo de mundo agente. Y creemos que toca todas las facetas de nuestro mundo. Entonces las empresas se convertirán en empresas de agente. Los gobiernos se convertirán en gobiernos de agentes. La guerra se convertirá en una guerra de agentes. Va a cortar profundamente todo lo que hacemos y hay algunas piezas clave, ambas infraestructura que deben construirse, así como decisiones de política clave y decisiones clave. [about] Cómo se implementa dentro de la economía que son bastante críticas.
¿Cuál es su evaluación de cuán preparado y qué tan en serio el gobierno de los Estados Unidos está tomando la posibilidad de “AGI”? [artificial general intelligence]?
Creo que la IA es muy, muy importante para la administración, y creo que hay mucho que tratar de evaluar: ¿cuál es la tasa de progreso? ¿Qué tan rápido vamos a lograr lo que la mayoría de la gente llama AGI? Marco de tiempo más lento, marco de tiempo más rápido? En el caso de que sea un plazo más rápido, ¿cuáles son las cosas correctas para reparar? Creo que estas son conversaciones importantes.
Si vas al vicepresidente JD Vance’s discurso Desde la Cumbre de Acción de AI de París, habla explícitamente a esto, el concepto de que la administración actual se centra en el trabajador estadounidense y que se asegurarán de que la IA sea beneficiosa para el trabajador estadounidense.
Creo que a medida que AI continúa progresando, quiero decir, la industria se está moviendo a una velocidad vertiginosa, las personas tomarán nota y tomarán medidas.
Un trabajo que parece maduro para la interrupción es la anotación de datos en sí. Hemos visto modelos de IA internos utilizados para el subtítulo del SORA del conjunto de datos OpenAi, y al mismo tiempo, los modelos de razonamiento están siendo entrenados en datos sintéticos de autoestima sobre desafíos definidos. ¿Crees que esas tendencias representan una amenaza de interrupción para escalar el negocio de anotación de datos de AI?
De hecho, creo que es todo lo contrario. Si observa el crecimiento en los trabajos relacionados con la IA en torno a la contribución a los conjuntos de datos de IA, hay muchas palabras para esto, pero los llamamos “contribuyentes”, se ha cultivado exponencialmente con el tiempo. Hay mucha conversación sobre si a medida que los modelos mejoran, el trabajo desaparece. La realidad es que el trabajo continúa creciendo muchos pliegues, año tras año, y se puede ver esto en nuestro crecimiento.
Entonces, mi expectativa es que, si avanza una línea hacia adelante, hacia una economía agente, más personas terminan avanzando hacia lo que actualmente consideramos que el trabajo de datos de IA, esa será una parte cada vez más grande de la economía.
¿Por qué no hemos podido automatizar el trabajo de datos de IA?
La automatización del trabajo de datos de IA es un poco de tautología, porque el trabajo de datos de IA está destinado a mejorar los modelos, por lo que si los modelos fueran buenos en las cosas para las que estaban produciendo datos, entonces no lo necesitaría en primer lugar. Entonces, fundamentalmente, los datos de IA se centran en las áreas donde los modelos son deficientes. Y a medida que la IA se aplica a más y más lugares dentro de la economía, solo encontraremos más deficiencias allí.
Puede retroceder y entrenar y los modelos de IA parecen realmente inteligentes, pero si realmente intenta usarlo para hacer cualquiera de una serie de flujos de trabajo clave en su trabajo, se dará cuenta de que es bastante deficiente. Por lo tanto, creo que, como sociedad, la humanidad nunca dejará de encontrar áreas en las que estos modelos necesiten mejorar y eso impulsará una necesidad continua de trabajo de datos de IA.
Una de las contribuciones de Scale ha sido posicionarse como una empresa de tecnología tanto como una empresa de datos. ¿Cómo has logrado eso y te destacaste de la competencia?
Si da un gran paso atrás, el progreso de IA se basa fundamentalmente en tres pilares: datos, calcular y algoritmos. Se hizo muy claro que los datos eran uno de los cuellos de botella clave de esta industria. El cómputo y los algoritmos también se cuellos de botella, pero los datos estaban justo allí.
Creo que antes de la escala, no había empresas que trataban los datos como la primera clase de un problema que realmente es. Con la escala, una de las cosas que realmente hemos hecho es tratar los datos con el respeto que merece. Realmente hemos tratado de entender: “¿Cómo resolvemos este problema de la manera correcta? ¿Cómo lo resolvemos de la manera más tecnológica?”
Una vez que tenga estos tres pilares, puede crear aplicaciones sobre los datos y los algoritmos. Entonces, lo que hemos construido a escala es la plataforma que primero apuntalan el pilar de datos para toda la industria. Luego también hemos descubierto que con ese pilar, podemos construir en la parte superior, y podemos ayudar a las empresas y gobiernos a construir y implementar aplicaciones de IA además de su increíble riqueza de datos. Creo que eso es realmente lo que nos distingue.
