AI Frontier Labs < — > F1 チーム 一流の AI ラボで働くことは、F1 のレースカー デザイナーであることに不気味なほど似ているように感じます。 第一に、人材の引き抜きは冷酷です。 エイドリアン・ニューウェイがレッドブルを離れ、アストンマーティンに移籍することが一面のニュースだ。Ilya Sutskever が OpenAI を去り、インターネットが壊れます。 どちらの分野でも、個人の才能が一夜にして競争バランスを変える可能性があります。スターエンジニアはスターアスリートのように扱われます。 わずかな利益がすべてです。 F1では、ラップタイムを0.1秒短縮することで、P1とP10の差が決まります。AI ラボでは、ベンチマーク スコアが 2% 向上すると、モデルが数百万人にデプロイされるか、棚上げされるかを決定できます。 データは究極の競争上の優位性です。 F1チームはレースごとに数百万のデータポイントを収集します。AI ラボには、キュレーションに数百万ドルの費用がかかるトレーニング データセットが必要です。 データを最もよく収集し、クリーニングし、データから学習できるチームが一貫して勝ちます。それ以外はすべてエンジニアリングシアターです。 研究とエンジニアリングの違いは非常に薄いです。 F1 デザイナーは学術雑誌に論文を発表し、車検を通さなければなりません。AI研究者は論文を書き、何百万人ものユーザーまで拡張できるモデルを展開する必要があります。 リソースの制約により、不可能な創造性が強制されます。 F1チームには予算の上限、風洞の時間制限、厳しい規制があります。AI ラボには、コンピューティング バジェット、データ ライセンス コスト、推論速度の要件があります。 1つの弱いリンクがすべてを壊します。 F1では、空力チームが成功したが、サスペンションチームがミスした場合、ポイントが切れます。AI ラボでは、データ パイプラインが完璧であるにもかかわらず、トークナイザーにバグがある場合、そのモデルはゴミです。 卓越性は局所的ではなく、体系的なものでなければなりません。 スピードと安全性は永遠のトレードオフです。 F1マシンは安全規制なしでより速く走ることができます。AI モデルは、アライメント研究なしでより高性能になる可能性があります。 どちらの分野も、「どの程度のパフォーマンスに対してどの程度のリスクが許容されるか」と常に格闘しています。 ほとんどの人が見逃していることは、どちらの分野でも、真のブレークスルーは学際的な思考から来ているということです。 F1の最高のイノベーションは、多くの場合、航空宇宙科学や材料科学から生まれます。最高の AI ブレークスルーは、多くの場合、神経科学や物理学から生まれます。 狭い専門知識は行き止まりです。