برنامه‌نویس چینی که استخدام اپل را رد کرد تا رقیب گوگل شود؛ یانگ ژیلین کیست؟

سال ۲۰۱۹ وقتی یانگ ژیلین به اطرافیانش گفت می‌خواهد به زادگاهش برگردد، استادش یقین داشت دانشجوی جوان بزرگ‌ترین اشتباه زندگی‌اش را مرتکب می‌شود. یانگ در آستانه‌ی دریافت مدرک دکتری از دانشگاه کارنگی ملون بود؛ متخصصان هوش مصنوعی پژوهش‌هایش را تحسین می‌کردند و اپل می‌خواست استخدامش کند.

روسلان سالاخوتدینوف، استاد راهنمای ژیلین، آینده‌ی فوق‌العاده‌ای پیش روی شاگردش می‌دید، ولی یانگ تصمیم قطعی‌اش را گرفته بود و می‌خواست چمدان‌ها را ببندد و شرکت خودش را در چین بنا کند.

سالاخوتدینوف بعدها در مصاحبه با وال‌استریت ژورنال گفت: «اگر جای او بودم، چنین کاری نمی‌کردم.» در میان تمام دانشجویان چینی کلاس، فقط دو نفر مسیر بازگشت به خانه را برگزیدند که یانگ یکی از آن دو بود و حتی زحمت جست‌وجوی شغل در آمریکا را هم به خود نداد.

چند سال بعد، همان دانشجو بر صندلی مدیرعاملی مون‌شات تکیه زد؛ خالق هوش مصنوعی کیمی که مدل‌هایش حالا شانه‌به‌شانه‌ی محصولات گوگل، اوپن‌ای‌آی و آنتروپیک حرکت می‌کنند.

اما پسری که اتاق‌های دفترش را به نام اسطوره‌های موسیقی راک نام‌گذاری می‌کند، چطور توانست شرکت هوش مصنوعی‌اش را از صفر بالا ببرد و چرا غول‌های سیلیکون‌ولی با ترس و احترام به کدهای او نگاه می‌کنند؟

یانگ ژیلین سال ۱۹۹۲ در شهر بندری شانتو استان گوانگ‌دونگ جنوب چین متولد شد. هفده‌ساله بود که برنامه‌نویسی را در دوره‌های فشرده آموزشی یاد گرفت و در المپیاد ملی انفورماتیک شرکت کرد؛ رقابتی که برای یافتن سریع‌ترین راه‌حل‌های محاسباتی برگزار می‌شد.

ژیلین مدال طلای رقابت‌ها را به دست آورد و به‌واسطه‌ی همین موفقیت راهی دانشگاه تسینگ‌هوا، مهد پرورش نخبگان هوش مصنوعی چین شد. اما ترم‌های اولیه در رشته‌ی مهندسی حرارتی درس خواند که ارتباطی به دنیای کامپیوتر نداشت.

در شلوغی‌های دانشگاه، موسیقی سهم پررنگی در زندگی روزمره‌اش داشت. همراه با دوستانش گروه راک Splay را پایه‌گذاری کرد. او نام گروه را از درخت اسپلی، نوعی ساختار برای سازمان‌دهی داده‌ها در علوم کامپیوتر الهام گرفت، خودش هم پشت درامز می‌نشست و ترانه می‌سرود.

خبرنگار وال‌استریت ژورنال با بررسی آرشیو اینترنت، توانست وب‌سایت خاک‌خورده‌ی گروه و ردپای روزهای دانشجویی درامر جوان را بیرون بکشد. اما پسری که روی صحنه با شور فراوان ساز می‌زد، بیرون از استودیوی تمرین مشغول کارنامه‌ی پژوهشی پرباری داشت که فرسنگ‌ها از سطح یک دانشجوی کارشناسی فراتر می‌رفت.

یانگ ژیلین پژوهش‌هایش را زیر نظر تانگ جیه، استاد خوش‌نام تسینگ‌هوا پیش برد و مقاله‌های مشترکی در حوزه‌ی یادگیری ماشین منتشر کرد که تحسین صاحب‌نظران را در کنفرانس‌های معتبر بین‌المللی برانگیخت. اما همکاری استاد و دانشجو بعدها سرنوشت جالب‌تری پیدا کرد.

ژیلین زمانی که از دانشگاه کارنگی ملون برای مقطع تحصیلات تکمیلی‌اش بازدید می‌کرد، با ویلیام کوهن، استاد یادگیری ماشین ملاقات کرد. کوهن به‌وضوح به یاد می‌آورد که دانشجوی تازه‌وارد، پیش از ورود به آمریکا هم در مجامع پژوهشی اعتبار خوبی داشت. به‌زعم کوهن، هر دانشگاهی که چنین استعدادی را جذب می‌کرد، انگار بلیت بخت‌آزمایی بزرگی را می‌برد.

یانگ سال ۲۰۱۵ وارد کارنگی ملون شد. بهووان دینگرا، هم‌کلاسی یانگ، او را چهره‌ای خوش‌برخورد اما تودار به یاد می‌آورد؛ پسری که جزئیات زندگی خصوصی‌اش را پشت پرده‌ای از سکوت پنهان می‌کرد. یانگ باوجود سکوت ظاهری‌اش، بیشتر به‌خاطر سرعت بالا در حل مسائل سخت آکادمیک در ذهن اطرافیان باقی می‌ماند.

دینگرا می‌گوید برخی مسائل ریاضی ساعت‌ها و هفته‌ها وقت دیگران را می‌گرفت و گاه بی‌جواب می‌ماند. ولی یانگ می‌توانست همان مسائل را پای تخته حل کند و راه‌حل نهایی را بنویسد. هم‌کلاسی دیروز یانگ که حالا در دانشگاه دوک تدریس می‌کند، می‌گوید: «هنوز هم ذهنم درگیر توانایی‌های شگفت‌انگیز پسرک می‌شود.»

ویلیام کوهن و روسلان سالاخوتدینوف، استادان راهنمای پروژه، استقلال یانگ در پژوهش‌هایش را مهم‌ترین ویژگی او می‌دانند. یانگ مستقیماً پس از دوره‌ی کارشناسی به تیم دکترا پیوست و از بسیاری از هم‌دوره‌هایش جوان‌تر بود، اما برای تعریف پروژه‌ها و پیش‌بردن ایده‌هایش کمتر از سایرین به هدایت و راهنمایی نیاز داشت.

یانگ به‌لطف استقلال فکری‌اش در دوران دکتری توانست در گروه‌های پژوهشی پیشگام متا و گوگل‌برین نیز حضور داشته باشد. سال ۲۰۱۹ همراه با پژوهشگرانی مانند کوئوک وی. له، دو مقاله در مورد شبکه‌های Transformer-XL و XLNet منتشر کرد.

مقاله‌ی اول پیرامون یکی از مشکلات ملموس ماشین‌ها در زمینه‌ی درک متن نوشته شد. فرض کنید داستانی طولانی قطعه‌قطعه به دستتان برسد و هر بار بخش جدید را دریافت می‌کنید، بخش قبلی از دسترستان خارج شود. طبیعتا روابط میان شخصیت‌ها و رویدادهای گذشته از ذهنتان می‌پرد.

مدل‌های زبانی پیشین دقیقا گرفتار چنین ضعفی بودند و پردازش گسسته‌ی متن مانع از اتصال یکپارچه‌ی مفاهیم می‌شد. معماری Transformer-XL راهکاری خلاقانه ارائه داد تا سیستم هنگام خواندن کلمات جدید، محتوای پردازش‌شده‌ی قبلی را در حافظه نگه دارد و رشته‌ی معنایی متن را حفظ کند.

انتشار چنین مقاله‌های جریان‌سازی حتی به‌صورت تیمی هم برای یک دانشجوی دکتری اتفاق نادری محسوب می‌شد؛ موفقیتی که سالاخوتدینوف را مجاب کرد نام یانگ ژیلین را در فهرست بهترین دانشجویان همیشه‌اش جای دهد.

خود یانگ هم به توانایی‌هایش واقف بود و رؤیاهای بلندپروازانه‌ای در سر داشت. دینگرا استاد دیگرش به یاد می‌آورد یانگ در یکی از گفت‌وگوهایش با او مدعی شده بود اگر پول و توان پردازشی لازم را در اختیارش بگذارند، می‌تواند سیستمی توسعه دهد که مدل‌های گوگل و OpenAI را پشت سر بگذارد.

جوان چینی هنوز حتی دفتری برای شرکت آینده‌اش نداشت، اما حریفان اصلی‌اش را از همان دوران دکترا انتخاب کرده بود.

سرانجام زمانی رسید که یانگ باید درباره‌ی آینده‌ی شغلی‌اش تصمیم می‌گرفت و او به دو استاد راهنمایش گفت می‌خواهد به زادگاهش برگردد و استارتاپی راه‌اندازی کند. هر دو استاد از تصمیم ژیلین بهت‌زده شدند، مخصوصاً سالاخوتدینوف که می‌دانست شرکت اپل به جذب دانشجوی جوان علاقه دارد و یانگ می‌تواند در آمریکا آینده‌ی روشنی داشته باشد. ولی این پیشنهادهای جذاب شغلی نظر یانگ را تغییر ندادند.

یانگ پیش از تولد کیمی هم کارآفرینی را تجربه کرده بود. سال ۲۰۱۶، در گیرودار درس‌های مقطع دکتری به همراه چند دوست Recurrent AI را راه انداخت، شرکتی که هوش مصنوعی را در بازاریابی، فروش و خدمات مشتری کسب‌وکارها به کار می‌گرفت. ژیلین سال ۲۰۱۹ از رساله‌ی دکترای خود دفاع کرد و مون‌شات چهار سال بعد تأسیس شد.

قطار پژوهش‌های یانگ در طول این فاصله‌ی چهارساله متوقف نشد و او علاوه بر انتشار مقالاتی درباره مدل‌های زبانی، در سال ۲۰۲۲ هوش مصنوعی چندزبانه‌ی برنامه‌نویسی CodeGeeX را معرفی کرد.

وقتی زلزله‌ی ChatGPT جهان فناوری را تکان داد، یانگ هم مدل‌های زبانی را به‌خوبی می‌شناخت و هم می‌دانست کسب‌وکارهای هوش مصنوعی با چه چالش‌هایی مواجه‌اند. او می‌فهمید توسعه‌ی ابزاری برای رفع نیازهای مشخص یک سازمان، با خلق سیستمی که باید به درخواست‌های متنوع میلیون‌ها نفر پاسخ بدهد، زمین تا آسمان تفاوت دارد.

زمانی که یانگ به چین برگشت، ارتباط فکری‌اش را با جامعه‌ی علمی آمریکا قطع نکرد. او تجربه‌ی کار در آزمایشگاه‌های غربی، شبکه‌سازی با همکاران و ادبیات رایج پژوهشگران را هم با چمدانش به چین برد، چنان‌که سال‌ها بعد، بازتاب فرهنگ سیلیکون‌ولی در راهروهای دفتر مون‌شات به‌وضوح به چشم می‌خورد.

ولی ژیلین قبل از اینکه میزهای دفتر جدیدش را بچیند، باید سرمایه و همکاران بااراده‌ای برای استارت‌زدن پروژه‌ی بزرگش می‌یافت.

اواخر سال ۲۰۲۲ وقتی ChatGPT معرفی شد، یانگ ژیلین احساسات دوگانه‌ای را تجربه می‌کرد. ازیک‌طرف از تماشای مرزهای جدید پردازش ماشینی هیجان‌زده بود و ازسوی‌دیگر حسرت می‌خورد که در حلقه‌ی خالقان این محصول جایی ندارد. خیلی زود راهی آمریکا شد تا میدان نبرد آینده را از نزدیک ارزیابی کند.

ژیلین پس از حساب‌وکتاب‌های مالی در سیلیکون‌ولی، متوجه شد برای راه‌اندازی شرکتش باید صد میلیون دلار سرمایه جذب کند، هدفی که چندان هم دور از دسترس نبود. اوایل سال ۲۰۲۳ مون‌شات تاسیس شد و نام چینی شرکت هم به آلبوم محبوب یانگ ژیلین یعنی نیمه‌ی تاریک ماه پینک فلوید اشاره داشت.

یک‌سال پس از تولد مون‌شات، تعهدات پیشین یانگ ژیلین دوباره بر سر راهش قرار گرفتند. سال ۲۰۲۴، آتش اختلاف میان یانگ و پنج سرمایه‌گذار Recurrent AI زبانه کشید. شاکیان با کشاندن پرونده به مرکز داوری بین‌المللی هنگ‌کنگ، ادعا کردند بنیان‌گذار جوان پیش از واگذاری کامل مسئولیت‌هایش در شرکت قبلی، سراغ تأسیس مون‌شات رفته است.

جریان کشمکش‌های حقوقی، چهره‌ی خشن کارآفرینی را به یانگ ژیلین نشان داد. او عادت داشت توانایی‌اش را با مقاله‌ها و راه‌حل‌هایی که ارائه می‌کرد بسنجند، ولی حالا باید به نگرانی‌ها و پرسش‌های شرکا و سرمایه‌گذاران هم پاسخ می‌داد. به‌علاوه، باید با تیمش محصولی می‌ساخت که کاربران برای استفاده‌اش دلیل متقاعدکننده و محکمی داشته باشند.

پاییز ۲۰۲۳ شرکت مون‌شات کیمی را با تمرکز بر درک و پردازش متون بلند معرفی کرد تا به یکی از نیازهای مهم کاربران هوش مصنوعی پاسخ دهد.

هر مدل زبانی ظرفیت مشخصی برای نگهداری اطلاعات در هر جلسه گفت‌وگو دارد که پنجره‌ی زمینه یا کانتکست نامیده می‌شود. متن سؤال، تاریخچه‌ی مکالمه و فایل‌های آپلودی، همگی باید در همین فضای محدود جا بگیرند. گسترش وسعت پنجره، کلید تحلیل هم‌زمان گزارش‌های طولانی محسوب می‌شد.

مون‌شات در گام اول، از توانایی پردازش ۲۰۰ هزار نویسه‌ی چینی خبر داد و تا بهار ۲۰۲۴، رکورد دو میلیون نویسه را ثبت کرد. البته خود شرکت هم گفت کاراکترهای زبان چینی معیار شمارش‌اند و نباید ظرفیت اعلام‌شده را معادل دو میلیون کلمه یا توکن استاندارد پردازشی دانست.

کاربرانی که با گزارش‌های حجیم و اسناد متعدد سروکار داشتند، مزیت کیمی را بهتر درک می‌کردند، چون می‌توانستند متن بیشتری در اختیار مدل بگذارند و سؤالاتشان را بپرسند. هرچند دریافت یک‌باره‌ی پرونده‌ای بزرگ لزوما به این معنی نیست که مدل خطای کمتری می‌کند.

یانگ ژیلین می‌خواست با کیمی نظر کاربران را جلب کند، ولی حالا باید به این فکر می‌کرد که چطور پاسخگوی همان مخاطبان باشد. معادله‌ی موفقیت، معادله‌ای دو متغیره بود، کیفیت پاسخ‌ها اهمیت زیادی داشت، ولی شرکت باید فکری هم به حال پایداری سرورهایش می‌کرد تا سرویس‌دهی قطع نشود.

مون‌شات به پول و توان پردازشی نیاز داشت، همان دو منبع ارزشمندی که یانگ در دوران دانشجویی از آن‌ها حرف زده بود. در همان زمان علی‌بابا در گزارش مالی خود اعلام کرد حدود ۸۰۰ میلیون دلار در مون‌شات سرمایه‌گذاری می‌کند و تقریبا ۳۶ درصد از سهام آن را در اختیار می‌گیرد.

مدتی بعد شرکت تنسنت هم به‌عنوان سرمایه‌گذار وارد میدان شد و ارزش استارتاپ تا تابستان ۲۰۲۴ به مرز ۳٫۳ میلیارد دلار رسید. پژوهشگر جوان حالا می‌توانست به حامیان مالی‌اش تکیه کند، ولی با بزرگ‌تر شدن شرکت نگرانی دیگری ذهنش را آشفته می‌کرد. شرکت زیر سایه‌ی سنگین غول‌های مالی، چقدر از آزادی عمل روزهای آزمایشگاه را نگه می‌داشت؟

در دفتر پکن مون‌شات، اتاق‌های جلسه با نام‌هایی مثل لد زپلین، متالیکا، کوئین، پرینس و باب دیلن شناخته می‌شوند. کارکنان با دمپایی در راهروها قدم می‌زنند و گوشه‌ای، یک کت چرمی و یک جفت چکمه‌ی کابویی مشکی مثل آثار هنری روی دیوار میخکوب شده‌اند. رد علاقه‌های شخصی بنیان‌گذار در جزئیات اتمسفر کاری حدود ۳۰۰ کارمند استارتاپ به چشم می‌خورد.

مدیرعامل مون‌شات آگاهانه سعی می‌کند سلسله‌مراتب سازمانی را به حداقل برساند، رویه‌ای که در اکوسیستم شرکت‌های چینی چندان مرسوم نیست. یانگ نمی‌خواهد تشریفات اداری سد راه جریان آزاد ایده‌ها شود و همیشه شعار «ارتباط مستقیم» را اولویت کار خود می‌داند.

پنگ چی، پژوهشگری که روزگاری در دوران کارآموزی متا همکار یانگ بود، ریشه‌ی رویکرد ساختارستیز او را به روزهای تحصیلش در آمریکا نسبت می‌دهد. به عقیده‌ی چی، تجربه‌ی زیستن در محیط‌های آکادمیک غربی، نوعی گشودگی ذهنی و تمایل به شکستن اقتدار سنتی را در یانگ نهادینه کرده است.

تبادل فرهنگی شرکت‌های غربی و شرقی جریانی یک‌سویه نیست. اگر یانگ فرهنگ استارتاپی را از سیلیکون‌ولی به زادگاهش برد، بسیاری از استارتاپ‌های آمریکایی هم برنامه‌ی کاری «۹۹۶» را با آغوش باز پذیرفته‌اند، یعنی کار از ۹ صبح تا ۹ شب، شش روز در هفته؛ الگویی که ریشه‌هایش به شرکت‌های چینی می‌رسد.

داستان زندگی یانگ ژیلین تصویر کلیشه‌ای رقابت صفر و صدی دو کشور را در هم می‌شکند. پژوهشگران در آزمایشگاه‌های یکدیگر آموزش می‌بینند، پای مقاله‌های مشترک امضا می‌زنند و بعد در شرکت‌هایی با هم رقابت می‌کنند که از همین تجربه‌های مشترک ساخته شده‌اند.

تابستان ۲۰۲۶، مون‌شات با معرفی مدل K3، زلزله‌ای در بازار هوش مصنوعی به پا کرد. بررسی‌های فنی محصول جدید را هم‌تراز پیشرفته‌ترین رقبای آمریکایی ارزیابی می‌کردند، هرچند مدل مون‌شات با هزینه‌های پردازشی به‌مراتب کمتری ارائه شد.

خانواده‌ی مدل‌های کیمی به‌ویژه بین برنامه‌نویسان محبوبیت بیشتری پیدا کرده‌اند، گروهی که انتخاب‌های روزمره‌شان می‌تواند رونق دوچندانی به بازار یک مدل بدهد.

طبق مستندات مون‌شات، K3 در مجموع ۲٫۸ تریلیون پارامتر دارد و برپایه‌ی معماری ترکیب متخصصان (MoE) عمل می‌کند، یعنی بنا به درخواست کاربر و هنگام تحلیل هر توکن، صرفاً بخش‌های مرتبط شبکه بیدار می‌شوند و بقیه‌ی قسمت‌ها در خاموشی می‌مانند. این طراحی، اجرای مدلی بزرگ را با مصرف محاسباتی پایین‌تر ممکن می‌سازد.

وزن‌باز بودن مدل جدید مون‌شات در کنار قیمت‌گذاری رقابتی، عرصه را بر شرکت‌هایی که محصولاتشان را در قفس سرویس‌های اشتراکی حبس کرده‌اند، تنگ‌تر می‌کند. رؤیای دوران دانشجویی یانگ ژیلین در زمینه‌ی رقابت با گوگل و اوپن‌ای‌آی، بیش از گذشته به واقعیت نزدیک می‌شود.

مسیر صعود مون‌شات اما حواشی زیاد به همراه داشت. فوریه‌ی ۲۰۲۶، آنتروپیک مدعی شد مون‌شات با استفاده از صدها حساب جعلی، بیش از ۳٫۴ میلیون تعامل با کلود ایجاد کرده تا قابلیت‌هایش را برای آموزش مدل‌های خود استخراج کند. آنتروپیک این رویکرد را بخشی از تلاش هدفمند استارتاپ چینی برای تقطیر مدل‌هایش می‌داند.

مون‌شات اتهام سرقت اطلاعات را رد می‌کند، ولی شخص یانگ ژیلین حاضر نشد به سؤال خبرنگاران در این زمینه پاسخی بدهد. باوجود تمام حواشی، قطار توسعه‌ی مون‌شات با سرعت به جلو پیش می‌رود.

گزارش‌های مالی، ارزش استارتاپ را در آخرین دور جذب سرمایه ۵۰ میلیارد دلار برآورد می‌کنند و ظاهرا درخواست محرمانه‌ی مون‌شات برای عرضه‌ی اولیه سهام روی میز بورس هنگ‌کنگ قرار دارد. هم‌زمان زمزمه‌های مذاکره با مایکروسافت، آمازون و گوگل برای میزبانی K3 به گوش می‌رسد؛ توافقی که در صورت نهایی‌شدن، غول‌های آمریکایی را به شرکای تجاری مدل چینی تبدیل خواهد کرد.

روزی روسلان سالاخوتدینوف، استاد راهنمای یانگ ژیلین، بازگشت دانشجوی نخبه‌اش به چین را فرصت‌سوزی محض می‌دانست. او تصور می‌کرد یانگ با پشت‌کردن به پیشنهاد اپل، مسیر شغلی امنی را در سیلیکون‌ولی از دست می‌دهد. یانگ اما در همان شرایط، چشم‌انداز آینده‌اش را متفاوت می‌دید.

مدیرعامل مون‌شات امروز توان پردازشی و سرمایه‌ای را در اختیار دارد که روزی آرزویش را داشت، ولی اهداف آینده‌اش هم سخت‌تر شده‌اند. او باید پژوهش‌های خوب را به محصولاتی قابل‌اعتماد و کسب‌وکاری پایدار تبدیل کند، درحالی‌که رقیبان منتظر لغزش‌های شرکت‌اند و سرمایه‌گذاران و دولت‌ها هرکدام از او انتظاری دارند.