Google 前 CEO 怒喷「每周只上一天班」落后 OpenAI，美国要加大投入应对中国 AI 崛起 | 万字访谈摘要版

<section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">这段文字是关于埃里克·施密特（Eric Schmidt）的一次采访摘要，他在访谈中探讨了人工智能（AI）的未来发展，特别是在自然语言处理（NLP）方面的进步，比如大型语言模型（LLM），以及它们如何影响搜索引擎和其他依赖于理解和生成人类语言的技术。<br /><br />主要内容概述<br /><br />- AI发展趋势：施密特预测AI将在短时间内带来重大变革，尤其是代理（agents）、上下文窗口增大以及文本到动作的转变。<br />- 技术创新：提及了诸如Anthropic的Claude等先进模型，并讨论了OpenAI和其他公司在推动物联网发展的努力。<br />- 市场竞争：对比了谷歌早期的工作风格与现代创业公司的高强度工作环境，暗示了初创企业成功的要素在于员工的辛勤付出。<br />- 政策与投资：讨论了美国政府对AI研发的投资，包括芯片法案，以及私营部门如OpenAI的资金来源和挑战。<br />- 国际合作：分析了中美在全球AI竞赛中的角色，以及美国寻求与加拿大等国加强合作的可能性。<br />- 道德与法律考量：涉及内容审核、公平性和潜在的军事用途，表明了AI发展伴随的社会责任和技术风险评估。<br />- 教育与人才培养：讨论了计算机科学教育的未来方向，包括如何培养新一代能够与AI系统协作的专业人才。<br />- 监管框架：提出需要合适的监管机制来指导AI行业的健康发展，同时防止过度限制创新。<br /><br />核心观点<br /><br />- 施密特认为AI的快速发展要求政策制定者、企业和教育机构迅速作出反应，以把握这一技术浪潮带来的机遇。<br />- 他强调了美国在AI领域的领先地位及其面临的挑战，包括确保有足够的基础设施和人才储备。<br />- 对于AI系统的安全性、透明度和道德使用的关注，显示了科技领导者对社会责任的重视。<br /><br />总结<br /><br />这篇访谈提供了对当前AI研究和发展趋势的深入了解，突出了技术创新、市场动态和政策响应之间的复杂关系。施密特的观点不仅限于技术预测，还包含了对如何塑造健康、包容的AI生态系统的深刻洞察。对于政策制定者、企业家和教育工作者而言，这些都是至关重要的议题。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><section><section style="display: inline-block;"><img data-ratio="1" data-src="https://mmbiz.qpic.cn/sz_mmbiz_png/VXjHib6YROwnXtqw5HZkjDCAQXGskNcymy136uhaA0sAzgmXJVI0ftt4ZOnuQLrReRcswx5cP0dpu5f0qowlgfA/640?wx_fmt=png" data-type="jpg" data-w="1024"></section></section><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;"></span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">今天的嘉宾无需介绍。我大约25年前认识埃里克，当时他作为CEO来到斯坦福商学院。从那以后，他做了很多事情，从2001年的谷歌到2017年的施密特未来公司。你可以阅读更多其他信息，但他只能待到5点15分，所以我们直接进入问题。我知道你们也发送了一些问题，这里写了很多，楼上讨论的更有趣，所以就从那开始吧。埃里克，可以吗？</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">你认为AI短期内将走向何方？你认为是一两年内？变化太快，我感觉每6个月，我得重新讲一次未来会发生什么。嗯，有人能听到预算内的电脑吗？计算机科学，谁能向全班解释百万令牌上下文窗口是什么？你在这里，可以说一下你的名字吗？告诉我们它做什么。基本上允许你带上百万个单词，或者它本来只是让你能问百万个单词的问题。是的，我知道，这是一个非常前沿的方向。就这样，哦不，他们要去10，是的，Anthropic是20万到100万等。你可以想象，OpenAI有类似的目标。有人能再定义AI代理吗？不是，先生。代理是一种方式做事的，在直播中呼叫，代表你买东西。长远来看，可能是许多不同的事情。是的，所以代理是做某种任务的，另一种定义是，它是LLM驻留内存。好的，有人能再说一次吗？计算机科学家可以，你们中有人定义文本到动作吗？将文本转换为动作，就在这里，请继续。是的，而不是将文本转换为更多文本，更多文本，将文本和让AI触发动作，基于。所以另一种定义，将是语言到Python和编程语言。我从不希望看到它存活，而且AI中的一切都在用Python进行。有一种新的语言叫做Mojo，刚刚发布，看起来他们终于解决了AI编程，但我们将看到它是否真的能超过Python的主导地位。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">嗯，还有一个技术问题，为什么英伟达价值两万亿美元，而其他公司却在挣扎？技术方面，我认为这归结为，大部分代码需要运行代码优化，目前只有英伟达的GPU能做到。所以其他公司可以制作他们想要的东西，但除非他们有十年的软件经验，否则没有机器学习优化。我喜欢把CUDA看作是GPU的C编程语言。对，这就是。我喜欢这样认为，它成立于2008年。我一直认为它是一种糟糕的语言，但它已成为主导。还有另一个见解，有一套高度优化的开源库是基于CUDA，而不是其他任何东西，每个人都在构建这些堆栈。这在任何讨论中都被完全忽略了。通用上，它技术上被称为LLM，还有一大堆像那样的高度优化库基于CUDA，很难复制。如果你是竞争者，这意味着什么？明年你会看到非常大的上下文窗口和代理以及文本到动作。当它们大规模交付时，它将对这个世界产生前所未有的影响，比社交媒体造成的影响还要大。在我看来，在上下文窗口中，你可以基本上将其用作短期记忆。我很震惊上下文窗口可以这么长，技术原因在于很难提供，很难计算。关于短期记忆有趣的是，当你喂给它信息，然后问它一个问题，比如阅读二十本书，你给它书籍的文本作为查询，然后你说告诉我它们说了什么，它会忘记中间的细节。这就像人类大脑的工作原理。这就是我们在代理方面所处的位置。现在有一些人正在构建本质上类似于LLM的代理，他们的方式是阅读像化学这样的东西，发现化学的原理，然后测试它，然后将这个添加到他们的理解中。对，这非常强大。第三件事是文本到动作。我给你一个例子，政府正在努力禁止抖音。我们看看这是否会发生。如果抖音被禁止，这是我的提议，你们每个人都可以对你的LLM说，给我一个抖音的副本，偷走所有用户，偷走所有音乐，把我的偏好放进去，在接下来三十秒内产生这个程序，发布它，如果它没有病毒式传播，做点不同的事情，沿着同样的路线，这就是指令。你明白这有多强大。如果你可以从任意语言到任意数字命令，这本质上就是Python。想象地球上每个人都有自己的程序员，他们实际上在做他们想要的事情，而不是为我工作的程序员，他们不做我要求的事情。想象一个非傲慢的程序员，实际上做你想要的事情，你不需要支付所有那些钱，并且有无限供应这些程序。所有这些都在明年或后年之内？很快那三件事，我相当确信是那三者的结合，将在下一波中发生。所以你问还会发生什么，每六个月，我摇摆不定。这是一个偶数奇数振荡，目前前沿模型之间的差距，现在只有三个，我会回顾他们是谁，而其他人对我来说差距越来越大，六个月前我确信差距正在缩小，所以我向小公司投入了大量资金，现在不太确定，我和大公司交谈，他们告诉我需要1000亿，2000亿，5000亿，1万亿美元，星际之门是1万亿美元？非常非常难。我和萨姆·奥特曼是亲密的朋友，他认为需要大约3000亿美元，可能更多。我向他指出我计算了所需的能量，然后我完全披露，上周五去了白宫，并告诉他们我们需要与加拿大成为最好的朋友，因为加拿大有真正的好人，帮助发明了人工智能和大量的水电，因为作为一个国家我们没有足够的电力来做这件事。另一种选择是让阿拉伯人资助它。我个人喜欢阿拉伯人，我在那里度过了很多时间，但他们不会遵守我们的国家安全规则。加拿大和美国是，尝试融入的一部分，我们都在如此，这些千亿美元，3千亿美元的数据中心，电力开始成为稀缺资源。如果你遵循这个推理，为什么我讨论CUDA和Nvidia，如果3千亿美元都流向Nvidia，你知道股市会怎么做？这不是股票推荐，我不是持牌人，其中一部分是我们将需要更多芯片，英特尔从美国政府和AMD获得大量资金，他们正在尝试建造，如果你有任何一台Intel电脑，在你的计算设备中，垄断到此为止，这就是重点，尽管他们曾经垄断，现在Nvidia垄断，那些进入壁垒，像CUDA一样，是否有某种东西。所以我前几天和Percy交谈，Percy，他在TPU和Nvidia芯片之间切换，取决于他能获得什么，那是因为他没有选择，如果他有无限的钱，今天他会选择Nvidia的B200架构，因为它更快。我不是在建议，拥有竞争是很好的。我和AMD和Lisa Su谈了很久，他们建立了一个东西，可以将你描述的CUDA架构翻译成他们自己的，称为ROCm，它目前还不太起作用，它并不完全有效，他们正在处理。你在谷歌待了很久，他们发明了变压器架构，彼得，都是彼得的错。谢谢，给那边聪明的人，像彼得和杰夫，迪恩和所有人。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">但现在看起来他们似乎失去了对Open AI的主动权。甚至在最后一张排行榜上，我看到Anthropic Claude位居榜首。我问了桑达尔，他并没有给我一个明确的答案。也许你有更尖锐或更客观的解释，那边发生了什么。我已不再是谷歌员工，谷歌决定工作与生活平衡，早回家和在家工作比赢更重要。初创公司成功的原因是人们工作得非常努力。我很抱歉说得这么直白，但事实是，如果你们离开大学创办公司，你不会让人们在家工作，每周只来一天。如果你想与其他初创公司竞争，谷歌早期和微软就是这样做的。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">但现在在我的行业中，似乎有一个悠久的历史。我认为公司应该以真正创造性的方式获胜，并主导一个领域，而不是等待下一个转变。这有很好的记录。创始人很特别，需要负责，但也难以相处。我们可能不喜欢埃隆的个人行为，但他确实推动人们努力工作。看看他从人们那里得到了什么。我和他共进晚餐，那晚他飞行。我在蒙大拿，他晚上10点飞行，午夜与前任开会。想想看，我在台湾，不同国家，不同文化。他们说这是台积电，印象深刻。他们让刚毕业的博士生，这些优秀的物理学家，在工厂地下室工作。现在，你能想象让美国物理学家做那事吗？博士不太可能，不同的工作伦理。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">问题在这里，我如此严厉地谈论工作的原因是因为这些系统具有网络效应。时间很重要。在大多数业务中时间并不那么重要，你有大量时间。你知道可口可乐和百事可乐仍会存在，它们之间的竞争将继续进行。一切都很缓慢。当我处理电信公司时，典型的电信交易需要18个月才能签署。没有理由做任何事情需要18个月。完成它。我们处于最大增长时期，最大收益，也需要疯狂的想法，就像微软做的开放想法。我认为这是我听过的最愚蠢的想法。外包基本上是将你的AI领导权交给OpenAI和Sam及他的团队。我觉得这很疯狂。微软或其他任何地方都不会有人这样做。但今天他们正朝着成为最有价值公司迈进。他们无疑与苹果竞争。苹果没有好的AI解决方案，看起来他们成功了。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">在国家安全或双边利益方面，你认为将如何与中国竞争？仔细研究了这一点。你可以阅读，大约有752页。我将总结为，我们领先，需要保持领先。我们需要大量资金来实现。我们的客户是参议院和众议院。由此产生了芯片法案，以及其他类似的东西。一个粗略的场景是，如果你假设前沿模型继续推进和一些开源模型，很可能只有少数几家公司可以玩这个游戏。那些国家是？拥有大量资金和人才，强大的教育系统和赢得的意愿。美国是其中之一，中国是另一个。还有多少其他的？还有其他吗？我不知道，也许。但肯定在你的有生之年，美国和中国在知识霸权上的战斗将是主要战斗。因此，美国政府基本上禁止了英伟达的芯片，尽管他们不允许这么说，但他们实际上这么做了。进入中国，他们大约有10年的芯片。我们在亚分领域大约有10年的芯片优势。它是亚5下10年，大约10年。哇，所以你会拥有，</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">例如，今天我们在中国领先几年，我猜测我们将在中国领先几年，中国人对此非常愤怒，非常不高兴。这是一个大事件，是特朗普政府做出的决定，并由拜登政府证明。你认为今天的国会政府在听取你的建议吗？你认为它会做出那种规模的投入吗？显然，有芯片法案，但除此之外，建立一个庞大的AI系统是困难的。比如，我领导一个非正式、非法律小组，无组织团体，那不是非法的。确切来说，为了清楚，包括所有惯犯，过去一年中的惯犯，提出了推理的基础。拜登政府的AI法案，这是历史上最长的总统指令。你在谈论特殊竞争研究项目，不，这是总统办公室的实际法案。他们正在忙着实施细节，他们做对了。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">例如，去年我们一直在争论的问题是，如何检测系统中的危险，它已经学习了，但你不知道问什么。换句话说，这是一个核心问题，它学坏了，但它不能告诉你它学了什么，你不知道问什么。而且有这么多威胁，比如它学会了以某种新方式混合化学，但你不知道如何问它。所以人们正在努力解决这个问题，但我们最终在我们的备忘录中写道有一个阈值，我们任意命名为10的26次方浮点运算，技术上是一种计算测量，这是规则的一部分。欧盟只是为了确保它们在10的25次方不同，但所有这些区别都消失了。我认为所有这些区别都将消失，因为现在的技术被称为联邦训练，基本上你可以取片段和趋势并把它们组合在一起。我们可能无法让人们远离这些新事物，有传言称OpenAI不得不这样训练，部分原因是电力消耗，没有地方能。谈谈真实的战争，正在发生的事，我知道你参与很多，是的，乌克兰战争，特别是关于白鹳和你的目标：50万无人机，摧毁5百万美元的坦克。那么战争如何改变，并试图改变我们运营军队的方式，我不是军队的特别粉丝，但非常昂贵。我想看看能否有所帮助，在我看来，我主要失败了，他们给了我一枚勋章，所以他们必须给我失败或其他什么的勋章。但我的自我批评是，什么都没真正改变。美国的系统不会导致真正的创新。看俄国人用坦克摧毁老妇和儿童居住的公寓楼，简直让我疯狂。于是我决定与朋友塞巴斯蒂安·斯隆一起创业，斯坦福的一群人，基本想法是完成两件事，用AI为这些机器人战争赋能，其次，降低机器人成本。现在你坐在那里，你问，为何像我这样的自由派会做那事，陆军理论全是坦克，炮兵和迫击炮。我们可以消除它们，我们可以让入侵一个国家，至少从陆地上，基本上不可能。应该消除那种陆地战斗。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">这个问题是它是否给防御更多优势，进攻，你能行吗？你甚至这样，让我们区分一下。因为我去年一直在做这件事，我学到了很多关于战争的事情，我真的不想知道。关于战争要知道的一件事是进攻方总是有优势，因为你总能压倒防御系统。因此作为国家防御战略，你最好拥有强大火力，必要时可用。我和他人构建的系统将如此，因系统工作原理，现为持证军火商。我是计算机科学家、商人、军火商。抱歉，这是发展过程？我不知道，我不推荐你职业生涯这样。我坚持AI，因为法律运作方式，我们私下进行，然后这是合法的。在政府支持下直接进入乌克兰，他们战斗，且不深入细节，情况相当糟糕。我想如果五月或六月，如果俄罗斯人，在集结，正如他们预期对乌克兰，将失去大片领土，并开始失去整个国家。所以情况很严峻。如果认识玛乔丽·泰勒·格林，建议你删除她联系，因为她就是，一人阻碍。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">转哲学问题，去年与亨廷顿、亨特勒合著文章，知识本质及演变。曾讨论，昨晚也谈，历史上，人类对宇宙神秘理解，然后是科学革命和启蒙。你文章中认为这些模型变得如此复杂难以理解，我们实际上不知道里面发生了什么。引用理查德·费曼的话，“我不能创造的，我不理解”。看到了这句话，前几天，但现在人们创造他们不理解的东西。知识本质是否在改变？我们是否必须开始仅接受这些模型的说法，而无法让他们向我们解释？我给出的类比是青少年，如果你有一个青少年，你知道他们是人，但你无法完全理解他们在想什么。但社会已经设法适应青少年的存在，他们最终会长大成人。因此，我们可能会拥有无法完全理解的知识系统，但我们了解它们的边界，我们了解它们能做到的极限，这可能是我们能得到的最好结果。你认为我们会理解这些限制吗？我们会做得很好。我每周开会的小组共识是，最终你会通过所谓的对抗性AI来做这件事。将会有公司，你会雇佣并付钱给它们来破坏你的AI系统，就像红队，所以将是AI红队而不是人类红队。这就是他们今天所做的。你将会有整个公司和整个AI系统行业，他们的工作就是破坏现有的AI系统并找到它们的漏洞，特别是那些我们无法理解的它们拥有的知识。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">这听起来很有道理，这也是斯坦福的一个很好的项目。如果研究生能够弄清楚如何攻击这些大型模型，并理解它们的工作原理，这将是培养下一代人的伟大技能。所以我认为这两者会一起发展。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">让我们从学生中提一些问题。后面有一个，请说出你的名字。你提到了对抗性，这与你的评论有关，现在，我得到一个实际上做你想要的东西。你刚刚提到了对抗性，你能否更详细地阐述一下？这似乎是除了显然的人和更高效的模型之外，让他们做你想要的事情。在我的理解中，这是一个未解决的问题。你必须假设当前的幻觉问题会减少，随着技术的发展，我并不是说它会消失。然后你还必须假设有功效测试，所以必须有一种方法知道这些东西是否有效。在我给出的TikTok竞争对手的例子中，顺便说一句，我并不是在建议你非法窃取每个人的音乐。如果你是硅谷的创业者，你会怎么做？希望你们都会成为。如果它起飞了，然后你会雇佣一堆律师来清理烂摊子。对，但如果没人使用你的产品，你偷了所有内容并不重要。别引用我，对，你在镜头前，是的，没错。但你看懂我的观点，换句话说，硅谷将进行这些测试并清理烂摊子，通常就是这样做的。因此，我认为你将看到越来越多的表现系统，甚至更好的测试，最终对抗性测试。这种测试将保持在盒子里，技术术语称为思维链推理。人们相信在未来几年，你将能够生成一千步的思维链推理，像建造食谱一样，对，那些食谱你可以运行，你可以实际测试它产生了正确的结果。这就是系统的工作方式。是的，先生，我本来要用我的品牌带你走。你似乎对潜力很感兴趣，因为我好奇，你认为什么将推动发展？是更多的计算能力？是更多的数据？还是根本的、实际的转变？啊，是的，投入的资金令人难以置信。我选择基本上投资一切，因为我无法确定谁会赢。而且资金如此庞大，我认为其中一些是因为早期资金已经赚到了。那些不知道自己在做什么的人，必须有一个AI组件。现在一切都是AI投资，所以他们无法分辨。我定义AI为学习系统，真正学习的系统，我认为它是其中之一。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">第二，有非常先进的新算法，这些算法在某种程度上是后变换器。我长期合作的朋友发明了一种新的非变换器架构。我在巴黎资助的一个团队声称也做到了同样的事情。那里有巨大的创新，斯坦福也有很多东西。最后一点是市场相信智能的发明有无限回报。假设你向一家公司投入500亿美元，你必须从智能中赚很多钱才能偿还。我们可能会经历一场巨大的投资泡沫，然后它会自行解决。过去总是如此，这里很可能也是这样。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">你之前说领导们正在远离，这真的很问题大致如下：法国有一家公司叫Mistral，他们做得非常好。我显然是一名投资者。他们推出了第二版，他们的第三款可能会封闭，因为它太贵了，他们需要收入，不能免费提供模型。因此，我们行业中的开源与闭源之争很大。我的一切都是开源的，谷歌的很多基础也是开源的。尽管我所做的一切技术上是开源的，巨大的资本成本可能从根本上改变软件的构建方式。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">我正在谈论我对软件程序员的看法，软件程序员的生产力至少会翻一番。有三四家软件公司正在尝试这样做，我以精神投资了所有这些公司，他们都在努力提高软件程序员的生产力。我最近遇到的最有趣的一个公司叫增强。我总是想到一个单独的程序员，他们说那不是我们的目标。我们的目标是这些拥有数百万行代码的百人软件编程团队。无人知晓会发生什么，那真的很棒。AI将，他们赚钱，希望如此。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">很多问题，所以，最初提到上下文无扩展，代理和文本到行动影响巨大。首先，为何组合重要？其次，我知道你不是水晶球，不能确定未来，为何认为超出想象？我认为主要因为上下文窗口，当前模型需训练1年，大约6个月，还有18个月，6个月准备，6个月训练，6个月精细调整。因此它们总是过时的。联系窗口，你可以输入发生的事，比如你可以问它关于哈马斯以色列战争的问题。在非常强大的上下文中，它变得实时，像谷歌。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">在代理的情况下，我给你举个例子。我成立了一个基金会，正在资助一个非营利组织。它启动了一个项目。如果房间里有不了解化学的化学家，有一个工具叫Chem Crow Crw，这是一个基于LLM的系统，学习了化学。他们做的是运行它来生成关于蛋白质的化学假设，然后他们有个实验室，连夜做测试。它发现那是巨大的加速度，化学中的催化剂，材料科学等。所以这是一个代理模型。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">我认为文本到动作只需大量廉价程序员。我不认为我们了解发生了什么。这又是你的专业领域，当每个人都有自己的程序员时会发生什么。我不是说开关灯。你知道，我想举另一个例子。出于某种原因，你不喜欢谷歌，所以你说，给我建个谷歌竞争对手。是的，你个人，你不给我建谷歌竞争对手，搜索网页，构建用户界面，制作好文案，以有趣的方式添加生成式AI，30秒内完成并测试是否有效。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">很多人认为，这种攻击很脆弱。现在，我们将看到Slider上发送过来的问题。我想上传其中一些。我们去年稍微谈过这个问题。我们如何阻止AI影响公众舆论和错误信息，特别是在即将到来的选举中？从大多数错误信息来看，选举的短期和长期解决方案是什么？全球在社交媒体上，社交媒体公司组织不够严密来监管，以TikTok为例，有很多指控称TikTok偏爱一种错误信息胜过另一种。很多人声称没有证据。我知道中国人强迫他们这样做。我认为我们一团糟，这个国家将不得不学习批判性思维。这对美国可能是一个不可能的任务，但别人告诉你什么并不意味着它是真的。会不会太过分？另一方面，有些事情确实是真实的，但没有人再相信了。有些人称之为认识论危机。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">现在你知道，埃隆说没有，我从未做过，我证明过。让我们以唐纳德·特朗普为例。好的，看，我认为我们社会存在信任问题，因为我们将非常擅长它。当我管理YouTube时，YouTube上最大的问题是有人上传假视频，人们因此死亡。我们有禁止死亡的政策。震惊，我们只是继续，哦，试图解决这个问题非常可怕。是的，这是在生成AI之前。我没有好答案。技术不是答案，但似乎有一种方法可以减轻这种问题。我不懂为何更广泛使用公钥认证。当乔·拜登讲话，为何未数字签名，如SSL，或当你是知名流或公众人物，或其他不能，他们有公钥。是的，这是一种公钥形式。这是一种公钥形式，然后某种系统确定性地知道。当我发送信用卡给亚马逊时，我知道是亚马逊。所以我写了一篇论文并与乔纳森·海特发表，他是研究焦虑生成的人。这对我没有任何影响。他是一位很好的沟通者，我可能不是。所以，我的结论是系统没有组织去做你所说的。你有一篇支持我们做法的论文，支持你的提议。好的，我的麦克风。不，你所说的，是的，布雷特和我的结论是CEO们总体上在最大化营收。为了最大化营收，你最大化参与度。最大化参与度，最大化争议。算法选择争议，因为能产生更多收入。因此偏向疯狂内容。我不是在作党派声明，这是个问题。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">我对TikTok的解决方案，我们之前讨论过这个，私下里，我小时候有过，有一种叫平等时间规则的东西。因为TikTok并不是社交媒体，实际上是电视。有个程序员在为你制作数字。顺便说一句，每天90分钟，200个TikTok用户在美国每天的视频，很多。但做某种平衡是正确的，这是必须的。让我们再回答一些问题，两个问题，LMS的一个经济影响，更慢，像劳动力市场一样，更慢。你最初预计的是支票和短人。然后，你认为学术界值得，或者应该得到AI补贴，或者你认为他们应该只与外面的玩家合作？我真的很努力地推动大学建立数据中心。我会非常不高兴我不能和我的研究生一起构建算法，那种可以做博士研究的，而我被迫与这些合作。在我看来，公司在这方面并没有足够慷慨。我交谈过的成员，其中许多人你认识，花了很多时间等待谷歌云的信用。这很糟糕。这是一场爆炸。我们希望美国赢。我们希望美国大学，美国，你知道什么，有很多理由认为应该这样做。我正在努力。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">你第一个问题是劳动力市场影响。我会把这个问题留给真正的专家。作为埃里克教过的业余经济学家，我根本相信大学教育，高技能任务没问题，因为人们会与这些系统合作。我认为系统与其他技术并无不同。波浪，危险工作和需要很少人类判断的工作，我们会被取代。我们还有大约5分钟，所以让我们快速过一些，我会让你挑选，埃里克，是的，女士，你好，我对文本到动作及其对，例如，计算机科学教育，想知道您的看法，比如如何让计算机科学教育转型，以满足需求。我假设在本科阶段，计算机科学家群体将始终有一个程序员伙伴与他们一起。所以当你学习，学习你的第一个for循环等，你将有一个工具，那将是你自然的伙伴。然后教学将继续，教授，你知道他或她将谈论概念，但你会以这种方式参与。这是我的猜测。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">是的，女士，您刚才提到的非变压器架构让我很感兴趣。我记得我们谈论的是状态模型，但现在在我们的背景下，如果您更感兴趣的是您在这个领域看到的东西。嗯，我对数学的理解不够深入，但我很高兴我们能为数学家创造工作，因为这里的数学非常复杂。基本上，它们是不同的梯度下降方式和矩阵乘法，更快更好的乘法。正如你所知，变压器是一种系统化的同时乘法方式。这是一种思考方式。我是这样想的，类似于此，但不同的数学，比如说这里。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">是的，继续，是的，你提到你支持安全，你有中国、美国和水能力，下一次和现在的成本，其他美国盟友或铁托，你们这些盟友很好，好奇，你对那十个或中立的看法，是什么东西，他们有多可能保护我们的优先事项，什么会阻止他们想要得到最多。最有趣的国家是印度，因为顶尖的AI人才来自印度到美国。不是所有人，但其中一些。他们没有我们拥有的那种培训设施和项目。对我来说，印度是那个摇摆州。在这方面，中国已经输了，不会回来的。他们不会改变政权。日本和韩国显然在我们这边。台湾是一个神奇的国家，但软件很糟糕，所以不会很出色硬件。在世界上其他地方没有太多其他好的选择。欧洲因为布鲁塞尔搞砸了。这不是一个新事实。我花了十年时间与他们战斗。我真的很努力让他们修复欧盟法案。他们仍然有所有限制，使得在欧洲做我们这类研究非常困难。我的法国朋友把所有时间都花在对抗布鲁塞尔和马龙上。他是我的朋友，正在努力争取。所以法国，我认为有机会。我看不到德国会来。其余的还不够大。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">女士，我知道你受过工程师培训。我父亲，编译器，基于你设想的模型能力，那些拥有，是否还应学习编码。是的，因为最终是老问题。为何学习英语，若能说英语，你会更擅长。对，确实需要理解系统如何工作。我强烈感觉，是的，先生是的，我好奇，是否探索过分布式设置。我在问，因为当然构建大型集群困难，但MacBooks很强大，世界遍布许多小机器。所以类似在家折叠，或类似想法适用于训练吗。是的，我们已深入研究，算法工作方式是，你有一个非常大的矩阵，本质上是一个乘法函数来回思考，来回。这些系统完全受限于内存到CPU或GPU的速度。实际上，下一代英伟达芯片已将所有功能集成到一个芯片中。芯片现在如此之大以至于将它们全部粘合在一起。事实上包装非常敏感以至于包装在洁净室中完成，以及芯片本身。答案看起来像超级计算机和光速，特别是内存互连真正占主导。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">所以我认为短期内不太可能，杰夫去年在这里讲话时，谈到了分别训练这些不同部分，然后稍微联合它们。你知道，为了做到这一点，你需要一千万这样的东西，然后你的提问方式会太慢。他谈到八或十，是的，嗯，是的，是的，水平不及他，是的，我看到后面，是的，很久以前，我知道你喜欢，你获释后，纽约时报将开放用于训练他们的作品。你认为那将走向何方？那对我过去做很多音乐、许可事宜，在60年代，有一系列诉讼导致了一项协议，当你歌曲被播放时，你将获得规定版税，即使他们甚至不知道你是谁，也会存入银行。我猜也会一样，会有很多诉讼，将会有某种规定协议，将只是说您必须支付X%的收入，以使用，ASCAP BMI，ASCAP BMI，查找它们，很长，对您来说似乎很古老，但我想那就是，最终，是的，先生是的，看起来有几个玩家主导，AI对，他们将继续主导，嗯，他们似乎与大型公司重叠，所有反垄断监管都关注的，您如何看待这两个趋势，有点像，这将如何影响，是的，因此在我的职业生涯中，我帮助微软被拆分，它没有被拆分，我努力争取谷歌不被拆分，它没有被拆分，所以对我来说，趋势显然是不被拆分，只要公司避免成为，约翰·D·洛克菲勒，老，我研究了这一点，高级，查一下，这就是反垄断法来的，我认为政府不会行动，你看到大公司主导的原因，是谁有资本建造这些数据中心。我朋友里德和穆斯丁下周来，两周后重排，有里德，谈谈他们决定采取转折点，并将其拆分为微软，基本上他们决定无法筹集，你之前提到的数十亿美元，公众的资金，我们也许可以说，我知道你得走，我想要，我不怪你，但我想留下，那么我们该做什么？我还有另一个问题问你，再来一个，好的，请继续，非常感谢，我做到了。我想知道这一切将把，不参与前沿模型开发和计算资源的国家留在哪里？例如，富人越富，穷人尽力而为，他们能，他们将不得不，事实是，这是富国的游戏，对，巨额资本，大量技术强人，强有力的政府支持，有两个例子，还有很多其他国家有各种问题，他们没有这些资源，他们将不得不寻找合作伙伴，他们将不得不加入别人，诸如此类。我想留下，因为我认为上次我们见面时，你在agi house的黑客马拉松，我知道你花了很多时间帮助像年轻人，当他们创造大量财富，你非常热情地谈到想要这样做。你有什么建议给这里的人，他们在构建他们的，他们为这门课或政策提案或研究提案编写商业计划，你知道在这个职业阶段和未来，嗯，我在商学院教授这门课，所以你应该来上我的课，我被你们快速构建新想法的演示所打动。所以在一个黑客马拉松中，我是获胜团队，命令是让无人机在两座塔之间飞行，它被给予了一个虚拟无人机空间，它想出了如何让无人机飞行，理解&#39;之间&#39;这个词用Python生成代码并在模拟器中让无人机穿过塔。我认为这需要一周或两周，你知道，优秀的专业程序员才能做到这一点，嗯，我告诉你快速原型制作的能力，真的，你知道，企业家面临的问题是事情发生得更快，如果你不能使用这些工具在一天内构建原型，你需要考虑一下，因为那是你的竞争对手正在做的。我想我最大的建议是当你开始考虑公司时，写一份商业计划是可以的，事实上你应该让计算机为你编写商业计划，只要你明白，我们应该在你离开这里之后讨论那个，并且但是我认为快速原型制作你的想法，使用这些工具非常重要，因为你肯定有另一个人在另一家公司做同样的事情，在另一所大学，在一个你从未去过的地方。谢谢你们，我要赶紧走了，谢谢，谢谢，谢谢，谢谢，实际上让我回到最后一点，因为我认为我在第一堂课中没有谈论使用大型语言模型，这是，欢迎在这门课中使用它们用于作业，但必须披露，所以当你使用它们时，无论是用于每周作业还是最终项目，或其他，就像你会，如果你问友善叔叔，或同学，或别人给你建议，你应该那样做，或你有笔记包含在内。所以我想做的是，我想谈谈，AI是GPT，对企业意味着什么，但在那之前，我只想看看，如有问题，请针对埃里克提到的事，你，你，我会试着传达他的想法，我们可以讨论出现的事，然后我们可以，我们可以继续，好的，请讲。我想问的一个问题是关于监管，若目标是保持优势，如何创造合适激励，使所有人，盟友和非盟友受鼓舞，遵循，你的意思是，在相互竞争的公司间，在国家间，作为欧盟的你，不会变成阻碍或摆设，某种发展。所以跟随选择正确的，这超级棘手，它是，你知道，玛丽·尼尔巴夫写了一本关于这个的书，因为肯定有监管可以帮助公司和行业生存的地方，所以监管并不一定减慢，我的意思是标准是一个好例子，或者，澄清这一点可以使公司更容易竞争，与这些公司高管谈过，有些地方他们希望，曾有指挥官，有时也有恶性竞争，一些危险的事，谷歌的人说没行动快的原因之一，是觉得这些模型可能，被滥用或危险，你知道，被误用或危险，但他们的手被迫，有时我和一些人交谈，另一家大公司说，我们本不想发布这个功能，但现在竞争对手在做，我们也得发布，这就是监管，可能对协调监管有兴趣，但显然更重要的是，它被用来阻碍竞争，很多人，例如，认为一些大公司反对开源的原因，让事情更广泛地开源，他们想减缓竞争对手，所以这两方面都在进行，是的，那边有个快速问题，好的，我想跟进一下我关于，你知道，我们是否仍需学习编码，我们是否仍需学习英语我想用他们和埃里克的部分来说是的，像大学教育，高技能工作或任务仍在同一水平，但我们的形象中可能不是所有其他东西，这有点像一个很好的，我认为我们可以谈谈，也许我们几分钟后再谈，但是，思考人工智能系统如何只是取代人们正在做的事情，而不是与他们互补和编码，目前看来它们对最好的程序员并不真正有帮助，它们对中等水平的程序员非常有用，但如果你对编码一无所知，它们也没有帮助，所以它是一个倒U形，你可以看到为什么会这样，如果你甚至不知道，他们生成的代码现在经常有错误，或者并不完全正确，所以如果你甚至不能解释和理解正在发生的事情，你不能有效地使用它，现在最好的程序员，似乎生成的代码，还没有达到那个水平，所以你得到那个U形，但这意味着如果你对编码一无所知，你需要有一些才能有用，我认为这对许多应用都适用，现在你需要一些基本理解才能充分利用它，我认为这是一个有趣的开放性问题，如果这种情况总是存在，上节课我简单提了一下，这个，一张从0到5级自动驾驶汽车的幻灯片，我们现在可以谈论的一件事是，当你试图理清时，如果你把这种范式应用于经济中的所有任务，它们会经历多少级，以自动驾驶汽车为例，我们实际上并没有达到5级，虽然我不知道有多少人写过Waymo，我是说Waymo的一辆车，那辆看起来很好，尽管Sebastian Thrun，我和他一起坐过车，他说这非常昂贵，现在他们可能每跑一英里就损失50到100美元他不知道他不在那里，他启动了该计划，但他不再在那里，但仅仅是运行它的所有成本，不实际，也许它会下降，激光雷达会变得更便宜，等等，嗯但我们有很多2级自动驾驶汽车，3级甚至4级，可以说人类仍然参与其中。你看到许多其他任务，如编码，我刚刚谈过那个。另一方面，国际象棋，我之前提到的幻灯片有时被称为高级国际象棋，或自由式国际象棋，当加里·卡斯帕罗夫，在1997年输给深蓝后，他开始了这个，一系列人类和机器可以合作的比赛，很长一段时间，当我做TED演讲时，这在2012年或2013年的TED演讲中是真的，那时是真的，一个人与机器合作可以击败深蓝，或任何国际象棋计算机。因此，最好的，国际象棋玩得最好的实体是这些组合，现在不再是这样了，Alpha Zero和其他，你知道的程序，他们会从人类贡献中，他们不会得到任何东西，就像对棋机有点烦，就这样通过了，你知道，零级，不是你知道，机器无法通过合作期做任何事情，到一个完全自主的时期，你知道，在，我不知道，2020年左右。如果有人想从事研究项目会很有趣，或者你们现在有任何想法，经济中哪些任务将处于中间地带的标准是什么，因为中间地带对我们来说是一个很好的地方，人类，你知道，机器在帮助我们，但人类在创造价值方面仍然是不可或缺的，那将是一个你可以拥有更高生产力更多财富和表现的地方，但也更有可能实现共同繁荣，因为劳动力本质上分布广泛，而技术和资本，正如埃里克刚才所说，可能非常集中。你有什么想法吗？</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">我只是想问一个相关的问题，他说我们有一个十年的芯片制造计划，我对此感到惊讶。是的，我认为有趣的是，作为一个劳动经济学家，这真是一个绿灯。我在文献中看到并知道，我们正在展示所有这些芯片制造，这不会创造某种蓝领工作的复兴吗？你对智能机器人模型或人类劳动有什么看法？我认为这不会太多。你们去过晶圆厂吗？任何人？你们中有几个人去过？晶圆厂里有多少工人？为什么她有一些CD？你进去，所以我不知道。是的，我的意思是，好吧，好吧，所以答案是零。为什么他们会让你们进去？因为我们人类太笨拙肮脏，你知道，我们不能。这全是机器的，密封在里面。所以需要有人工作，给他们带东西，如果机器人倒下或出故障，他们必须穿上。你可能见过那种像太空服，他们必须进去，然后可能调整一下，然后再出来，希望没弄坏。基本上就是熄灯。我不认为，需要更复杂劳动的工作很多。但我不认为像蓝领工作会复兴。实际上，苹果将MacBook生产转移到德州的原因，不是因为德州劳动力便宜，而是因为他们实际上不再需要大量劳动力。所以劳动密集型企业，美国制造业在产量上正在激增，但在就业方面，并没有真正增长多少。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">下一间房有代理或文本动作模型的拐点，是的，他说的话，埃里克，我听到类似的事情。他描述那三个趋势的方式很好，我分别听说过它们，但我觉得把它们放在一起很好。今天早上，我曾和安德鲁·英交谈，他一直在强调代理人的重要性，特别是2024年的趋势。安德鲁描述得很巧妙，如果你有一个LLM，写篇文章，一次过写文章，相当不错。想象你得这样做，无退格，不，你知道，无机会告知，不做提纲。首先，你只是大致浏览一下。代理商现在会说，首先写个提纲，这是写论文的第一步，然后填充每个段落，然后回去看看流程是否正确，检查一下，声音就是这样，观众的水平。然后逐渐迭代，你可以写一篇更好的文章或完成任何任务。这是真正的革命。如果你那样做，上下文也很重要。引用我认识的名人，埃里克·霍维茨，他有一个很好的分类。人们询问微调，他说有三种方法可以使模型更定制化。一是微调，基本上就是训练它。另一种是使用更大的上下文窗口。第三种是使用RAG等技术，这是检索增强生成，它会访问外部数据。这些上下文窗口似乎非常有效。正如埃里克所说，我们认为这很难，但不知何故我们能制作更大的。现在你可以加载一整本书，我们所有的书，各种信息，这样你就可以拥有所有的上下文。所以这是一个很大的变革。为什么它开启了我们以前没有的能力，包括让事情更加实时。正如埃里克所说，你想跟进吗？我觉得问题已经用完了。是时间、数据和资本吗？那是一个好问题。当然有更多的资本投入，但这就引出了问题和评论，为什么所有这些资本都流向那里而不是其他地方？如果你看看历史的发展，有时看起来有点平滑，但如果你看得更仔细，有很多跳跃，有一些重大的发明和小发明。安德烈·卡帕西说他在玩物理学，为了在物理学上真正取得进步，要成为一个顶尖的物理学家，你必须非常聪明学习很多，也许如果你幸运，你可以做出一些小的增量贡献。有些人做到了。但他表示，在AI机器学习中，我们似乎处于一个充满机会的时代，已经取得了一些突破，而不是耗尽空间，像采摘树上的所有食物，更像组合学，谈论构建模块的第二台机器。当你把两个构建模块或乐高块放在一起时，你可以制造更多。我们似乎处于一个充满机会的时代。人们正在认识到这一点并发现，一项发现催生另一项发现，催生更多机会，因此，它吸引了投资，越来越多的人参与进来。在经济学中，有时当你投入更多资源时，你会得到递减的回报，比如在农业或采矿业。其他地方，有递增的回报，更多工程师来到硅谷，使现有工程师更有价值，而不是更少。所以我们似乎处于这样一个时代，额外投资的飞轮，额外的培训资金，所有这些都使他们越来越强大。我不知道这还会持续多久，但似乎有些技术，它们已经进入了一个非常肥沃的时期，正反馈最终有所帮助。我们正处于这样一个时代，接受培训并进入这个领域的人正在做出贡献，比他们可能在其他领域更快。鼓励你们所有人，我认为你们现在正在做正确的事情。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">让我们再回答几个问题。好的，这边怎么样？并非所有人都能坐在一起讨论AI。我想听听你对AI的看法，非技术人员读写能力，某人，是的，做出判断的公众，音乐技术，如何解释技术基础与讨论抽象影响。别搞错正确答案。这是个难题，最近形势大变，国会议员等越来越多人关注这个话题。过去他们不感兴趣，现在大家都在努力理解。我认为有很多地方可以作贡献，他们能在技术方面做出贡献，但若有任何意义。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">我认为商业和经济方面是目前更大的瓶颈。即使你在技术方面做出了巨大贡献，仍存在将其转化为政策改变的鸿沟。如果你对政治科学或政治感兴趣，这些是完全未被理解的领域。我不认为计算机科学家是理解这些的合适人选，但需要对技术有一定了解，这样你才知道可能出现什么，然后思考动态。就像亨利·基辛格在书中与埃里克·施密特所做的那样，如果你是经济学家，思考劳动力市场的影响、集中的影响、不平等的影响、生产力的影响和生产力的驱动力，这些是当前非常成熟的话题。你可以通过许多不同的领域，足够理解技术的潜力，但思考其影响。我认为最大的收益是——让我给你举个具体例子，这是我要讲的。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">上周讨论过的事，电也是通用技术。通用技术本身可能并不重要，但其真正的力量在于它们提供互补创新。它们引发互补创新，比如电灯泡、电脑和电动机。电动机给你压缩机、冰箱和空调，这些创新引发了一系列额外的创新，大部分价值来自这些互补创新。一些最重要的互补创新是组织和人力资本互补。用电时，当他们首次将电引入工厂时，斯坦福的保罗·戴维斯研究了那些工厂发生了什么。令人惊讶的是，那些开始电气化的工厂并不比之前由蒸汽机驱动的工厂更高效。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">他发现，以前的工厂由蒸汽机驱动，通常有一个大蒸汽机在中间，然后用曲轴和滑轮驱动所有设备。引入电后，他们会拉出蒸汽机，然后找到最大的电动机放在蒸汽机曾经所在的地方并启动它，但这并没有真正改变生产。然后他们开始从零建造全新的工厂，但仍采用相同的模型。生产力没有大提升，大约30年后才看到根本不同的工厂，不再有中央动力源，而是分布式动力。因为电动机可以做大、中、小，可以用不同方式连接，所以每件设备都有一个单独的电动机，而不是一个大型电机。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">当他们开始这样做时，工厂布局就不同了，通常是一层楼，机器基于物料流动而不是需要多少动力。开始有了装配线系统，导致生产力大幅提升，在某些情况下，生产力翻了一倍或三倍。教训不是电是潮流或失败，而是电是一项根本有价值的技术，直到他们有了工艺创新和组织创新重新思考如何生产，才得到巨大回报。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">我只讲了一个故事，还有很多类似的故事。蒸汽机和其他类似技术，人们花了数十年才意识到这项技术可以让你做与过去完全不同的事情，并出现新的商业模式和经济组织方式。目前人们主要在修修补补，我可以再列举一整套技能变化，它们是互补的，需要创意才能想到。这就是早期计算机的情况，这实际上需要10倍多的组织资本和人力资本投资。如果你看硬件和软件的投资规模，那非常大。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">尽管如此，我愿意稍微调整我的想法，因为ChatGPT和其他工具已经被迅速采用，并且能够更快地改变事情。部分原因是你不必像学习Python那样学习，可以用英语做很多事情，或者只需放在现有组织之上，就能获得很多价值。有些进展更快，在一些论文中，我们看到生产力迅速提升15%到30%。但我的猜测是，一旦人们弄清楚这些互补创新，提升会更大。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">所以这是回答你问题的长方式，不仅仅是技术技能，还要解决所有重新思考事情的方式。在商学院或经济学专业，你们有很多机会重新思考你们的领域，现在有了这套惊人的技术。是的，问题是，似乎你对变革速度更谨慎，我讲得对吗？</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">是的，我会区分两件事。一些人对技术非常乐观，也有人不那么乐观。仅技术不足以提高生产力，你可能有惊人的技术，但出于各种原因，可能人们没找到有效使用方法，也可能是监管问题。我的一些计算机科学同事开发了更好的放射学系统来读医学图像，但未被采用，因文化和安全原因。当我分析AI能帮助最多的任务和受影响最大的职业时，飞行员竟然接近顶部。但很多人不会舒服没有飞行员陪你，所以你想有人在里面。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">有很多不同的事情可能会大大减缓技术的应用。我认为我们需要注意这点。如果我们能解决瓶颈，这可能会比仅关注技术本身更有助于提高生产力。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">是的，问题：埃里克对大学数据中心有有趣评论。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">我认为这接近于更大的观点，比如，我得看着你写张支票。人们正在问那个问题，有点像，大学生态系统的作用是什么？是的，显然有更大的。我相信这里的所有计算机专业人士，那么我会选择。我认为这会很棒，如果有更多的资金。联邦政府有一个叫做国家人工智能资源的东西，这有点帮助，但那是几百万美元，数千万美元，不是数十亿美元，更不用说数千亿美元。虽然埃里克在课前告诉我，他们正在研究一些可能更大的东西，或者他正在推动一些更大的东西，我不知道是否会实现。这是训练用的这些真正的大型模型。我和杰夫·辛顿有过一次非常有趣的对话。杰夫·辛顿，如你所知，是深度学习领域的教父之一。我问过他，哪种硬件对于他的工作最有用。他坐在笔记本电脑前，轻轻拍了拍他的MacBook。这让我想起，可能大学有一个竞争优势，不是训练百亿美元的模型，而是创新新的算法，比如，无论继Transformer之后出现什么，还有很多其他方式可以让人们做出贡献。所以可能存在某种分工。我完全支持和鼓励我的同事要求更多的预算用于GPU，但学术界并不总是能做出最大的贡献，其中一些来自想法和新方法。不同的思考方式，新的方法，这可能是我们的优势。上周我和塞纳南共进晚餐，他从芝加哥搬到麻省理工学院，是一名研究员。我们正在讨论大学的比较优势。他提出了一个观点，耐心是一个因素。大学里有研究人员，正在从事非常长期的项目。有人在研究聚变，他们一直在研究聚变已经有一段时间了，并不是因为他们今年或十年后会得到很多钱，甚至二十年后，可能从建造一座聚变工厂开始。我不知道聚变需要多长时间，但人们愿意从事这样的工作，即使时间线更长，公司很难负担得起这样的时间线。所以在大学可能能够做的事情上，存在比较优势或分工。我们只剩下几分钟了，这很有趣，所以我们将只回答一两个问题。我想稍微谈谈项目，我们只有几分钟了，是的，好的，是的，我进来了，我在想一个应急能力。是的，似乎埃里克更倾向于设计更好的模型的架构差异。相比上次课，我们谈论了更多的法律。我还记得很清楚，他说，总共三个，所以你们记得扩展律，它有大约三部分。我认为我听Eric说，它们都很重要，但不要忽视，最后一个是新型建筑。我认为它们都很重要。所以我想那里有个问题，尽管我也在想我们离AI时代有多近，有了这些大型语言模型。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">埃里克不认为我们离AGI系统那么近，虽然我认为这不是一个明确的定义。我打算问他那个问题，但我们时间不够了。听他描述就好了，但我和他谈话时，它并不那么明确。在某些方面，AGI已经来了。Peter Norvig写了一篇关于AGI的文章，我想如果不是，我应该把它放进去。这是一篇有趣的小文章。</span></section><section style="line-height: 1.6em;text-align: justify;margin: 0px 0px 24px;text-indent: 0em;"><span style="font-size: 17px;letter-spacing: 0.578px;text-decoration: none;">布莱斯与拱顶，加里，拱顶，二十年前人们知道的一些事，人们会说这就是AGI，这大概就是LMS在做的事，但没那么好，或许，但更广泛地解决问题。另一方面，显然，他们做得很差的事比人类多。目前，讽刺的是，物理任务是人类目前相对优势之一。你们中有些人可能知道莫拉维克悖论。汉斯·莫拉维克指出，通常，一个三岁或四岁孩子能做的事，比如扣衬衫或上楼，机器很难做到，而许多博士难以做到的事情，比如解决凸优化问题，机器往往很擅长。所以，并不完全是对人类容易对计算机难的事，和对人类难对计算机容易的事，它们不在同一尺度上。</span></section><p><br /></p><p style="display: none;"><mp-style-type data-value="3"></mp-style-type></p>