We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
From Job Displacement to AI Trainers, Brendan Foody on Work in the AI Age
2025/4/10
No Priors: Artificial Intelligence | Technology | Startups
B
Brendan Foody
Brendan Foody: 我是Mercor的联合创始人兼CEO，我们利用大型语言模型(LLM)自动化招聘流程，比人工更有效地预测求职者在工作中的表现。我们的模型可以评估任何具有经济价值的技能，应用范围广泛，从咨询到软件工程，甚至包括爱好和视频游戏等领域。我们最初的业务与人力数据无关，但后来发现AI模型可以用于招聘各种职位的人才，包括为AI模型训练提供数据的人才。我们相信，未来所有招聘都将转向AI系统，AI模型在人才评估方面已经优于人工招聘经理。AI模型能够识别出各行各业中表现突出的“10倍人才”，这对于客户价值和公司长期经济效益至关重要。不同行业人才能力分布不同，有的行业呈幂律分布，有的则更接近正态分布。AI模型擅长处理可通过文本衡量的任何事情，但在处理多模态信号和评估人才的热情等方面仍有提升空间。AI模型在处理高容量流程方面表现出色，能够有效利用网上信息识别人才，并识别出一些隐藏的信号。评估人才的内在动力和热情非常重要。我们也在评估模型本身相对于人类的表现。许多工作岗位将很快被AI取代，这将带来严重的社会问题，我们需要解决AI取代人类工作后如何重新分配财富的问题。被AI取代的人可能会转向体力劳动或一些利基技能领域。为了保持经济价值，人们应该培养适应性和快速学习能力。AI模型学习速度最快的领域是那些可验证的领域，例如数学或代码，而对于不可验证的领域，例如对创始人的品味判断，AI模型的学习速度会慢一些。AI模型将能够通过各种方式验证信息，这将因行业而异。我总体上相信知识的迁移性，但新的领域仍然需要一定的数据来启动学习过程。评估AI模型的关键在于评估其经济价值，而不是仅仅依靠零样本测试或学术测试。创建AI模型的评估标准是自动化大多数知识工作的最大障碍。创建AI模型评估标准应该从相对同质的任务开始，例如客户支持。为那些多样化的任务创建评估标准将更具挑战性，但也更有价值。我不建议强迫孩子学习计算机科学，而更应该鼓励他们培养批判性思维和解决问题的能力。培养孩子对某一领域的热情和批判性思维比学习具体的编程技能更重要。AI模型可以识别出人才的“品味”，即他们对问题的思考方式和对细微差别的感知能力。在人才评估中，应该尽可能直接衡量目标，而不是依赖于代理指标。未来将有大量的人从事数据收集工作，数据收集工作的重要性在于创建AI模型的评估标准。数据收集工作的持续时间取决于AI模型达到超智能的快慢。除非AI模型达到超智能水平，否则人类仍然需要参与创建评估标准。知识工作可以分为解决最终任务和创建评估标准两种类型。从经济角度来看，知识工作将从重复性任务转向创建评估标准。AI模型达到超智能的快慢将决定人类创建评估标准的需求。AI模型将参与创建评估标准，但仍然需要人类专家进行验证。AI模型能够区分有价值的人类知识和无价值的人类知识。在AI模型达到超智能之前，仍然需要大量的评估标准来支持其在各个领域的应用。为高级人才创建评估标准的激励机制需要考虑其机会成本。随着技能水平的提高，高技能人才的评估标准将变得更加重要。AI模型应该能够识别出那些最难被自动化取代的任务。AI模型将能够识别出人类在经济中所扮演的角色。人们低估了AI对就业的冲击速度。客户支持和招聘等领域已经出现大规模的失业现象。人们低估了AI模型在非可验证领域创建评估标准的重要性。人们低估了人类在未来经济中的作用。许多行业已经存在某种形式的普遍基本收入（UBI）。我们需要考虑如何在AI时代重新分配经济盈余。随着AI人才评估技术的进步，企业可能会进行更多裁员。AI人才评估技术可能会面临法律挑战。AI人才评估技术在经济上是不可避免的，尽管可能会面临阻力。受监管行业与非受监管行业对AI人才评估技术的接受程度不同。受监管行业缺乏经济压力，导致其对AI人才评估技术的接受程度较低。AI模型未来可能更擅长担任管理者角色。AI模型未来可以帮助人们更好地组织和管理工作。目前的AI模型擅长解决数学问题，但在处理一些基本的个人助理工作方面仍有不足。AI模型具备构建代理系统的潜力，但仍需要进一步的工程工作。AI模型需要学习如何在不同情况下使用工具和合成信息。强化学习微调（RFT）是一种高效的模型定制方法。强化学习微调（RFT）比监督式微调更有效率。
Sarah
Elad
Deep Dive
Shownotes Transcript