Deep Dive
Shownotes Transcript
在一个快速发展的世界中，我们需要平衡对人工智能及其在工作场所中作用的恐惧，以及其推动生产力增长的潜力。在本期IBM Smart Talks特别直播节目中，马尔科姆·格拉德威尔在纽约科技周期间与IBM软件高级副总裁兼首席商务官罗布·托马斯同台讨论了“生产力悖论”，开源人工智能的重要性，以及人工智能将触及每个行业的未来。观看视频播客：https://www.youtube.com/watch?v=iaisOHeJLC4 这是IBM的付费广告。本播客中的对话并不一定代表IBM的立场、战略或观点。访问我们：https://www.ibm.com/think/podcasts/smart-talks 查看omnystudio.com/listener了解隐私信息。</context> <raw_text>0 欢迎，欢迎，欢迎收听IBM Smart Talks播客。大家好，欢迎收听IBM Smart Talks播客，这是Pushkin Industries、iHeartRadio和IBM联合推出的播客。我是马尔科姆·格拉德威尔。在本季节目中，我们将深入探讨人工智能的世界，重点关注强大的开放式概念、其可能性、影响和误解。
我们将从多个角度审视开放性，并探讨这一概念如何重塑行业、商业模式以及我们对可能性的认知。在本季的第一集中，我们将为您带来一场特别的对话。我最近与罗布·托马斯进行了交谈。罗布是IBM的软件高级副总裁兼首席商务官。作为纽约科技周的一部分，我在现场观众面前与他进行了交谈。
我们讨论了企业如何在负责任和合乎道德的方式下实施人工智能，同时利用其巨大的生产力优势。我们还深入探讨了罗布关于人工智能的一个引人入胜的概念，即所谓的生产力悖论。好了，让我们开始对话吧。谢谢。
我们还好吗？很好。罗布，这是我们第二次见面了。我们在疫情期间做过一次这样的节目，但一切都模糊不清了，我们俩都记不清那是什么时候了。我知道。很难。那些就像模糊的几年。你不知道发生了什么，对吧？很高兴再次见到你。我想从回顾开始。你在IBM工作了20年。
是吗？7月份是25年，信不信由你。所以你加入的时候还是个孩子。我那时才四岁。所以我想对比一下现在的罗布和25年前的罗布。当你加入IBM时，你认为你的工作是什么，你的职业生涯将会是什么样的？你认为你会解决什么样的问题？这有点超现实，因为我是在咨询部门加入IBM的，我刚从学校毕业
你很快就会意识到，等等，咨询顾问的工作是告诉其他公司该做什么。我想，我什么都不知道。所以你必须立刻弄清楚，那么，鉴于我完全不知道该如何建议其他公司应该做什么，我该如何变得有价值呢？我记得很清楚，我们当时坐在一个房间里。当你是顾问时，你是在等待其他人为你找到工作。我们一群人坐在一个房间里，有人走进来，说我们需要一个懂Visio的人。有人懂Visio吗？
我从未听说过Visio。我不知道房间里是否有人听说过。所以每个人都像低头看着自己的鞋子一样。最后我说，我知道。我举起了手。他们说，太好了。我们下周有一个项目给你。所以我想，好吧。我有三天的时间来弄清楚Visio是什么。我希望我能够弄清楚如何使用它。幸运的是，它不像编程语言。我的意思是，它基本上是一个拖放程序。
功能。所以我真的离开了办公室，去了书店，买了能找到的三本关于Visio的书，整个周末都在看书，然后出现并开始工作。所以这是一个有点冒险的举动，但我认为这有点……你会警告其他人不要这样做。但是，如果你不冒险，你永远不会成功。所以在某种程度上，每个人都在一直编造一切。
就像，你能比其他人学得更快，这几乎是生活中每个方面的区别。所以这不是计划好的，这是一个意外，但这迫使我意识到你必须自己想办法解决问题。你知道，我们在这里讨论人工智能，我对人工智能的演变感到好奇。
你对人工智能的理解或IBM对人工智能的理解。在过去的25年中，你从什么时候开始认为，哦，这将真正成为我们在这个公司思考和工作的核心？——计算机科学家约翰·麦卡锡，他被认为是创造了人工智能这个词的人。那是在50年代。他发表了一条有趣的评论。他说，一旦它起作用，它就不再被称为人工智能了。——嗯哼。
然后它就变成了，它被称为人工智能效应，也就是说，它看起来非常困难，非常神秘，但一旦它变得司空见惯，它就不再是它了。所以如果你用这个框架来看待它，我认为我们在某种程度上一直在做人工智能。我的意思是，我甚至可以追溯到1999年我加入IBM的时候。那时，人们正在研究基于规则的引擎、分析，所有这些都在发生。
这完全取决于你如何定义这个术语。你可以说，统计学、概率的元素，它不完全是人工智能，但它肯定有助于人工智能。所以我觉得我们一直在
研究如何提供更好的见解、更好的自动化，自从IBM成立以来就是这样。如果你读到托马斯·沃森二世所做的事情，那都是关于自动化任务的。是的。那是人工智能吗？嗯，可能肯定不是按照今天的定义，但它在同一个邮政编码区域。所以从你的角度来看，它感觉更像是一种进化而不是一场革命。这是一个公平的陈述吗？是的。是的。我认为大多数伟大的技术都是
往往会这样发生。许多革命，如果你愿意的话，往往会失败。但即使是这样，我想问的是，我对在进化过程中你是否曾有过需要重新调整你对人工智能能力的期望的时刻感到好奇。我的意思是，是否有任何特别的创新或解决的特定问题让你认为，哦，这与我之前想象的不同？
我会说那些引起我们注意的时刻，当然卡斯帕罗夫赢得了国际象棋锦标赛，没有人，或者深蓝击败卡斯帕罗夫，我应该这么说。在那之前，没有人真的认为这是可能的。然后是沃森赢得了危险边缘。这些时刻表明，也许这里比我们想象的还要多。所以我认为确实有一些时刻，我们意识到也许
可以做的比我们想象的还要多。但我认为这是每月的、每年的持续进步，而不是某个开创性的时刻。现在，最近的大型语言模型确实引起了所有人的注意，因为它具有直接的消费者应用。但我几乎认为这就像网景浏览器之于网络浏览器一样。是的。它把互联网带给了每个人。
但这并没有成为互联网本身。是的。我有一个在IBM工作了41年的表哥。这个周末我见到了他。他在多伦多。顺便说一句，我说，你为罗布·托马斯工作吗？他这样做了。他说……他说，我在五层之下。所以每当我看到我的表哥时，我都会问他，你能再告诉我你做什么吗？因为这总是在变化。我想这是在IBM工作的功能。是的。
所以最终他放弃了，说，你知道，我们只是在解决问题。这就是我们所做的。我非常喜欢这种框架。我很好奇，你曾经做过最酷的问题是什么？不是最大的，也不是最重要的，而是最酷的。那个让你回想起它时会微笑的。可能是在我从事微电子学的时候，因为那是一个我从未接触过的世界。我没有学习计算机科学。我们正在构建许多
高性能半导体技术。所以只是芯片，它们在处理某些东西方面做得非常好。我们发现，一个消费游戏市场正在开始出现。我们达到了这样的程度，我们成为了任天堂Wii、微软Xbox、索尼PlayStation内部的芯片。所以我们基本上让整个游戏市场都在运行IBM芯片。
所以每个家长基本上都在指着你说，你就是罪魁祸首。可能吧。好吧，他们会从任何人那里找到它。但这是我第一次能够向我当时还很小的孩子们解释我的工作，就像我所做的事情一样。对他们来说，这比说我们解决问题或构建解决方案更具体。它对他们来说变得非常具体。我认为这是……
你知道，工作中令人欣慰的一部分是，当你能帮助你的家人真正理解你所做的事情时。大多数人做不到这一点。对你来说可能更容易。他们可以看到书。是的，是的。但对于我们一些从事企业对企业业务的人来说，这并不总是那么明显。所以这是一个例子，点与点之间真正连接起来了。是的。有几个，让我们在人工智能的背景下讨论一下这一点。因为我喜欢将
问题解决作为理解技术功能的一种方式，我知道你们做了一些好事，做了一些与我从未知道如何发音的工作。是塞维利亚吗？塞维利亚？与西班牙的塞维利亚足球俱乐部一起告诉我关于……告诉我一些关于那件事的信息，他们试图解决什么问题，为什么他们会打电话给你？
体育特许经营权试图获得优势，让我们明确这一点，每个人都在想，我该如何使用数据分析、见解或任何能够让我们在未来的某个时间点在场上提高1%的东西，塞维利亚联系了我们，因为他们看到了一些我们过去与多伦多猛龙队和其他球队合作的一些工作，他们的想法是，也许我们可以做些什么，他们听说过所有关于
生成式人工智能，听说过大型语言模型。回到你关于解决问题的观点，问题是，我们想要更好地评估人才，因为体育特许经营权的命脉实际上是，你能否继续培养人才？你能否找到其他人找不到的人才？你能否看到别人在他们自己身上看不到的东西，或者其他球队看不到的东西？我们最终与他们一起构建了一些叫做Scout Advisor的东西。
它建立在Watson X之上，它基本上只是吸收了大量的、大量的的数据。我们喜欢把它想象成在干草堆里找到一根针，这里有三个没有被考虑的球员。他们今天不在顶级球队。我认为与他们一起工作，我们发现了一些非常好的见解，这帮助了他们。让我感兴趣的是，我们不仅仅是在谈论
定量数据，我们也在谈论定性数据，但这就是让我着迷的难题部分，如何将定性分析纳入这种……所以你正在输入球探报告之类的东西，我必须意识到，想想我实际上能透露多少，但是如果你考虑一下，那么定量就相对容易了，是的，每个球队都会收集这些数据
他们的40码冲刺是多少？我认为他们肯定不会使用这个术语，当然在西班牙不会，这都是定量的，定性的是场外发生的事情，可能是饮食，可能是习惯，可能是行为，你可以想象一系列的事情，所有这些都会影响运动员的表现，是的，所以关系有很多不同的方面，所以它试图弄清楚
定量和定性的正确组合，这能给你独特的见解。这种系统有多透明？我的意思是，它是否告诉你……它说，选择这个人，而不是那个人，但它是否告诉你为什么它更喜欢这个人而不是那个人？我认为对于人工智能领域中的任何事情，你都必须回答为什么这个问题。否则，你就会陷入……
众所周知的黑匣子陷阱，然后等等，我做出了这个决定，我从来不明白为什么，它没有成功。所以你必须毫无疑问地回答为什么。为什么是这样回答的？数据来源，其中涉及的推理。所以它基本上只是追溯你如何得到答案的链条。
在我们在Watson X中所做的事情中，我们有IBM模型。我们还使用其他一些开源模型。所以它将是使用了哪个模型？输入该模型的数据集是什么？它是如何做出决定的？它的表现如何？它是否健壮？意思是，如果输入两个相同的数据集，是否会得到相同的答案？这些都是理解为什么的技术方面。
你预计所有职业体育特许经营权多久会采用某种……他们已经在那里了吗？如果我去调查世界上100个最有价值的体育特许经营权的总经理，有多少人会使用某种人工智能系统来协助他们的工作？120%会，这意味着每个人都在这样做，有些人认为他们做的比实际做的要多得多。所以每个人都在这样做。我认为体育运动中奇怪的是……
每个人都确信他们正在做的事情是独一无二的，他们通常不想与第三方合作来做这件事，因为他们害怕这会暴露他们。但实际上，我认为大多数人都在做80%到90%相同的事情。所以，毫无疑问，每个人都在这样做。是的，是的。
我喜欢的另一个案例研究是关于一条航运线，密西西比河上的三轮车。告诉我一些关于这个项目的信息。他们试图解决什么问题？
想想这个问题，我想每个人都会注意到，如果你回到2020年，事情在港口被耽搁了。今天早上的报纸上有一篇文章追踪了2020年、2021年发生的事情的历史，以及为什么船只基本上一次在海上停泊数月。在这个阶段，我们有一个巨大的吞吐量问题。但是
即使是在疫情之后，你也可以看到现在船只通过巴拿马运河的情况。只有一个狭窄的窗口可以让你通过。如果你没有完成你的文书工作，没有获得正确的批准，你就不会通过，这可能会让你损失一两天。在航运业，这是一大笔钱。在Tricon的例子中，它实际上只是关于当你驶入港口时，如果你完成了正确的文书工作，
你可以很快地将货物从船上卸下。他们运送大量的食物，根据定义，因为它不是包装食品，它是新鲜食品，有一个保质期。所以如果他们多花两个小时，当然不止几个小时或一天，他们就会遇到一个巨大的问题，因为那时你将不得不处理腐败问题，所以这将让你倒退。
我们与他们合作的是使用我们在Watson X中构建的名为Orchestrate的助手，它基本上只是人工智能在做数字劳动。所以我们可以复制几乎任何重复性任务，并用软件而不是人类来完成。所以正如你可能想象的那样，
航运业仍然有很多文书工作要做。所以能够处理通常需要花费数小时才能填写完成的表格，“哦，这不对，退回它。”我们基本上已经将其作为Watson X orchestrate中的数字技能构建好了。所以现在几分钟就能完成了。他们是否意识到可以通过与你合作来获得这种效率？或者这是你主动找到他们并说，
伙计们，我们可以做得比你们想象的要好得多。是什么……我会说，这总是双方在某个时刻走到一起，出于某种原因，这很有意义。因为你可以说，为什么这件事五年前没有发生？这看起来太明显了。好吧，我认为当时的科技还不够成熟。但他们知道他们有需求，因为我忘了确切的数字是多少，但是，你知道，减少腐败对他们的底线有巨大的影响。嗯哼。
所以他们知道他们有需求，我们认为我们可以解决它，两者结合在一起，但你们是主动找到他们吗？就像我说的，他们主动联系你，我记得这个是主动联系的。是的，我的意思是他们已经联系了IBM，并说我们想解决这个问题。如果我没记错的话，它进入到我们的一个数字中心，是的，如果我记得没错的话，所以实际上是一个电话。是的，但是所以相反的情况
对我来说更有趣，因为似乎有非常非常多的人有可以用这种方式解决的问题，但他们没有意识到这一点，你的……是否有这方面的突出例子，有人你只是认为可以从中受益匪浅，但现在并没有从中受益？也许我会稍微不同地回答这个问题，我对有多少人可以从中受益感到惊讶，你甚至不会首先想到这一点，让我举个例子，有一个
美发沙龙的特许经营商。Sport Clips就是这个名字。我的儿子们过去常去那里理发，因为那里有电视，你可以看体育节目。所以他们很喜欢。他们在理发时得到了娱乐。我认为你最想不到使用人工智能的地方是美发沙龙的特许经营商。是的。但只要继续下去。他们经营业务的最大部分是，我能否让人们来理发？
这是一个高人员流动率的行业，因为如果你想理发，有很多不同的工作场所，人们实际上在理发时会受伤，因为你整天都站着，诸如此类的事情，他们正在使用与招聘流程相同的技术，orchestrate，他们如何自动化很多人提交简历，他们与谁交谈，他们如何为这个职位资格，所以
我之所以举这个例子，是因为人工智能的机会与其他技术不同，是真正无限的。它将触及每一个企业。它不是财富500强或财富1000强的领域。这是任何规模的财富。我认为这可能是人们低估人工智能的一点。是的。那么，我的意思是，我当时在考虑教育作为一个……我的意思是，教育是你们永恒的替罪羊，对吧？你们还生活在19世纪，对吧？我只是很好奇，如果一个公立学校系统的负责人或大学的校长坐下来和你一起吃午饭，并说，让我们先谈谈大学。我的成本失控了。我的入学人数下降了。我的学生讨厌我，我的董事会正在反抗。帮帮我。你会如何考虑
帮助在这种情况下的人。我花了一些时间与大学相处。我喜欢回去参观我上学时的母校。所以我每年都这样做。大学的挑战在于必须有意志。是的。我不确定今天的激励机制是否正确，因为引进新技术，比如说我们想追求，我们可以帮助你弄清楚学生招聘或如何自动化你的教育。
大学里的每个人突然都感到受到了威胁。等等，那是我的工作。我是决定者。或者我是想决定课程的人。所以必须有意志。所以我认为这是非常可能的。我认为在接下来的十年里，你会看到一些大学会全力以赴，他们会前进。你会看到其他大学没有这样做，因为这是非常可能的。嗯哼。
——当你说到必须有意志时，这是IBM的人们会考虑的事情吗？就像你可能与大学校长进行的假设性谈话中，你会建议意志从何而来吗？——我不在大学环境中那样做。我每天都在商业环境中这样做。因为如果你能在一家企业中找到一个想要专注于增长的人，
或底线，或如何创造更高的生产力？是的，这可能会造成很多组织阻力，但你可以找到一个能够想办法推动它前进的人。我认为对于大学来说，这也是可能的。我不确定我们这样做是否有投资回报率。是的，是的。让我们定义一些术语。人工智能年，我告诉过你我想用这个词。这是什么意思？
我们实际上是在过去三个月才开始使用这个术语。这是我们在内部观察到的，即你构建的大多数技术，你会说，好吧，第一年、第二年、第三年会发生什么？这很大程度上是按日历来算的。人工智能年是指，过去一年现在就像一周一样。这就是这项技术发展速度有多快。举个例子，我们有一个客户，我们正在与他们合作
他们正在使用我们的一个花岗岩模型，他们得到的结果不太好，准确性不够，性能也不够，所以我一直在挠头，我想发生了什么，他们是什么业务，他们是金融服务公司，银行，所以我一直在挠头，发生了什么，其他人都得到了这个，而这些结果很糟糕，我说团队，你们使用的是哪个版本的模型，这是在2月份，我们使用的是10月份的模型
我说，“好吧，现在我们知道问题出在哪里了。”因为10月份的模型现在实际上已经没用了，因为我们现在是在2月份。你说真的？实际上没用？绝对没用。完全没用。是的。这就是变化的速度。所以，同样的用例，相同的数据，你给他们的是1月份后期的模型而不是10月份的模型，结果就非常出色了。
是的。等等，那么10月份和1月份之间到底发生了什么？模型变得好多了。但深入研究一下。我的意思是，你这是什么意思？我们已经构建了大型计算基础设施，我们正在进行模型训练。需要明确的是，模型训练可能是世界上五到十家公司的工作。所以你构建一个模型，你不断地训练它，你进行微调，你进行更多训练，你添加数据。每天，每小时，它都会变得更好。
那么它是怎么做到的呢？你正在向它提供更多数据。你正在向它提供更多实时示例。我们现在正在使用合成数据，也就是说，我们基本上正在创建数据来进行训练。所有这些都会影响模型的有用性。所以使用10月份的模型，那些是10月份的结果。只是一个事实。那时它就是这么好。但回到人工智能年的概念，两周是很长的时间。
我们是否处于模型学习曲线的陡峭部分，或者你是否预计这种速度会持续下去？我认为这是个大问题，我还没有答案。根据定义，在某个时刻，你会认为它必须慢一点，但目前还不明显。它还在加速吗？是的。它能有多快？我们已经讨论过，你下午的结果是否真的比早上好？真的吗？是的。
这太疯狂了。是的，我知道。但这就是我们提出这个术语的原因。因为我认为你还必须考虑能够引起人们注意的概念。所以你基本上变成了一个面包店。你就像昨天的面包。你可以以25美分的价格买到它。但你实行优惠定价。你可以说，我们昨天模型的价格是X，今天模型的价格是2X。
我认为这作为一种营销策略很危险，但我明白你的意思。是的。但这太疯狂了。顺便说一句，所以这个模型，所有模型都是一样的吗？你具体指的是一个旨在帮助金融服务公司某些方面的模型。
所以这种模型的加速和学习速度是否比其他类型的模型快？所以这个领域是代码。是的。所以根据定义，如果你输入更多数据，也就是更多代码，你就会得到这种结果。这确实取决于模型类型。是的。世界上有很多代码。所以我们可以找到它，我们可以创建它，就像我说的那样。
还有其他方面，可能提供的输入较少，这意味着你可能不会获得相同级别的迭代。但对于代码来说，这绝对是我们看到的周期时间。让我们坚持这个模型的例子。你怎么知道你的模型比街对面的大公司B更好？客户问你，为什么我要选择IBM而不是
硅谷有一些公司说他们在这个方面有一个模型。你如何阐述你的优势？好吧，我们对所有这些都进行了基准测试。我认为最重要的指标是价格性能。不是价格，不是性能，而是两者的结合。我们在那里竞争力非常强。
对于我们刚刚发布的内容以及我们在开源方面所做的工作，我们知道现在没有人能接近我们。现在，需要明确的是，这可能会改变。是的。因为这就像跳跃式发展。人们会领先一步，然后我们又领先一步。但我们非常有信心，凭借我们在过去几个月所做的一切，我们在这一领域取得了巨大的飞跃。是的。这回到了我一开始提到的关于你……
99年20多岁的自己和今天的自己的区别，但这种时间压缩必须是一种疯狂的调整，所以你正在工作的概念以及你在内部如何做出决策等等，如果你是……如果你是……我的意思是，在过去，一个模型可能在很长一段时间内有用，多年，我想想……你知道，像
SPSS这样的产品内部的统计模型，这是全世界很多学生使用的产品。我的意思是，这些模型已经存在了20年了。是的。它们仍然非常擅长它们所做的事情。所以，是的，这是一个完全不同的时刻，因为它的发展速度如此之快。我认为这只是为每个人提高了标准，无论你是像我们这样的技术提供商，还是银行、保险公司或航运公司，都要说，你如何真正地
改变你的文化，使其比你通常更积极进取。这意味着……这是一个奇怪的问题，但这是否意味着现在科技决策者需要的个性或性格特征与25年前不同？我最近看到一本书。它叫做《极客之路》，它谈到了科技公司是如何开始
也许与许多传统公司相比，它们的运作方式有所不同。更多的是数据驱动，更多的是授权。你是否愿意让房间里最聪明的人做决定，而不是收入最高的人？我认为这些都是每个公司都将面临的不同方面。是的。下一期，我们来谈谈开放。当你使用“开放”这个词时，你的意思是？
我认为“开放”只有一个定义，那就是对于技术来说是开源的。开源意味着代码是免费提供的。任何人都可以查看、访问和贡献它。告诉我为什么这是一个重要的原则。当你谈到像人工智能这样的主题时，我认为如果这项技术掌握在一两家公司或三四家公司手中，无论数量多少，都是一小部分公司，这对世界来说将是非常糟糕的。
想想历史上，比如20世纪初，州际商务委员会的成立，其根本目的是保护农民免受铁路的侵害，这意味着他们希望允许自由贸易，但他们知道，铁路轨道数量有限，因此我们需要保护农民免受铁路公司可能施加的运输成本的影响，这是一个好主意，但随着时间的推移，它完全被铁路游说集团所掌控。
然后他们利用这一点来基本上只是提高价格。这使得农民的生活更加艰难。我认为你可以用人工智能来解释同样的比喻。如果你允许少数几家公司拥有这项技术，你围绕着一两家公司的原则进行监管，那么你就困住了全世界。这将非常糟糕。这种事有危险吗？当然。我的意思是，每周都有公司在华盛顿试图……
达到这个结果。因此，与之相反的是说它是开源的，因为没有人可以质疑开源，因为它就在那里。每个人都可以看到它。所以我坚信开源将赢得人工智能的胜利。它必须获胜。这不仅对企业很重要，对人类也很重要。我对您担心的问题清单感到好奇，
实际上，让我非常笼统地问这个问题。你担心的事情清单是什么？你现在最担心的五个与业务相关的问题是什么？你的第一个问题，我们可以在这里待上几个小时让我来回答。我没有说与业务相关。我们可以把，你知道的，你孩子的理发排除在……第一位总是，这可能是始终如此的事情，那就是人。嗯哼。
我们是否有合适的技能？我们在培训员工方面做得够好吗？我们的员工在与客户合作方面做得够好吗？这排在第一位。第二位是创新。我们是否足够努力地突破界限？我们是否保持领先地位？第三个是，这与创新有关，那就是冒险。我们冒险够多吗？没有风险，就没有增长。我认为每个大公司都会不可避免地陷入的陷阱
就是保守主义。是的。情况已经足够好了。所以，我们是否在突破界限？我们是否冒足够的风险来真正产生影响？我想说这可能是我花费大部分时间思考的前三件事。让我们来谈谈最后一个需要定义的术语，生产力悖论。我知道你对此思考良久。这是什么意思？我开始认真思考这个问题，因为我每天看到的和读到的都是对人工智能的恐惧。我学习经济学。
所以我有点回到基本的经济学，我想说，有一个宏观投资公式。它已经存在很久了。它说增长来自生产力增长加上人口增长加上债务增长。所以，如果这三件事都在起作用，你就会得到GDP增长。然后你考虑一下，你会说，好吧，债务增长，我们可能不会回到0%的利率。所以在某种程度上，这将有一个上限。
然后你看看人口增长。令人震惊的是，在未来30到50年里，世界上几乎没有几个国家或地区会看到人口增长。事实上，大多数地方甚至没有达到替代率。所以我心想，好吧，所以人口增长不会存在。这意味着如果你把它推向极端，持续GDP增长的唯一机会就是生产力。而解决生产力的最佳方法是人工智能。这就是为什么我说这是一个悖论。一方面，每个人都吓得半死。它将接管世界，夺走我们所有的工作，毁掉我们。但实际上，也许情况恰恰相反，那就是它是唯一能拯救我们的东西。是的。如果你相信这个经济等式，我认为它在几百年里已经被证明是相当正确的，我认为它可能是唯一能拯救我们的东西。我昨天出于完全随机的原因查看了欧洲人口增长的数字。
我将看看这是否是一个特别的额外问题。让我们看看你有多聪明。欧洲大陆哪个国家人口增长最快？它很小。欧洲大陆。我猜可能是北欧国家之一。接近。卢森堡。好吧。卢森堡发生了一些事情。我觉得我们都需要调查一下，他们的增长率为1.49，顺便说一句，在当时，这相对较低。
这是表现最好的国家。我的意思是，在过去，各国每年的增长率通常为2点多百分点。最后一个问题，你现在正在写一本书。我们在后台聊过这件事。现在我欣赏这本书的悖论。
那就是在一个模型下午比早上更好的宇宙中，你怎么写一本印刷在纸上的书，并期望它有用？这是一个挑战。我是一位不可思议的无用书籍的作者，这意味着我在过去十年里花费的大部分时间都在做一些完全无用的事情，比如写完一年后。所以当……
我们谈论的是我想做一些关于人工智能的东西，那是永恒的。是的。在10年或20年后仍然有用。但是回到你的观点，如果模型下午比早上更好，这怎么可能呢？所以这是摆在我们面前的挑战。但这本书是关于人工智能价值创造的。所以它与这个生产力悖论有关，以及你如何才能真正从人工智能、自动化和数据科学中获得持续的价值
从人工智能、自动化和数据科学中获得持续的价值。所以摆在我们面前的最大挑战是，我们能否让它在出版的那天之后仍然具有相关性？你打算如何做到这一点？我认为你必须在某种程度上把它提升到更大的概念，这就是为什么我转向宏观经济学、人口、地理等方面，而不是深入研究技术本身。
如果你写的是如何从模型中获得更好的性能，我们可以同意这在两年后，甚至两个月后就会完全没用。是的。所以它将更少地关注技术细节，更多地关注人工智能的持续价值创造，如果你考虑的是10年或20年的时间段，
它可能是我们现在用人工智能来代替技术，我意识到了。因为我认为这对技术来说一直都是如此。只是现在人工智能是每个人都想谈论的事情。但让我们看看我们能否做到。时间会证明一切。你有没有预感到人工智能年现象的步伐会如此之快，事情的变化速度会如此之快？
因为你有摩尔定律，对吧？你在科技界有一个模型，用于这种指数级的增长。所以你是否在考虑这种类似的加速……我认为任何说他们预料到我们今天所看到的情况的人都在夸大其词。我认为它比任何人都预料的要快得多。是的。但是……
技术，回到你关于摩尔定律的观点，多年来一直在加速发展。所以我不会说这是一个冲击，但它确实令人惊讶。你拥有一个非同寻常的优越地位来观察和参与这场革命，对吧？我的意思是，有多少其他人像你一样经历过，像你一样驾驭过这波浪潮？我想知道，这真的有那么不同吗？还是因为它发生在我们这里而感觉不同？
我的意思是，在一个层面上，是的。在我加入IBM的这段时间里，互联网出现了，移动互联网出现了，社交网络出现了，区块链出现了，人工智能也出现了。发生了很多事情。但如果你回顾过去，你会说，好吧，但如果我在1970年到1995年之间在这里，那时也有很多非常基础的事情。所以我几乎想知道，我们是否总是夸大了我们所处的时代？我不知道。是的。但这仍然是一个好主意。
我认为以“我不知道，但这仍然是一个好主意”这句话结尾，这可能是结束这次谈话的好方法。非常感谢你。谢谢你，马尔科姆。谢谢。
在一个像人工智能一样快速发展的领域，看到罗布在他的职业生涯中是如何适应的，这令人鼓舞。自从我和罗布谈话以来，谈话中的要点一直在我的脑海中回响。他强调了开源模型如何允许许多参与者开发人工智能技术。开放性也允许透明度。罗布告诉我人工智能的用例
例如IBM与塞维利亚足球俱乐部的合作。这个例子让我真正体会到人工智能技术将触及每一个行业。尽管人工智能具有潜在的好处，但在其广泛应用中也存在挑战。罗布讨论了如何改变阻力、对工作保障的担忧以及组织惰性会减缓人工智能解决方案的实施。
然而，根据罗布的说法，悖论在于，人们不应该害怕一个拥有AI的世界，而应该更害怕一个没有AI的世界。他认为，人工智能有可能以其他任何技术都无法实现的方式使世界变得更美好。罗布描绘了一个乐观的未来版本，在这个版本中，人工智能技术将继续以指数速度发展。
这将使工人能够将精力投入到更有创造性的任务中。我个人是支持的。IBM的Smart Talks由Matt Romano、Joey Fishground和Jacob Goldstein制作。我们的编辑是Lydia Jean Cott。我们的工程师是Sarah Bruguere和Ben Tolliday。主题曲由Gramascope创作。
特别感谢8 Bar和IBM团队，以及Pushkin营销团队。IBM的Smart Talks是Pushkin Industries和iHeartMedia的Ruby Studio制作的。要查找更多Pushkin播客，请在iHeartRadio应用程序、Apple Podcasts或您收听播客的任何地方收听。
我是马尔科姆·格拉德威尔。这是IBM的付费广告。本播客中的对话并不一定代表IBM的立场、战略或观点。