855: Exponential Views on AI and Humanity’s Greatest Challenges, with Azeem Azhar
01:28:12 Share

我们如何利用人工智能来解决全球性问题，例如环境危机？未来的AI又将如何管理日益复杂的流程？著名未来学家阿泽姆·阿扎尔与乔恩·克罗恩探讨了AI作为向善力量的未来，我们如何关注不断变化的就业市场，以及阿泽姆最喜欢的自动化工作流程的工具。本期节目由ODSC（开放数据科学大会）赞助播出。有兴趣赞助SuperDataScience播客节目吗？请发送电子邮件至[email protected]获取赞助信息。在本期节目中，您将了解： (05:43) 阿泽姆·阿扎尔对AI未来的展望 (14:16) 如何为技术变革做好准备 (20:35) 如何更像一家AI优先型公司 (38:46) 阿泽姆·阿扎尔经常使用的工具 (50:09) 向可再生能源过渡的益处和风险 (1:09:28) 未来工作场所的机会 更多资料：www.superdatascience.com/855</context> <raw_text>0 这是第855期节目，嘉宾是著名未来学家阿齐姆·阿扎尔。本期节目由ODSC（开放数据科学大会）赞助播出。

欢迎收听Super Data Science播客，这是数据科学行业收听率最高的播客。每周，我们都会为您带来有趣且鼓舞人心的人物和理念，探索机器学习、人工智能及相关技术的尖端领域，这些技术正在将我们的世界变得更美好。我是您的主持人约翰·克罗恩。感谢您今天的收听。现在，让我们化繁为简。

欢迎回到Super Data Science播客。今天，我很荣幸邀请到著名的未来学家阿泽姆·阿扎尔来到节目中。阿泽姆是极具价值的Exponential View时事通讯的创建者，该时事通讯拥有超过10万名订阅者。他还主持Exponential View播客，邀请过许多令人惊叹的嘉宾，包括托尼·布莱尔和吴恩达等人。

他曾主持彭博电视节目《Exponentially》，嘉宾包括萨姆·奥特曼。他拥有斯坦福大学和哈佛商学院的奖学金。他还是Peer Index的创始人兼首席执行官，这是一家风险投资支持的机器学习初创公司，于2014年被收购。他还拥有牛津大学政治、哲学和经济学硕士学位。

他还撰写了畅销书《指数时代》。我将亲自寄送五本阿泽姆·阿扎尔《指数时代》的实体书给那些在我的个人领英账户上评论或转发我今天发布的关于阿泽姆节目的帖子的人。只需在您的评论或转发中提到您想要这本书即可。我将在下周进行抽奖，选出五位获奖者，所以您需要在1月26日星期日之前参与这个图书竞赛。

今天的节目应该会吸引任何听众。在今天的节目中，阿泽姆详细介绍了将在未来几十年彻底改变社会的指数级力量，以及为什么人工智能对于解决人类面临的最大挑战至关重要。他谈到了自己对AI智能体、大型语言模型和自动化的尖端个人应用。他还向我们解释了为什么工作未来的基础并不牢固，但我们仍然可以适应即将到来的变化。好了，准备好了吗？

准备好迎接这期指数级节目了吗？让我们开始吧。阿泽姆，欢迎来到Super Data Science播客。能邀请您来到节目中真是不可思议，因为我已经是您的忠实粉丝近十年了。九年前我就订阅了您的Exponential View时事通讯，现在它已经有超过10.5万名订阅者了。阿泽姆，您今天过得怎么样？我过得很好，也很高兴能和一位元老级人物一起。非常感谢，约翰。

很好。阿泽姆，您今天是从哪里打电话来的？我在伦敦北部的汉普斯特德，不在飞机上访问美国的时候就住在这里。很好。是的。

除了您的Exponential View时事通讯外，您还有一本畅销书，名为《指数时代》。您还围绕“指数”这个词打造了一个完整的品牌，以至于您可以不仅将自己定义为未来学家，还可以定义为指数主义者。

您能为我们定义一下什么是指数主义，并详细说明这种视角如何塑造您对技术趋势和社会变化的分析吗？是的，当然。我的意思是，指数主义就是我们拥有数据科学家的原因。指数级技术是指那些每年都会变得更好、更便宜的技术。

当然，其中最重要的一种是硅芯片，有了硅芯片，硬盘和数据存储以及带宽每年都会变得越来越便宜，因为它们越来越便宜，它们在……

我们的经济和日常生活中得到更广泛的应用。“指数级技术”的概念在70年代中后期之前并没有什么意义。但现在我们正处于一个奇怪的时期，许多技术都具有这种特性，它们变得越来越好、越来越快。我说指数主义是为什么我们有数据科学家，是因为我们需要数据科学家，因为有……

如此多的数据。在我的家庭网络中，我每隔几周就会发送大约1TB的数据，因为有很多设备都在相互通信。

这是指数级技术的结果。是的，这太疯狂了。这是我在节目中经常谈论的事情。例如，计算成本大幅下降，数据存储成本大幅下降，以及在您描述的所有这些设备上都能获得指数级增长的数据。自动驾驶汽车、家用传感器、工业传感器等等。

对于像本节目听众这样的人来说，这为我们提供了助力，就基础AI模型能够使用的东西而言，以及我们能够为特定目的微调的模型而言。所以是的，这是一个非常令人兴奋的趋势。而且我……

如果人们多年来一直在收听这个节目，他们会注意到，四年前我刚开始主持这个节目时，我为我认为会有最令人震惊答案的重量级嘉宾准备了一个问题，我会对他们说，你知道，我们有这种助力。我们拥有所有这些指数级因素。似乎未来几十年世界将发生巨大变化。您对世界有什么样的愿景？而令人疯狂的是，阿泽姆，这些人……

一些数据科学和人工智能领域最知名的名字，他们往往根本没有答案。这有点像，他们似乎，鉴于他们的角色，如果他们是一名学者，

他们考虑的是未来一到两年，就他们的下一个拨款申请而言。你知道，他们需要什么来申请拨款？所以，能邀请您来到节目中让我很兴奋，因为这就是您一直思考的时间范围。这大约是未来10到30年。那么，您认为我们将走向何方？哪里……

这将是一个可怕的反乌托邦吗？我们是否会在我们有生之年为地球上的许多人，甚至理论上为整个地球创造一个乌托邦？是的，您认为这些指数级趋势将在未来几十年将我们带向何方？你知道，我认为很难回答你问那些学术界数据科学家的问题，因为展望未来并……

延伸我们所延伸的曲线真的很难。我想起了我的上一家创业公司，那是一家……

机器学习公司。我们查看了大量数据。我们在2014年被收购。当我2010年初聘用我的第一位数据科学家时，这份工作实际上并不存在。只有少数几个人拥有这个职位。我们不确定该怎么称呼它。你称之为计算统计吗？你称之为机器学习吗？你称之为数据清理吗？如果听众去谷歌趋势，谷歌新闻趋势，我鼓励他们这样做，

并将其设置为全球范围和2004年至今，然后输入“数据科学”一词，您会看到，在我聘用我的第一位数据科学家时，即2010年7月，它显示少于1。基本上是零搜索。而今天是94。你知道，从中解读你想要的任何信息。所以，我认为很难展望10年或15年后，说，你知道，

你知道，这些事情将会在世界上成为那样不同的现实。但我做这件事的方式是，我试图让人们回到他们所知晓和认可的事情。我的意思是，你还记得你能在一个……

100兆字节的RAM中保存整套客户记录的世界吗？答案是，取决于你的年龄，你可能会，在我肩膀上给那些在视频中观看的人看，我有一台第二台电脑，它只有32千字节的RAM。

所以，当你问我这个问题时，事情在10到30年后会走向何方？我认为我们可以对某些技术过程充满信心。这些过程是我们将继续开发，以更低的成本提供更多计算能力，这意味着……

我们生成的数据存储量将大幅增加。而且，你知道，我们可以得出这些结论。我做了一个计算，查看了从1972年开始的全球总浮点运算次数（每秒计算机指令数），我通常从1972年开始，因为那大约是英特尔4004发布的时间，F14雄猫战斗机也拥有……

第一台计算机，一种集成CPU，这也是我出生的年份。全球的浮点运算次数每年复合增长约65%，持续了52或53年。需要问自己的问题是，

这会继续下去还是会停止？哪种假设更激进？我认为假设它会停止更激进。因此，当你问我，30年后我们将处于什么状态时，我有一个非常非常简单的，我们可以称之为启发式假设。

那就是让我们把这条线再往上画一点，并以此作为我们的基线。那么10年是什么？这是一个……你知道的，计算能力增加了10的6次方。这是……你知道的，带宽的大幅增加。这是我们生成的数据量的大幅增加。我们将从哪里生成它？好吧，今天问问你自己这个问题。如果你是一个正在收听这个播客的人，

播客，并且你拥有任意数量的Kafka队列，并且你正在运行Datadog，并且每小时都有数十亿个事件传入，去问问自己，好吧，15年前，你每小时处理多少个事件？可能只有100个。

所以你已经经历过了。让我们就这样，让我们把它扩展出去，并认识到这很可能是我们将要去的地方。之后我们可以对这个问题增加一些重要性，但我认为这是一个很好的起点。我认为这很棒。对我来说毫无疑问。你实际上在我们的预先通话中阐述了这一点……

在进行这次采访之前。你提到了其中的一些观点，同样的观点，那就是这条持续了几十年的曲线更有可能继续下去，还是会结束？当然，更明显的是它会继续下去，即使它非常剧烈，是68%。听起来你说的是，浮点运算次数每年增长。人们会说诸如，“摩尔定律即将结束”，因为，你

如果我们试图在芯片上使门更小，从电路到电路。但这当然并不重要，因为制造芯片的过程将继续变得更便宜，我们将能够放置更多，你知道的，我们将能够在更大的芯片上进行越来越多的操作，或者你可以并行运行越来越多的GPU，并想出方法来……

并行快速地传输信息。所以，你知道，这个趋势不会仅仅因为我们无法继续缩小而结束。我完全同意你的观点。现在，有一个批评，一个挑战，那就是，

现在是2025年。火鸡在2025年11月26日之前都会有同样的感觉，正如你所知，那是感恩节的前一天。然后被爱护、照顾和喂养的趋势突然结束。所以，你知道，当然，你知道，也许确实存在这种情况。但我认为你绝对抓住了重点，那就是……

这并不是魔法。这是一系列潜在的过程。因此，我们需要更便宜地提供处理能力，而我们正在努力应对量子效应。因此，我们改用扩展和并行化。然后我们遇到了GPU之间互连的问题。因此，我们构建了InfiniBand或其他什么东西来提高我们移动事物速度。问题是什么驱动了这一点，是什么驱动了它，那就是……

人类的聪明才智、经济激励和不断增长的市场。很快，人工智能支持也将帮助我们越来越好地解决这些问题。我很高兴地宣布，我的朋友们，第10届年度ODSC East（开放数据科学大会东部），2025年你不想错过的唯一一场会议，将于5月13日至15日返回波士顿。我将在那里主持一个关于智能AI的实践研讨会。

此外，您可以在明天开始学习。您的ODSC East通行证包括从1月15日至2月6日举行的AI Builders峰会，您可以在峰会上深入了解大型语言模型、检索增强生成和AI智能体。无需等到5月。无论您的技能水平如何，ODSC East都将帮助您获得AI专业知识，从而将您的职业提升到一个新的水平。不要错过。早鸟折扣即将结束。了解更多信息，请访问odsc.com/Boston。好的，所以根据这种指数级增长的想法，

人类似乎，也许火鸡也一样，似乎不太擅长……

想象他们正处于这条指数级曲线上。例如，另一位著名的未来学家雷·库兹韦尔说，我们对未来的直觉是线性的，但正如我们在这期节目中与阿泽姆讨论的那样，IT的现实是指数级的。同样，在你的书中，你在第三章中谈到了……

例如，2020年左右席卷全球的COVID-19大流行，它正在经历指数级增长……

但我实时经历了这一点，你知道，看着，你知道，我每天可能很多次，可能每天一百次，都在刷新纽约州有多少新的感染病例。即使像我这样有大量统计背景的人，你知道，做数据科学家已经十年了，你……

即使对我来说，也很难处理这种指数级变化是如何发生的。所以……

是的。因此，鉴于即使是专家也很难预测指数级增长或对指数级增长有直觉，企业、政策制定者和我们的听众如何才能更好地为未来的技术变革做好准备？我同意。在你的脑海中将这种变化的速度标准化和合理化确实很难。我不……

我认为这很常见。一个非常简单的指数级过程是复利。几乎我们所有人开始为养老金或401k储蓄都太晚了。开始的最佳时间是23岁，你只需每月存10美元，知道它会产生复利。我认为我们许多人都犯了这个错误。我也是。我认为……

有一些公司已经将这种可能性内化了。我认为，随着科技产业从湾区兴起，它已经很大程度上做到了这一点。他们依赖于对摩尔定律会继续降低价格的理解，并且你不会真正……

系统性地耗尽容量或计算能力。你可能会遇到一些紧迫时期，你无法足够快地安装机器或硬盘或存储设备，但总的来说，你不会这样做。所以我认为，理解这一点的一种方法是理解这些过程，并理解这些过程绝对存在。我认为这对于……

当你试图理解这个世界时，让人们以线性思维思考是非常没有帮助的。我仍然看到这种情况。我相信当你帮助客户或工作中的人时，你也会看到这种情况，你看到他们的商业计划，它显示出一种固定的增量增长，而没有任何东西是这样增长的。除了我们的生日，从一到二到三到四之外，所有东西都遵循逻辑S曲线阶段，其中你有一个逐渐减弱的指数阶段。

所以我认为很多工具都在手边，但这确实很难。你需要在这些时刻做的是，也许回到第一性原理的思考，也许说，看，我们使用的启发式方法就是这样。它们在一个移动速度不那么快的世界中非常有用。但在一个移动速度如此之快的世界中，我们必须回到启发式方法。对不起，请原谅我，第一性原理的思考。而有趣的是，约翰，

大多数收听这个播客的人都会，除了他们对COVID的经历之外，他们还会经历指数级技术，因为他们会经历每两年升级一次他们的iPhone或Android手机，并获得两倍于他们花费的美元的计算能力。如果他们是数据科学家，他们会经历……

你知道，他们的数据阵列或数据湖从千兆字节到100千兆字节到10太字节到拍字节及以后，对吧？他们亲眼目睹了这一切。然而，它仍然变得相当困难。我认为回到第一性原理是一个非常有帮助的方法。是的，是的，是的。因此，就人们可以做的事情而言，在这种情况下，第一性原理的想法，所以这实际上是为你自己勾勒出……

这些变化，并思考你是如何适应这些变化的，并根据这些变化做出预测？是的，我认为这是一个非常好的方法。我的意思是，当我做自己的规划并建立业务可能走向何方或使用情况可能走向何方的模型时，我已经做了20多年了，我从未……

输入线性增长，例如，“它将增长20，它将增长20”。我一直输入动态百分比，因为百分比是复合的。如果驱动这些指数级增长因素之一是反馈循环。所以某事物加速的原因，我的意思是，让我们想想硅芯片，对吧？为什么在80年代、90年代和2000年代……

芯片变得更好、更快？这是因为存在反馈循环。当英特尔推出新芯片时，它允许微软在Windows上提供更好的工具……

这给了人们升级电脑的动力，这将资金投入到系统中，这使得英特尔能够开发出新的芯片，这使得微软能够推出更多功能。这种反馈循环会加速。所以有时当我做计划时，我也会尝试加入这些类型的反馈循环，因为反馈循环的结果通常是……

一条最终具有这种起飞质量的曲线。在很多地方，你最终会得到这些线性预测。如果你坐在那里，并且你在想，听着，我需要为明年的S3存储提交我的预算请求。我还需要对之后一年、之后一年和之后一年会发生什么给出一些指示。

如果它呈线性增长，我认为你正在根据证据向我们展示的内容做出极其极端的假设。所以你必须回去开始说，我该如何提出更现实的假设，即使这会让财务总监感到害怕，因为这就是历史向我们展示的。你提到的一个有趣的事情是公司。因此，像英特尔和微软这样的组织在80年代和90年代，它们无疑处于硬件和软件公司的最前沿。

近年来，你我在预先通话中谈到的一件事是，近年来，采用AI的公司相对于那些没有采用AI的公司而言，增长速度要快得多，甚至可能是指数级增长。所以我很想了解更多关于这种指数级差距的信息，以及做得对的组织以及其他被甩在后面的组织，以及……

我们可以做些什么来弥合这一差距，我们可以作为组织采取什么样的策略，你知道，我们的听众组织可以采取什么样的策略，来试图赶上，或者最终与AI优先型公司走上同一条轨迹。当然。好吧，我绝对，我的意思是，我认为指数级差距是一个非常重要的……概念。所以我们将从概念上讨论它，然后我会尝试从实践的角度来解释。从概念上讲，它只是……

技术发展速度快于我们现有的规范、规则和流程所能处理的速度。我认为我能给出的最简单的例子是，在晚餐时使用智能手机的规则是什么？

因为在我成长的时候，没有规则，因为没有智能手机。然后在2007年，智能手机出现了。到2014年，父母们都在对他们的孩子大喊大叫。我们正在努力在前进的过程中制定规则。这就是指数级差距，以一种我们都能理解的非常平淡的方式，无论是作为父母还是作为经历过这一切的孩子。而且。

我认为人工智能正在发生的事情是一个非常有趣的例子。你提到的关于人工智能公司增长速度更快的数据点是，如果你看看快速增长的软件即服务或SaaS公司，并将它们与快速增长的AI公司进行比较，

SaaS公司大约需要60个月才能达到3000万美元的年收入，而AI公司大约需要20个月才能达到这个数字。他们的发展速度快得多。你想想Anthropic这样的公司，它甚至不是最大的AI基础模型公司。它去年（2024年）的销售额达到了10亿美元，我认为这是它运营的第三年或第四年，这非常了不起。

所以我认为，当你……应用人工智能来绝对地驱动和改变你的业务时，确实存在一个机会。但让我们明确一点。对。这些公司是。

一方面，他们要么正在制造工具，所以他们增长得非常快，因为每个人都需要工具。这是OpenAI或Anthropic的情况。另一方面，他们在……

你知道，CRM或数据清理或销售自动化领域，这些公司都是使用人工智能从头开始构建的，并且能够……你知道，提供更好的产品，因为他们拥有更好的技术。所以我认为这为我们奠定了基础，但我不知道我是否直接解决了你的问题，你的问题是关于差距的。你想再问我一次吗？我会再试着回答。是的。所以，想法是，

你知道，我们能做些什么吗？正如你所知，我们的许多听众确实来自……例如，他们中的一些人可能来自Anthropic，但其他人则来自那些你看到这些AI公司所拥有的那种指数级增长的公司。

而且，是的，我想知道我们是否可以在我们自己的组织中采用一些策略，这将使我们能够获得这种指数级增长的一些好处，并在某种程度上赶上Anthropic的轨迹。是的，我希望我们都能，至少，你知道，如果你的生意和我的生意能够赶上Anthropic，你我可以在下一个圣诞节在马尔代夫见面。我认为三年时间就能达到10亿美元的收入。是的，那将很有趣。所以，

我们对人工智能技术有很多不了解的地方，就像在90年代中期，93年、94年、95年我开始使用互联网时，我们对互联网有很多不了解的地方一样。

那些做得好的公司和人，大体上是那些早期就开始接触它的人。我们了解了什么是好的，什么是好的样子。所以，我们对人工智能了解的一件事是，与四年前的元宇宙不同，它是一个真实的东西。现在有大量证据表明它是真实的，而且不会消失。

但另一件真实的事情是，它变化得非常快。我相信你的听众一直在想，我应该使用Claude Sonnet来支持我的编码吗？还是ChatGPT？还是新的O1模型？还是DeepSeq？或者我应该去哪里？

它变化如此之快，以至于你实际上拥有的机会是培养使用人工智能的能力，而使用人工智能的能力既包括……

拥有这些认知助手，它们在它们所做的事情上越来越好，但也包括你如何构建能够适应底层工具发生如此重大变化的世界中的系统？它也与你如何了解……

它们将在哪里有效以及在哪里无效有关。最后，因为它们可以在很多地方使用，你如何确定优先级？关于这四个问题的一点是，它还没有出现在O'Reilly的书中。

也许有一天会，但现在还没有。所以你必须自己学习。因此，作为个人或团队领导，你开始缩小差距的方式是开始学习、实验和实践。我认为有一个合适的空间来衡量你与发生这种情况的底层技术有多接近。

我认为，如果你总是停留在成品包产品的层面，所以你从Salesforce获得工作流程，你所做的学习将是有限的。实际上，Salesforce会做所有的学习。我认为你不需要深入到构建你自己的基础模型的程度，因为除非你有20位优秀的科学家和100亿美元，否则你不会走得太远。显然，有一些例外。但正确的位置是……

足够多的半成品工具，或者可能是API，它们确实允许你构建、玩耍、学习、发展你的实践，并在你交付的同时不断投资于此。我喜欢这个答案。我们可以……

稍后在节目中，我们将讨论工作的未来以及我们的听众如何为工作的未来做好准备。因此，我们将更深入地探讨这一点，这种想法是，你知道，O'Reilly的书还不存在，关于我们如何……你知道，在这个人工智能世界中运营我们的组织。所以……

是的，我们稍后再讨论这个问题。但是有一些非常棒的O'Reilly关于使用生成式AI和大型语言模型的书籍，我应该说我浏览过其中一本，因为它们经常可以在网上找到。而且它非常非常令人印象深刻。所以我不想让人们觉得他们不应该去O'Reilly，你知道，去尝试这些。

那里有一些不错的书。哦，不，当然。是的。哦，是的。我的意思是，我不知道它们的名称。我为O'Reilly平台创建大量内容，在那里举办会议，进行培训。因此，我还遇到过很多这样的

这些书。有大量的书籍为各种用户设计，无论您是像软件工程师或AI工程师这样的实践者。当然，也有适合您的书，以及来自其他出版商的书。一直到点击式指南。我相信有很多整本书。我不知道这本具体是不是O'Reilly的，但肯定有关于提示工程的书，这也很有趣，

这只是一个非常快速的旁白。我们不需要花太多时间讨论它。但对我来说显而易见的是，当我们在两年前使用原始ChatGPT中的GPT 3.5时，这种提示工程的想法，甚至可能是年薪40万美元的提示工程师的工作，非常适合文学博士来担任。

你知道，我们现在很少听到关于提示工程的消息了。这是因为来自人类反馈的强化学习，像Anthropic这样的公司，当然还有OpenAI，在整合数据和创建新数据方面做得非常好，这使得这些算法能够做到你想要的事情，而不需要你设计提示。

你完全正确。我的意思是，看到你在Claude Sonnet 3.5和各种ChatGPT示例中看到的质量更好的模型取得了如此大的进步，即使提示最少，这也令人着迷。虽然我仍然要说

如果你能做到，如果你的提示确实变得更好，你会做得很好。但是，但是我只是，我只是认为，你现在不需要提示工程就能得到90%。如果你想要95%，你必须做一些这样的事情。我确实想知道那位文学博士发生了什么事，呃，希望他们没有用那份工资贷款买房。是的，是的。

作为SuperDataScience的听众，你可能不仅对像ML和AI模型这样的数据驱动能力感兴趣，而且对底层数据本身也感兴趣。如果是这样，请查看Data Citizens Dialogues，这是一个由Colibra（领先的数据智能平台）的人们带来的具有前瞻性的播客。

在这个节目中，你将直接听到来自行业巨头、创新者和一些世界最大公司（如Databricks、Adobe和Deloitte）高管的第一手资料，他们深入探讨数据领域最热门的话题。你将深入了解数据治理和数据共享等广泛主题，以及如何确保全球范围内的数据可读性等具体细致的问题的答案。

对于那些对数据质量、数据治理和数据智能感兴趣的人来说，我发现Data Citizens Dialogues是对这个播客的良好补充，因为这些话题我不会在这个节目中深入探讨。因此，虽然数据可能正在塑造我们的世界，但Data Citizens Dialogues正在塑造对话。在Apple、Spotify、YouTube或你收听播客的任何地方关注Data Citizens Dialogues。

是的，是的，是的。有趣的是，我刚才试图从指数的角度思考一下，如果，你知道，像RLHF和底层LLM这样的东西，假设在未来10年会有指数级的改进，那么模型的输出在多大程度上会发生变化。

鉴于提示在过去两年中有所改进，有趣的是，你可以早上醒来，对你的任何东西说，这可能只是，你知道，在你家里的任何地方，听着你，你说，我希望今天过得愉快。好吧，好吧，我要告诉你一个秘密，因为我已经这么做了。而且

所以我使用了很多这些模型，我们可以讨论我为什么在什么时候使用哪个模型。但是我经常在我的手机上使用Claude，我会送我的女儿们去上学。在回来的路上，Claude有一个音频模式，它最多可以录制10分钟的音频。所以我按下音频按钮，然后开车离开，我会下载我大脑中的所有内容。

我会说，好吧，Claude，嗯，我必须，呃，你知道，

想想我要做的演讲。这些是我脑海中的想法。这是观众。哦，这就是我要说的全部内容，两分钟。然后我可能会说，好吧，Claude，另外，我必须续保我的汽车保险。我必须支付那张停车罚单。我必须做这个。我必须做那个。我会继续说，这就像医疗人员，家政人员。

认知上要求很高的工作，如演示和演讲。它将是操作性的东西，例如，提醒我弄清楚我们遇到的Stripe退款问题。然后最后，我会说，好的，Claude，我已经给了你这些杂七杂八的东西，帮我合理地整理一下。它会去做。然后15分钟后当我回到我的办公桌时，我会在我的电脑上打开Claude应用程序，

我已经完成了我的待办事项清单。而且，你知道，对于很多这些任务，它已经写好了申诉停车罚单的信。它已经整理了我演讲的思路，并解释了其中的差距。所以我就是这样做的。而且它足够好。

3.5新十四行诗对我的日常生活，以及希望现在对所有收听这个节目的听众的日常生活都产生了很大的影响。然后我得到了口述的想法，但是你如何让它继续发展到这些事情，比如提醒或个人任务？它在哪里出现？所以，是的，我的意思是，目前这就是差距。所以现在是复制粘贴。

我会把这些东西复制粘贴过去。我所知道的没有一个很好的例子能够抓住像演讲那样模糊和混乱的东西的上下文，一直到一堆琐碎的待办事项。

并弄清楚如何将它们分解。我的意思是，Claude会做的是，它会说，好吧，你有一个待办事项列表，它会，你知道，在标记中，它会加上双井号，它会很大很粗，然后会有一个待办事项列表和项目符号列表。它通常能正确地做到这一点。但是是的，我们缺少行动步骤，这是所有AI公司今年承诺的。是的。

是的，我相信这是一些事情，你知道，像苹果这样的公司，相对来说比较慢，这正是他们的风格。你知道，他们并没有走在LLM的前列，但是……

你可以预料到他们有人正在努力整合他们所有的应用程序，并允许这些类型的流程开始发生，成为中间层，连接应用程序，让我们能够做到，好的，电子邮件已经起草好了，当你阅读它们时只需按下发送按钮，你的待办事项列表就在你的桌面和iPhone上的提醒应用程序中等等。

我认为我在我的新闻通讯中写了一些东西，是关于这个生态系统可能如何扩展的方式。它是关于这样一个事实，即会有很多AI代理来支持我们。AI代理的概念是，它是一个不仅仅是一次性的AI系统。它保留状态，并且最终可能做一些有用的事情。我使用了一些这样的代理。我想我们会拥有

数百个，如果不是数千个代理，它们会围绕着我们为我们工作，就像我们在手机上有数百个应用程序，并且在每个应用程序中都有很多功能一样。但我认为我们需要一个主管代理，就像一个幕僚长，我们可以直接向他倾诉。因为我一直以来都很糟糕的一件事，因为我非常没有耐心，就是从

你知道，一个应用程序切换到另一个应用程序。所以最后，我还是把所有东西都放在笔记本里，对吧？我知道有Notion，我知道有Trello，我知道有Jira，我知道还有所有这些东西。我已经设计好我的生活，永远不必真正遵守使用这些东西的纪律，因为我觉得很沮丧。而且，我认为我希望最终会发生的事情是，我们有我们自己的个人监督AI系统，

我们可以有点不结构化。然后它会弄清楚要将任务发送给哪些代理，因为我不想切换上下文来说，我现在正在做待办事项列表，之前我正在进行头脑风暴。我只是想无缝地移动。我不确定

苹果会这样做，因为它从来都不是他们的风格。所以我预计其他人可能会尝试这样做。是的，你可能是对的。当然，谷歌拥有他们的Android手机和Chrome浏览器，他们可能非常适合成为，是的。

也许几年后iPhone用户会说，哦，伙计，我必须进入Android生态系统，因为一切都如此紧密地连接在一起。而且我有一个AI代理幕僚长，可以使用美国术语来协调工作。你使用过任何你可能称之为AI代理的东西吗？

嗯，是的。嗯，我一直在使用的主要工具是you.com Y O U。是的。Richard Socher的公司。是的。Richard Socher的公司。没错。几个月前，我们邀请了Richard的联合创始人兼首席技术官Brian McCann参加节目，呃，第835集。哇，你的记忆真好。

我的电子表格就在我面前打开着。碰巧它足够近，我甚至不必滚动或在其中搜索。所以，是的，所以，你知道，u.com有一些非常酷的功能，允许你启动研究任务。它有一个研究模式，可以运行，你知道，对于一个典型的任务，可以运行10到15分钟。它做得很好，以一种方式，

所以听起来，像你一样，Claude 3.5 Sonnet是我在录制时最喜欢的LLM。我把它作为我的默认首选，因为我比，你知道，最初ChatGPT刚出来的时候，那是我最常用的。然后

它是Anthropic。对我来说，用户体验不仅更友好、更温暖，而且输出也经常如此，我提供的上下文很少，而我却对仅仅用我输入的这几个难看的词，它竟然准确地知道我想要什么，并给了我回应感到震惊。所以它为我节省了很多精力。

在提示方面，要回到那里。但是是的，像Cloud 3.5 Sonnet这样的模型的缺点是你依赖于训练好的模型权重。你无法实时查找信息。因此，对于u.com，我一直去那里启动实时研究任务，它会实时从许多不同的资源中提取信息。它有……

一个中央代理正在弄清楚如何将任务分解成许多小的子任务，然后它会启动许多子代理去执行各个部分的研究。是的，这非常有趣。本着……

这个世界的变化速度如此之快，以指数级增长。几个月前我最后一次检查时，u.com并没有提供这个功能。当然，现在它提供了。是的，不，这太令人着迷了。我会去看看的。是的，是的，它是全新的。那么还有什么工具？你提到你可以告诉我们除了Clod之外你使用的其他工具。我很想知道你还在日常使用什么其他的工具？我的意思是，我几乎使用……

谷歌Gemini，Gemini Advanced中的研究功能。当我有大量需要阅读的学术论文时，我会在某些类型的广泛研究中使用Notebook LM。我使用的一个工具叫做Fixer，也就是F-Y-X-E-R。我是这家公司的投资者。所以它会查看我的Gmail，并尽力

预先准备好我的回复，这样当我查看我的Gmail时，它经常会给我两个回复。是的，我可以参加你的派对。不，我很想参加。我真的很沮丧，我不能参加，但我不能参加。然后我选择我想要的一个。这为我节省了不少时间。但最近，我一直在尝试涉及一些代理的工作流程。所以

在这种情况下，我可能需要一些支持来支持我正在考虑的想法。例如，我正在考虑

19世纪铁路行业计算和数据存储能力增长之间的相似之处，当时产能过剩，所以在过去，我可能会去Claude，在过去，我的意思是2024年11月，嗯

我会去Claude那里，我会说，Claude，从技术史学家的角度来看待这个问题。然后我会说，现在，Claude，从投资者的角度来看待这个问题，并给我一个观点。我会手动完成这个过程。所以现在我有了这个工作流程，

我可以定义三个专家，一个可能是技术史学家，一个可能是投资者，第三个可能只是一个愤世嫉俗者。然后我会把这个问题提交给这个代理网络，它们都位于不同的大型语言模型之上。第四个代理将是一个协调者，并将要求他们互相争论

直到他们到达一个他们要么基本同意要么基本不同意的点，然后它会给我最终的结果。然后我运行这个过程，大约需要五到六分钟。就像你说的，u.com需要五到十分钟。而且确实需要花钱，因为我正在消耗令牌，所以它会花我20美分。但在五到六分钟后，大约有一半的时间

我得到了一个非常非常好的关于我的问题的批判性概述，然后我可以继续进行更多研究。有一半的时间它会失败。它只会给你完全无用的废话。我这样看待它，

当我与团队合作时，你给他们这些开放式研究任务，人类团队，大约有一半的时间他们不会给你任何好东西。这就是它的本质，对吧？大约有一半的时间他们会做到。所以我的团队使用这些工具。我使用这些工具。但这是我最喜欢的工具之一。这是我现在使用的关键的真正代理工作流程之一。我们设计并构建它的方式

在这些在各个地方都在涌现的代理工作流程平台之一中。那么你在那里调用的是哪个API？你提到消耗令牌。那是云还是……？所以你可以选择任何你想要的。我……

混合搭配，我倾向于在那里使用101专业版，这是OpenAI的推理模型，它应该更加结构化，我总是至少有两个clawed 3.5，因为它们非常好，但是我认为你想知道我的观点，我之前说过，当你学习时，你想更接近底层，而不是被产品层过度抽象，所以

你想要能够做的是更多地配置模型，例如调整它们的温度分数。温度是这个，温度将有多么循规蹈矩

或者狂野。所以，你知道，温度0.1就像你教堂里的牧师，温度1.5就像范·怀尔德派对联络员。而且，你知道，你想要两者兼顾。但是你希望你的评估模型非常

相当明智但仍然富有创造力，所以温度为1。因此，如果你是在与API对话而不是通过某些第三方工具进行接口，则只需要访问API的这些部分。因此，我们越来越尝试更接近这一点，以便通过实验学习什么对每个不同的上下文都有效。

人工智能正在改变我们开展业务的方式。但是，我们需要的人工智能解决方案不仅要有雄心壮志，而且要实用且适应性强。这就是Domo的人工智能和数据产品平台的用武之地。借助Domo，你和你的团队可以将人工智能和数据转化为创新的用途，从而产生可衡量的影响。

虽然许多公司专注于狭窄的应用或单一模型解决方案，但Domo的一体化平台更加强大，具有值得信赖的人工智能结果，安全的AI代理可以连接、准备和自动化你的工作流程，帮助你和你的团队轻松地获得见解、接收警报并采取行动，通过针对你角色量身定制的引导式应用程序。该平台提供灵活的选择，可以选择使用哪些AI模型。

Domo超越了生产力。它改变了你的流程，帮助你做出更明智、更快速的决策，并推动真正的增长。世界一流的公司都依赖Domo来做出更明智的决策。了解如何利用Domo释放数据的全部潜力。要了解更多信息，请访问ai.domo.com。网址是ai.domo.com。

不错。是的，这很有道理。而且我认为，你是否碰巧提到了你用来协调这个的工具？我不知道你是否提到了。哦，我使用两种不同的工具之一。我使用一个叫做Wordware的工具，我是它的投资者，另一个叫做Lindy，lindy.ai。所以它们都是……

它们有点相似，但又有所不同。我的意思是，这些都是正在寻找其产品市场契合点的产品。我的意思是，当然，我建议人们首先尝试Wordware。声明一下，我是投资者。不错，是的。是的，lindy.ai是L-I-N-D-Y。是的，没错。太棒了。好的，这是一个关于那种可以非常不结构化的旁白的很好的例子……对不起，这个……不，我喜欢它。但是为了快速总结，快速总结一下，

我们围绕这种指数级增长和对未来几十年进行预测的对话，我有两个具体的主题领域，我想听听你的想法。第一个可能很短。所以在录制时，我今天刚刚发布了，所以是第851集，一集关于量子机器学习的节目。在你书的第一章中，

你谈到，随着我们接近摩尔定律的物理极限，量子计算可能会发挥更大的作用。我很想快速听听你的想法，你知道，你似乎并没有把量子计算看作是一种附加的、可爱的东西，它只在相对较少的场景中有所帮助，而是一种更具变革性的东西。你知道，我认为量子计算很难掌握。所以当我写这本书的时候，

谷歌刚刚宣布了他们使用Sycamore量子芯片取得的突破，我认为是Sycamore，他们在那里进行了一种玩具测试，实验室测试，你生成随机数，一台普通计算机需要数万亿年，比宇宙的寿命长得多，而一台量子计算机只需要一分钟。然后几个月前，他们又大张旗鼓地宣布了同样的突破。但是，你知道，坐在他们周围的人……

你知道，更有把握。我认为我们必须记住的一件事，约翰，是那些建造量子计算机的人都是科学家。科学家总是看到世界本可以是什么样子，而不是它曾经是什么样子。所以他们的框架是……

我认为他们的时间框架与你、我或我们大多数听众（他们可能需要交付产品）的时间框架不同。所以这是我说的一个委婉说法，我不知道量子计算将在何时出现并真正发挥作用。如果你有这些量子计算机，

你需要成千上万个逻辑相干量子比特或数百万个逻辑相干量子比特来进行真正的量子计算。我认为会发生真正有趣的事情和令人惊奇的事情。但是有一个……有一段时间，我相信你很熟悉这段时间，在那里……

几年来，人们一直在说：“看，我们从量子计算中获得了如此多的见解，我们可以开始在GPU上模拟量子计算，这正在允许我们，为我们提供一种算法工具来做我们以前无法做到的事情，如果没有量子计算，我们永远不会发现这一点。”我的意思是，这可能是事实，但你遇到的另一个问题是，世界正在被Transformer架构吞噬。

无论是蛋白质发现、材料发现还是机器人技术，这都是做任何事情的方式。所以，

可能只是量子机器学习之间的交集并不像我们想象的那么大，我们必须等待量子计算机以这种规模开发和交付，才能真正发挥作用。与此同时，我们可以做得非常好，应用这种Transformer架构和技术

你知道，Jensen Huang和英伟达生产的所有令人惊奇的芯片。这将打破障碍。所以这是一个非常困难的问题，这是一个非常困难的问题。如果我必须，如果我，你知道，真的，真的要总结成一句话，那就是。

继续建造量子计算机，这将是我的观点。但是你可以用这波人工智能做很多事情，也许花时间在那里是有充分理由的。是的，很好。很好的回答。是的，如果人们想深入了解你，

超过一小时关于量子机器学习的讨论，今天可能是什么，未来可能是什么。第851集是一个很好的参考。在我进入一些更具体的数据科学内容之前，我最后要问你一个关于指数级增长的观点问题，那就是，我乐观地认为

我们这个时代最大的挑战之一，气候变化，人工智能可以在从碳基能源向可再生能源过渡中发挥作用。这可能包括聚变能源。我们有

现在有商业实验室，有私人投资者，他们期望在不太长的时间范围内获得回报。有十几个不同的实验室正在尝试这些商业聚变方法。但即使没有聚变能源，太阳能电池板的效率以及太阳能电池板安装在近几十年来的疯狂指数级增长，如果这种趋势继续下去，它将是

我充满希望，我乐观，但也许只是因为我是一个乐观的人，我们将能够解决气候变化的一些最坏影响。在我们有生之年，我们甚至可能能够开始扭转它们，例如，如果你通过聚变能源拥有丰富的能源，你可以将碳泵回地下并储存起来，从而扭转我们已经造成的一些影响。所以

是的，总的来说，我很想听听你认为从石油主导的经济向人工智能和可再生能源驱动的经济过渡的潜在风险和好处是什么？是的，我会对你的最后一句话说，我的意思是，我非常同意这一点。让我们快速地提炼一下。所以我们知道人工智能需要……

能源建设。但实际上，我已经在《纽约时报》和英国的《金融时报》以及其他地方写过几次关于这个的文章。我实际上认为，建设，需求将

催化我们建设能源系统的方式的更大纪律。那么问题是，能源系统到底发生了什么？正在发生的事情是，能源正在从一种商品转变为一种商品，它完全取决于石油价格或天然气价格。顺便说一句，自从我们有了煤炭的200多年，以及我们有了石油和天然气的100多年以来，

这三种系统的能源成本并没有下降。在某些情况下，它变得更贵了，因为它取决于当地的独裁者或独裁者以及物理开采。而太阳能电池板的成本下降了

我的意思是，我会忘记确切的数字，但我可以肯定地说，在过去的20年中下降了99%。这就是为什么你会看到全球安装的太阳能数量呈指数级增长。顺便说一句，这种指数级成本下降和增长的模式也发生在电池上。因为对大多数人来说很明显，太阳并不总是照耀，风力涡轮机也不总是旋转。但这实际上是一个完全可以解决的设计问题。

理解正在发生的事情的方法是，能源成为一种技术。技术是变得更便宜的东西。它们通过学习率变得更便宜，但也通过模块化和小型化变得更便宜。我认为听众会理解的最好的类比，特别是那些超过47岁的人，我想，是从电信网络到互联网的转变。

所以电信网络就像旧的化石系统，非常可靠，由几家公司控制，因为进入它非常昂贵。你需要大约10亿美元，这就是建造煤炭或天然气工厂所需的资金。

互联网的出现伴随着这些技术：光纤、光纤交换机、光网络、芯片、内存路由器，价格下降。你会看到一种戏剧性的去中心化。出现了许多互联网服务提供商。现在任何人都可以运行一个呼叫等待或语音邮件服务，连接到IP系统的末端。而今天的互联网比以往任何时候都更加可靠，也更加便宜，比电话网络更好。

我认为，同样的情况也会发生在我们向根本上转向太阳能加电池的过渡中，但风能、传统核能，也许有一天核聚变也将发挥作用。这将是一个更好、更便宜、更具活力和适应能力的能源系统，能源成本将大大降低，我们将拥有更多的能源。关于扭转气候变化一些最糟糕影响的观点，

因为我们所说的许多昂贵的东西，实际上是指它们消耗了大量的能源，而能源是昂贵的。好吧，它们仍然会消耗大量的能源，但能源将会非常便宜。所以它们现在会很便宜。这将包括碳捕获和海水淡化以及我们可以做的其他类型的事情。

但我们谈论的是不同的时间框架。我认为后者需要几十年。我认为前者，即能源系统的根本性转变，可能只需要几十年，而不是几十年的时间。这就是我们现在所处的位置。我认为这是值得……

值得乐观一点的理由。很好。很高兴能有，嗯，你知道，因为我的选择偏差让我能获得更多乐观情绪。我可以给出相反的论点，我将简单地给出相反的论点，对吧？相反的论点是，嗯，

很难提出，因为它没有以经验主义为基础。所以相反的论点是，太阳能电池板需要太多的材料，锂也需要太多，你知道的。事实是，

有很多科学研究，《自然》杂志发表了关于这方面的同行评审论文，这些论文表明太阳能电池板的材料比化石系统少得多。事实是，锂有很多。我们只是没有开始提取它，因为我们不需要它。现在我们需要了。电池成本的下降以及我们才刚刚开始投资电池研究的事实，

意味着价格将大幅下降。大约两年前，牛津大学的研究人员发表了一篇论文，该论文指出，完全可再生能源系统比化石能源系统运行成本更低。我们越快转向完全可再生能源系统，

我们就越快开始节省资金。他们得出的数字是，我不知道，几万亿美元，比你我未来三年计划赚的钱还多。哦，伙计。很抱歉让你失望了。我们将不得不，好吧，如果我们能够将这种指数级增长达到每年十亿美元的收入，那也不是太远。我的意思是，我们还差多少？也许六七年的时间。没关系。我会在火星上见到你。是的。

嗯，我喜欢你在你最近的回答中，一开始说我可以提出反驳意见，但你很快就开始削弱构成论点基础的论点。好吧，因为基础如此薄弱。这就是问题所在，对吧？它们根本没有以经验主义为基础。它们的基础是，嗯，我将分享一些作为一个长期以来的人的一些事情。嗯，呃，

我记得英国一家最大的移动电话公司首席执行官告诉我，他永远不会允许他们的客户通过互联网支付账单。这是在99年。这是真的。他第二年就被解雇了。但许多挑战都是基于类似的。

天哪，对吧？你无法挑战的神圣信条。如果你回到你之前在这个讨论中提出的第一性原理思维，

你会意识到你正在与什么作斗争。非常好。所以让我们转向另一个话题。稍微改变一下话题，我们已经讨论了对未来的展望，利用你的指数级专业知识，

我现在想深入探讨一些可能更适合我们节目听众的话题，技术听众、数据科学家、软件工程师。在你的Substack时事通讯《指数视角》时事通讯（拥有105,000名订阅者）中，你最近发表了一篇文章，名为《为什么人类需要人工智能》。它提倡利用人工智能来解决需要超越人文主义知识的复杂问题。

人类的局限性。那么，人类在知识方面有哪些局限性，人工智能如何克服这些局限性呢？这是一个很好的问题。那是一篇很棒的文章。感谢你关注它。人工智能是我们的工具。如果我们考虑我们所做的任何工作，我们的工具都会帮助我们。而且

如果你是一名数据科学家，你可能已经使用了SED或ORC，对吧？我认为这是可以肯定的。它使你能够做一些你原本无法做到的事情，对吧？你有1500万行数据，你必须整理它。所以你开始使用这个工具。所以我们一直使用工具来……

提高我们的能力。但作为人类，我们也一直在解决越来越复杂的问题。自从我们10万年前从非洲大陆出现以来，我们就是这样做的。而且

但我们现在面临的挑战是，这就是论点的重点，这是一个百年的视角，我们知道人口将在60或70年后达到峰值。所以当它在60或70年后达到峰值时，即使我们更有技能并拥有更好的工具，能够参与解决问题的人数也会下降，并且会继续下降。在我们物种历史上第一次，

我们下一年创造的知识、科学和解决问题的数量将不会超过前一年。因此，解决这个问题并继续保持人类几百万年来所拥有的这种属性的唯一方法是

拥有能够显著放大我们能力的工具。这就是人工智能的用武之地。人工智能对于继续发展人类的知识生产至关重要。现在，让我们把它简化为当今数据科学家更实际的东西。如果你正在查看交易数据流，

你不可能亲自识别异常。你可能也无法使用我在90年代初使用的工具识别异常，这些工具基本上是GREP和REGEPs。你需要更复杂的东西。今天，我们称之为机器学习，但10年前，我们可能称之为人工智能。因此，我们已经到了一个可以识别模式、可以识别的地步

存在于并非一开始就显而易见的维度中的关系，因为我们可以使用这些工具。我认为，它们与我们如何理解我们自己也在构建的更复杂的世界的方式之间存在着真正重要的联系。很好。是的。很好的回答。而且

这让我感到兴奋的一件事，我之前在节目中也谈到过。事实上，我在第812集里做了一集关于人工智能科学家的想法。所以这是一家日本公司，由许多谷歌DeepMind的人员创立，如果我没记错的话，是Sakana。是的，是的。

而且，呃，是的，所以他们有这篇关于人工智能科学家的论文，它只是针对机器学习的，因为这对他们来说是一个很好的领域来开发这种人工智能科学家，它提出研究想法并执行这些想法，因为对于人工智能科学家，对于机器学习研究人员来说，

你可以在计算机上进行计算机模拟实验。你可以为这些实验提供预算。但是同样的思维也可以应用于生物学、化学、材料科学，我知道有一些团队正在研究这方面。我不知道它有多先进，但你的人工智能系统控制移液器和成分，实际上在线运行实验。

这可以让我们在生物学、化学、材料科学等任何科学领域取得突破。所以这是一个非常令人兴奋的想法，因为这些人工智能系统，实际上，U.com的联合创始人布莱恩·麦肯在A35集中详细谈到了这将如何改变科学。这确实令人兴奋。它也有……

随着我们开始让人工智能系统创造知识并提出想法，这确实开始，正如布莱恩·麦肯指出的那样，这似乎很可能，这些人工智能系统将拥有我们无法想象的见解，因为这些人工智能系统将拥有

它们将拥有经过良好训练的神经网络权重，涵盖所有人类知识、所有学术论文、所有教科书，这是人类永远无法企图做到的一小部分。所以，是的，所以这真的很令人兴奋。但同时，这也将感觉像是一个不同的时代，因为，你知道，那是，

是的，它与人工通用智能的概念联系在一起，这将把人类置于何地，如果我们的知识，是的，是的。但是如果我们回到人工智能科学家的问题，以及这些系统一方面可以作为我们的工具，而我们今天所处的位置是它们可以作为我们的工具。我认为Sakana的论文特别有趣。

正如你所说，它基本上经历了科学家进行工作的方式。它会产生一些可能新颖的研究想法。它可能会进行一些文献检索。它能够编写和执行代码。它可以运行实验。

然后最终你可以写一篇研究论文。然后你说，让我们在化学方面这样做。这就是实验室自动化，对吧？人们正在研究的湿实验室自动化。有一个名为ChemCrow（C-H-E-M-C-R-O-W）的人工智能模型，它在一段时间前做了一个类似Sakana版本的化学研究。但我认为，对于许多科学突破来说，

大多数人都无法理解它们。所以当罗莎琳德·富兰克林观察那些关于后来成为DNA的X射线晶体照相照片时，是她发现了这必须是一个被有效地投射的双螺旋图案。

当时有30亿人或20亿人，你知道我们大多数人都无法在数学家特伦斯·陶提出新的数学猜想时看到这一点，人们需要十年时间才能解开它并理解它，只有五位数学家能够弄清楚发生了什么，而这对于所有数学研究都是如此，所以我认为这种我们无法理解它的想法也是已经存在的事实，而且……

在某种程度上，我认为当新的研究方法开始出现时，这变得非常有趣。我认为我们还没有看到人工智能系统在新的方面所能做的事情。

实际上进行科学研究，而不仅仅是人类进行科学研究的更快版本。我认为这是一个非常有趣的问题。我的意思是，我想说的是，它们还可以立即做到的一件事是弥合科学的孤岛。所以过去50年来科学界发生的一件事，它与

所需的资金链条有关，对吧？为了获得资金，你必须告诉资助机构你将做X或Y。因此，作为实验室的首席研究员，你倾向于缩小你的关注范围。人们没有那么自由奔放。博士生只是按照他们导师论文的3.6版、3.7版或3.8版进行研究。事情变得非常狭隘，而且很少有博学家。

跨领域的博学家。实际上，今天的科学家可以是博学家，因为他们可以去大型语言模型，他们可以去一些特定于科学的工具，比如illicit或consensus，他们可以说，在所有这些领域中找到类似的概念，帮助我理解世界，看看其他地方是否有见解，让我形成假设。我认为这在某种程度上也是非常强大的

我们正在获得的这个巨大的工具包中，还有一个工具改变了科学研究的方式。多么精彩的回答。我喜欢这个。你提供了一些我以前从未听说过的具体工具，但听众可以在节目结束后深入研究。太棒了，谢谢，阿泽姆。

作为我最后要讨论的话题领域，它很好地延续了人工智能科学家和取代人类意义的想法。我喜欢你提出的例子，就像罗莎琳德·富兰克林或数学大师能够看到只有地球上数十亿人中少数人才能看到的东西。所以实际上这有点令人放心，好吧，这只是另一组

大脑将做一些我们无法理解的事情。这很酷。但如果这些大脑比我们每天习惯做的要便宜得多、效率高得多，可能会让人感到不舒服。我们可能，你知道，收听这个播客的人，他们可能属于，你知道，他们可能属于能够适应新变化的人群中的

地球上的人。我们试图跟上所有这些技术变化。我该如何像你刚才描述的那样使用大型语言模型作为科学家来提出新的想法？当然，你之前在节目中已经提到过，我们可以使用像Claude或GitHub Copilot这样的工具来增强我们作为软件编写者的能力。

所以这些工具是存在的，但似乎我们离软件工程师、数据科学家、人工智能工程师所做的许多工作被机器完全取代并不遥远。让我们如此容易受到职业影响的部分原因是，我们所做的许多工作

可以在远程完成。事实上，自疫情以来，许多人每周至少有一天。你知道，如果你在键盘和麦克风输入和输出是你工作所需的一切的情况下工作，

那么用人工智能系统来替代这种角色比在医院里为昏迷病人清洗褥疮更容易。这是你无法远程完成的事情。所以是的，你自1999年以来已经投资了50多家科技初创公司。是的。

你无疑对技术的发展方向以及工作的走向有有趣的见解。那么，鉴于由于技术进步，许多工作即将实现自动化，你对未来工作的看法是什么？也许我们的听众可以在哪些方面找到坚实的基础，例如他们可以培养的技能或他们可以做出的职业转变，以期在未来几十年继续拥有工作？嗯，

我认为没有坚实的基础。我也理解为什么人们感到不安。你应该感到不安。如果你没有经历过大型语言模型让你震惊的时刻，你应该去经历一下。你应该花两三天时间，向它们提出你能想到的最难的问题，你会对它们的能力印象深刻。你需要去这样做，经历你自己的小存在主义危机，然后从另一边走出来。而且

我们已经生活在一个工作变化非常频繁的世界里。53%的Z世代想要成为网红。当我于2010年创立那家雇佣数据科学家的公司时，我们是当时世界上第一个网红排名平台，抱歉，仅限于Twitter。而且

现在53%的人想成为网红，这仅仅过去了14年。一位名叫戴维·奥尔特的经济学家研究了大约80年的美国就业数据，他指出，60%的

今天的工作在1940年是不存在的，它们需要当时根本不存在的专业知识。你知道，在我第一份工作中，我在《卫报》工作，但我也是《卫报》的第一位负载均衡器。所以你们很多人都会使用亚马逊上的东西

叫做ELB，弹性负载均衡。1996年，《卫报》使用了我的右手。我们有三台服务器和两个以太网连接。当其中一台出现内存泄漏并崩溃时，我会拔掉以太网电缆，然后将其插入刚刚重新启动的那一台。然后10分钟后，我会为下一个循环做同样的事情，在高峰时段。

在白天。所以在此期间会创造各种各样的新工作。我们可以做的是回顾过去30年或40年发生的事情。中间阶层的工作增长巨大，对吧？你刚才谈到的那种工作。我们远程工作，我们在办公桌后工作。与此同时，创造了许多低薪的服务业工作，这造成了很大的紧张局势。所以我们应该记住这一点。

我认为我们需要记住的第二件事是，人们并不真正了解这将如何结束。很难预测球的第三次、第四次、第五次反弹。你可以回顾历史，看看人们的情绪反应，这可能会给你一些启示。我现在的感觉是，我的工作方式以及我的团队的工作方式发生了变化，那就是每个人都更像老板，对吧？每个人都必须……

为由一个或多个AI系统组成的团队设定目标和任务，你必须更擅长拥有这些类似老板的技能。我的领域知识、经验和判断力在这方面给了我一些优势。所以从某种意义上说，

看，没有坚实的基础。我们真的不知道这项技术将发展得有多快。我们真的不知道就业市场会发生什么。我们可以预期……

大量，也许是绝大多数的工作将会发生变化。我们可以预期会创造新的工作。我们可以预期一些工作会消失。为之做准备的方法最终是提升技能。通过提升技能，你实际上让自己处于一个可以

在某种程度上稍微定义你未来的位置。我说这话只是为了坦率和诚实地说明我们所处的位置。我的意思是，人们不知道越来越多的好的研究成果正在出现

但这仍然是有限的。也许在20年后，我们会知道。但即使那样，也许我们仍在提出这个问题。非常好。好吧，当我们开始结束这一集时，我非常感谢你对这些事情的看法，即使是，你知道，我有点希望你能告诉我一些神奇的坚实基础，除了我们的听众之外。但是，你知道，

所以如果人们想在收听完这个播客节目后听听你的想法，显然他们可以订阅你的时事通讯《指数视角》。我们会在节目说明中提供链接。你的书《指数时代》，我们今天在节目中谈到了这本书中的许多话题。

你还有《指数视角》播客，播客听众可能会喜欢。凯福·李，人工智能领域最著名的名字之一，最著名的作者之一，就在录制当天上周出现在节目中。你还有吴恩达、李飞飞，很多令人惊叹的嘉宾出现在你的节目中。所以这是一个值得人们关注的播客。

我上周在社交媒体上指出你将要来，我强调了你的一些传记要点。我问人们是否对你有什么问题。我们收到了来自伊丽莎白·沃兹沃思的一个很好的问题，她是俄亥俄州的一位IT应用经理。

伊丽莎白问道，在未来，你认为同样的系统和理论是否适用？她学习的一些未来主义作品表明，当未来科技由于快速发展而未知时，系统和理论是传授的好结构。你认为我们正处于如此快速的转型之中，以至于这些系统和结构将不再足够吗？我认为这是一个非常有趣的问题。它也与……

你和我今天录制节目之前讨论的一个观点有关，那就是存在的结构，工作场所中的公司结构，

你知道，我们大多数情况下，公司仍然坚持这些结构。在这个我们现在拥有大型语言模型的世界里，我们可以承担那种作为个人贡献者的类似老板的角色，这从根本上改变了事情。所以我认为它与这里有关。所以我会把它留给你。是的。我的意思是，伊丽莎白提出的问题很好。感谢你提出这样一个好问题。

总的来说，历史表明它们不会保持不变。它们确实会发生……你知道的，戏剧性的变化。嗯，如果你回到……嗯，到电力出现之前的工厂，呃，

机械动力是由蒸汽机提供的。它们经常爆炸，而且无法将动力分配得很远，因为你是通过一套摩擦滑轮和皮带来实现的，摩擦会消耗热量和能量，因此你无法完成很多工作。所以工厂很小，它们是垂直的，你永远不会离中央传动轴太远。

那是设计原则和流程。你所做的工作以及你要求人们做的工作是由此决定的。而且事实上，你的工人无法将动力小型化到一个小小的扶手上。对吧。所有东西都必须是又大又笨重的东西。我不是机械工程师，所以我不知道它们叫什么，但假设一些非常大的东西，只是发出砰砰砰的声音。

所以当你使用电力时，人们首先做的事情是在房间里安装一个灯泡。然后他们做的第二件事是试图让电力系统取代蒸汽机，但在那时它根本没有足够的物理动力。

当然，工厂不再是这样了，因为你可以有效地将电力分配到一个宽阔的水平区域。你可以将其分区，以便你可以将大量电力输入到用于生产钢铁的电弧炉中，并将少量电力输入到……你知道的，我坐在那里用一个小小的台灯工作的办公桌上的LED灯中。

用电动刷清洁一个小部件。你可以做所有这些事情。因此，你组织工作的方式、人们需要的技能、你维护事物的方式、你衡量事物的方式都发生了根本性的变化。我会说，对于人工智能来说，

回到什么是极端假设，什么不是极端假设。说在实施人工智能时没有任何变化，这更像是一个极端假设，而不是说很多事情都会发生变化。让我们回到120年前电力与蒸汽的变化给我们带来了什么。我认为这回到了你和我整个讨论中提出的观点，约翰，那就是我们必须开始使用这些东西，因为这是你

让自己能够共同设计它们，并以你认为是某种好方法的方式让它们发挥作用的方法。很好。很好的回答。是的。所以感谢你回答听众的问题。我知道我们已经超出预定时间了。

但很快，除了你的《指数视角》时事通讯之外，除了《指数时代》这本书，《指数视角》播客之外，还有，实际上你可以在世界任何地方在线观看。你主持了一个名为《指数级》的彭博电视节目。其中包括像

你怎么发音？萨姆·奥特曼？奥特曼，是的，没错。我认为他做了一些人工智能方面的工作。所以，是的，萨姆·奥特曼、尼尔·弗格森、达里奥·阿马迪都是你节目中的嘉宾。所以，

呃，你知道，这是人们可以从你那里获得的另一个……呃，内容。嗯，人们应该如何关注你？或者我错过了什么吗？哦，你已经非常慷慨地给了我这次精彩的谈话。我认为最好的方法是，呃，如果你只是去exponential view，呃，

把它输入谷歌、必应或你使用的任何搜索引擎，然后你只需注册时事通讯即可。这是最直接的方法。社交媒体不像以前那样有效了，但时事通讯是最好的地方，我很高兴看到你们所有人。太棒了。是的。然后，所以你身后有一个庞大的图书馆，如果你们正在观看这个节目的视频版本，你们就能看到这个。

在我让我的客人离开之前，我通常会问他们是否除了他们自己的书之外还有其他书籍推荐。我想在你的情况下，很难只推荐一本书。你知道吗？我有很多我非常喜欢的书。我将推荐一本非常长的书。大约800页长。它叫做丹尼尔·耶尔金的《奖品》。Y-E-R-G-I-N。

这本书讲述了从19世纪60年代开始的石油热潮的故事，它始于宾夕法尼亚州和阿塞拜疆的巴库以及印度尼西亚。当我去年夏天重读这本书时，我发现非常有趣的是。

政治、阴谋、试图影响政策、背叛、资本如何借给市场，让我想起了围绕人工智能的大型科技公司以及所涉及的人物正在发生的事情。我想，哇，这太有见地了。我们以前已经播放过这段录音带一次了。当然，前四五章是非常有趣的章节。

作为一种阐明我们今天所处位置的方式。它实际上写得非常好，而且值得坚持读完整本书。所以是丹尼尔·尤尔根斯的《奖品》。太棒了。非常感谢你，阿齐姆。感谢你如此慷慨地付出你的时间。正如我在本集开始时所说，能请你来到节目中对我个人来说真是太不可思议了。我相信我们的听众也会喜欢这一集的。非常感谢你抽出时间。这真是我的荣幸。谢谢。

太棒了，能请阿齐姆·阿扎尔来到节目中真是太好了。在今天的节目中，阿齐姆讲述了世界如何经历着指数级的技术增长，计算能力（即 FLOPS）每年增长超过 60%，持续了 50 多年。他谈到，随着全球人口达到峰值并在 60 年、70 年后开始下降，人工智能对于持续的知识生产和问题解决将至关重要。

他向我们介绍了能源行业如何从基于商品的系统转变为基于技术的系统，太阳能和电池成本呈指数下降，就像计算机芯片成本一样。他谈到了现代人工智能工作流程，以及这些工作流程通常涉及多个专业代理共同工作，由一个监督代理协调。

阿齐姆本人使用 Claude、Gemini、Notebook LM、Wordware 和 lindy.ai 等工具来自动化他的生活，并简化他自己的工作流程。

他还谈到，未来的就业市场将发生巨大变化，大多数职位将在未来几十年内发生变化或被取代。因此，成功需要培养类似老板的技能来指导人工智能系统。与往常一样，您可以在 superdatascience.com/855 上获得所有节目笔记，包括本集的文字记录、视频录制、节目中提到的任何材料、阿齐姆社交媒体资料的网址以及我自己的网址。

如果您想在现实生活中而不是在线上进行联系，我将于 3 月 19 日在弗吉尼亚州里士满的 RVA Tech Data + AI 峰会上发表开幕主题演讲。门票价格相当合理，而且有很多优秀的演讲者，所以这是一个值得关注的优秀会议，特别是如果您住在里士满地区。在那里见到你真是太好了。

当然，感谢超级数据科学播客团队的每一个人，我们的播客经理索尼娅·布尔约维奇，我们的媒体编辑马里奥·庞博，我们的合作伙伴经理娜塔莉·泽斯基，研究员塞尔吉·马西斯，我们的撰稿人扎赫拉·卡尔切伊博士和西尔维娅·奥格旺，当然还有我们的创始人基里尔·阿拉门科。感谢他们为我们制作了另一集指数级增长的节目。

感谢他们使超级团队能够为您创建这个免费播客。我们非常感谢我们的赞助商。是的，您可以通过查看我们的赞助商链接来支持这个节目，您可以在节目说明中找到这些链接。如果您想自己赞助一集播客，您可以通过访问 johncrone.com/podcast 获取详细信息。否则，

与可能喜欢本集的人分享节目。在您最喜欢的播客应用程序或 YouTube 上评价节目。如果您还不是订阅者，请订阅。随意将我们的视频编辑成您喜欢的短片。这样做时请参考我们。但最重要的是，我希望您能继续收听。我很感激您的收听，我希望我能继续制作您多年来喜爱的节目。直到下次，继续前进吧，我期待着很快与您一起再次享受超级数据科学播客。