887: Multi-Agent Teams, Quantum Computing and the Future of Work, with Dell’s Global CTO John Roese
01:02:04 Share

乔恩·克罗恩与约翰·罗伊斯讨论了多智能体团队对企业的承诺，能够独立识别和完成任务的自主式人工智能系统的优势，以及这些系统对新的身份验证、授权、安全和知识共享标准的需求。他们还讨论了如何利用人工智能将项目理念细化到核心业务需求，以及由于人工智能而产生的技术行业及其他行业的新兴职业。

(03:54) 为什么投资回报率是人工智能驱动项目的最重要方面

(14:06) 为什么高影响力的人工智能项目会引发成功飞轮

(23:32) 自主系统的未来

(30:28) 如何大规模管理自主系统

(46:36) 量子计算的颠覆性

</context> <raw_text>0 这是第887集，嘉宾是戴尔全球首席技术官兼首席人工智能官约翰·罗斯。本期节目由戴尔与英伟达合作的戴尔人工智能工厂以及对话式分析平台Adverity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、人工智能和相关技术的尖端领域，这些技术正在使我们的世界变得更好。我是您的主持人约翰·克罗恩。感谢您今天加入我。现在，让我们化繁为简。

欢迎回到Super Data Science播客。今天我们邀请了一位非常厉害的嘉宾。约翰·罗斯是戴尔科技集团的全球首席技术官兼首席人工智能官，这家总部位于德克萨斯州的巨型公司拥有超过10万名员工，2024年的营收达880亿美元。真是太棒的……

嘉宾了。约翰负责戴尔面向未来的技术战略，并加速戴尔及其客户的人工智能应用。约翰拥有长达数十年的非凡职业生涯，此前曾担任EMC全球首席技术官、诺基亚西门子全球首席技术官以及博通首席技术官，此外还在世界领先的技术公司担任过许多其他高级职位，并担任过董事会成员，并深度参与了私募股权和风险投资生态系统。

他拥有新罕布什尔大学电气和计算机工程学位。尽管约翰是一位技术专家，但今天的节目内容相对高级，因此对任何听众都具有很高的价值。在今天的节目中，约翰详细介绍了戴尔如何将800个生成式人工智能理念缩减到8个高影响力项目。他告诉我们关于概念验证监狱以及他逃脱的策略。

他谈到了多智能体团队将在企业中首先产生最大影响的地方，人工智能以意想不到的方式创造的建筑工作岗位比任何其他行业都多，以及未来几年由于人工智能而出现的新职业，以及量子计算和人工智能的进步如何交织在一起，从而将彻底改变未来。好了，准备好收听这集宝贵的节目了吗？让我们开始吧。♪

约翰，欢迎来到Super Data Science播客。很荣幸邀请您来到这里。您现在在哪里打电话？我现在在新罕布什尔州山区我的家里。我昨天晚上刚从奥斯汀飞回来，所以我会在这里待一两天，然后再去下个地方。

戴尔总部，我想是在奥斯汀的朗洛克地区吧？是的，我去过那里。我经常去那里。还有硅谷。我经常往返加利福尼亚，因为我们在努力让代理商工作，以及其他一些需要行业合作的事情。所以这就是科技公司首席技术官的一天，你知道的？是的。

是的，在本期节目中，我们将讨论很多关于代理商的事情。我有一些关于这方面的问题要问你。对于观看本节目YouTube版本的人来说，他们可以看到他们实际上是在约翰·罗斯的私人道场里，这真的很酷。那里有剑吗？那些是剑吗？有一些剑，很多竹刀，也就是用于剑道的竹剑，还有一些其他的东西。是的，是的，我一生都在练习武术。所以……

能够在家中井然有序地进行武术练习是很好的。非常酷。除了你的武术技能外，你还是戴尔的全球首席技术官兼首席人工智能官。你负责制定公司面向未来的技术战略，并加速戴尔及其客户的人工智能应用。在最近的一篇《财富》杂志文章中，你表示

投资回报率（ROI）是在为人工智能项目提供资金之前首先也是最重要的问题。您想更多地谈谈为什么这如此重要吗？是的，你知道，在生成式人工智能的早期，比如说两年前，我们对你能用它做的一切都感到非常兴奋。而这些事情有点抽象。它们是没有背景的事情。你知道，我可以，你知道，我可以……

我可以访问整个互联网并提出任何我想提出的问题，所有这些都很好，但归根结底，如果你在一家公司工作，你知道你所做的事情可能应该与你公司的预期结果相关联，如果你是一家商业实体，通常情况下，这与利润、收入、利润率有关，你知道，成本降低之类的事情对你来说很重要，所以我们学到的是，你知道，虽然人们对想出许多技术的理论用途非常热情，并且

技术只有在实际执行对您所属的实体有意义的事情时才有用。就戴尔而言，我们非常关心公司的商业成功。如果你是一所大学，我今天早上刚和一群大学首席信息官谈过，你关心的是教育成果。在每一个技术决策的核心，无论是否涉及人工智能，都必须有一个这样做的目的。我在那篇文章中说，看，

了解技术是很好的。了解可能的艺术是很好的。但归根结底，你必须对实际做什么的决定，你实际在哪里，你知道，橡胶在哪里与道路相遇？你是否应用资源？应该是技术实际上被应用于服务于一个结果。而这个结果通常与你可以改进以使你的业务更好的过程密切相关。

以可衡量的方式。如果你有一个销售团队使用人工智能，我不知道，让你的销售团队花更多时间与客户相处，这是我们所做的一件非常好的事情。

使用人工智能让你的销售团队稍微快乐一些，更投入一些是没有意义的，除非你能衡量它。因此，物质投资回报率与你的AI活动之间的这种联系实际上是必不可少的，如果你真的希望你的AI战略有意义的话。是的。我们在我们的研究中挖掘到，我们的研究员Serge Macisse，呃，

他深入研究了你过去说过或写过的一些事情。他说，在同一时期，但我将为此添加一些数量。你讨论过，大约两三年前，当生成式人工智能开始变得真正强大时，你收到了戴尔员工提出的800个生成式人工智能理念，你将其缩减到只有8个。所以你只采用了1%的

这些想法……你想给我们更多关于这个过程的信息吗？是的，这个故事有很多内容，但是，事情是这样的，生成式人工智能出现了，你知道，比如说ChatGPT的时刻，你有了这个新工具，老实说，我之前一直在使用大型语言模型，我知道它们能做什么，但是当它出现时，我收到一个研究人员发给我的邮件，就在它发布之前，你必须看看这个东西，在我看来

这真的很令人感兴趣。这比我以前见过的Roberta和Bert以及早期工具都要好。而且，你知道，

所以它出现了，然后，你知道，我在一家公司工作，这家公司有一位名字写在建筑物上的家伙，他对技术非常投入和兴奋。他给整个公司发了一封邮件，说，你知道，这很重要，这是绝对正确的。然后，哦，很快，大约出现了800个关于，你知道，我们可以用它做所有事情的想法。我有一个玩笑，你知道，我会为非技术人员道歉，他们不会像我们这些极客一样理解这一点。当我们去查看这些想法时，你知道，

我们的结论是，你知道，一群人聚在一起，也许是单独的，但可能是成群结队地思考你可以用它做什么。参加会议的唯一真正资格是他们可能都看过至少一集《星际迷航》。

因为这些想法很有趣，但在大多数情况下，它们与实际技术并不相符。你知道，我想建造全息甲板。我想要一个人工智能来取代销售人员。这没有什么错。它创造了可能的艺术。这是人工智能的解锁。人们开始意识到这可能是意义重大的。

但是，如果你从这里开始，如果你有800个项目，每个项目都是你能想象到的任何想法，完全没有经过验证，没有现实基础，你该怎么办？所以我们所经历的旅程并不是……起初，我们试图从800个项目中找到那些重要的项目。我们得出结论，这是不可能的。这太难了，因为你根本没有背景。所以我们最终改变了模型。我们没有丢弃这800个项目，而是提出了一个不同的问题。我们说……

我们应该在哪里应用它？而不是我们可以在哪里应用它？这将模型转变为我们刚才讨论的投资回报率讨论，我们说，好吧，我们为什么要这样做？我们这样做是为了让戴尔成为一家更成功的公司。我们如何衡量这一点？我们通过利润、收入、成本和监管风险来衡量。好的，让我们关注这些方面。然后我们说，好吧，我们应该瞄准哪里？我们选择了供应链、销售、服务和工程这四个核心领域。然后我们说，好的，在其中——

我们能改进哪些方面？例如，通过为他们腾出准备时间来提高销售人员的生产力，或者让我们的工程师更好地编写代码。这让我们能够将这两点联系起来，因为我们可能在大多数情况下发现，其中有一些想法是关于

关于我们如何改进销售人员的内容准备阶段，这实际上是我们能够产生的最大影响，或者我们可以在工程方面关注的地方。我们可以进行质量保证、产品管理或核心编码吗？这让我们回到了核心编码。所以，这是我与之交谈过的每一家公司，我与之交谈过的每一个客户都经历了同样的情况。他们都有这种

大量想法。真正的挑战在于，好的，你如何确定从哪里开始？因为你不可能同时做800件事情。如果你做了800件事情，你仍然会在争论800个想法，并且没有任何东西投入生产。今天，我们已经有投入生产的东西了。它们对我们的业务产生了积极的影响。我们完成了任务。但是的，这是一段有趣的旅程。我会告诉你，无论是800个、500个还是1000个，我与之交谈过的每一个客户都经历了这段旅程，并且可能仍然停留在试图弄清楚如何提取或找到

开始的地方。听起来很简单，但是，在无限的表面积下，当每一个想法都可能相当不错时，找到实际的开始位置是极其困难的。但是，你不可能同时进行800个AI项目。即使是世界上最大的公司也不可能做到这一点。借用……

你之前用过的一些术语。这是逃离每个人都陷入的概念验证监狱，对吧？你想更多地告诉我们关于POC监狱的事情吗？也许是什么让一家公司准备好从AI实验过渡到规模化生产？是的，你知道，这很有趣。我们……

我非常喜欢在公司内部广泛地进行技术实验。事实上，我们的人工智能之旅始于大约八九年前。我实际上开始了这个过程。我和VMware的前首席技术官找到了迈克尔、杰夫、帕特·盖尔辛格和许多人，并说，你知道，这件事很重要。我们做出了一个决定，这远在生成式人工智能出现之前，我们不知道这其中什么最重要，但我们实际上允许整个公司开始进行实验。

我们没有自上而下地进行任何操作。我们只是自下而上地进行，说，这很重要。如果你是一个业务部门，你应该考虑一下。如果你正在开发产品，你应该考虑一下。如果你正在开发平台，你应该考虑一下。通常情况下，在ChatGPT出现之前，我们每年都会进行500到1000个AI项目。其中80%对业务没有任何影响。

但我们对此没有问题。它们并没有占用太多时间。发生的事情是，人们开始对这项技术感到满意。他们开始了解它。当我们到达ChatGPT时，我们并没有从零开始。我们有已经试过的人，有已经理解它的人。它比这快得多。所以，如果你还没有这样做，而你恰好在ChatGPT开始，那么进行实验仍然很重要。但是，实验和生产之间是有区别的。

我们在这两者之间划了一条明确的界限。生产是指你选择大规模地将它投入生产，你正在投入大量的资源，你实际上是在为它押上公司。

你选择这将成为你企业未来发展的基础部分。因此，我们有这个流程，我们允许进行大量的实验，我们实际上也鼓励这样做。但是，你在戴尔将产品投入生产的方式，我们认为这是其他人应该做的事情，是一系列必须为真的事情。首先是，你是否有投资回报率？

这可能是一个好主意，但如果它不能对业务产生任何重大影响，我不会把它投入生产。我对这个不感兴趣。第二个有趣的发现是，这个AI项目是否真的符合我们未来想要经营业务的方式？或者，这很常见，它是否是我们用来掩盖不良流程、不良结构的巨大毯子？

我们称之为现代戴尔。如果它与我们想要做的现代方式无关，我们不会做这个AI项目。因此，即使有人能向我证明一个很棒的工具可以为我们节省很多钱，但它会通过隐藏一些结构上不健全的做法来做到这一点，我们也不会在那里实施AI，因为这只是一个拐杖。这是不可持续的。除此之外，然后你就会讨论，它在技术上是否可行？它是否符合我们的安全和监管合规义务？然后它进入生产。但是前端非常重要，因为它说明，

你逃离POC监狱不是通过寻找很酷的技术。你有很多这样的技术。你逃离POC监狱是通过弄清楚哪些很酷的技术项目实际上将以优先级的方式为公司创造物质价值，并且不会让你倒退或隐藏过去的罪过。它们实际上是关于未来的。这一切都是关于未来的。你不想把它应用于过去。你想把它应用于未来。所以你把这两点做对了，

如果你有100个实验正在进行，我敢打赌你可以筛选出其中投资回报率最高、与你的未来战略和目标最一致的三个。这些是需要推进的项目。然后你将它们投入生产。一旦它们投入生产，这就是你扩展它们的地方。这就是投资的地方。这就是你衡量它们的地方。

根据我们的经验，如果你选择了正确的项目，它们实际上会产生大量的投资回报率，并且会让飞轮运转起来，这非常令人兴奋。这正是我接下来想要讨论的关于投资回报率飞轮的事情。所以你之前谈到了选择能够引发人工智能成功飞轮的高影响力项目的重要性。告诉我们关于飞轮以及如何启动飞轮，或者是什么样的失误会阻止飞轮发生。

是的，是的。所以飞轮的概念来自于，你知道，我是一个，你知道，人们有不同的思维方式。我是一个视觉型思考者，一个模式化的人。我非常擅长连接点。当我们开始这样做时，我们可以看到，你知道，如果你能够真正理解什么重要，什么会推动你公司的发展，如果你能够将它与能够做到这一点的技术联系起来，

你不仅仅是在做一次性的事情。你正在做的实际上是创造一个飞轮，因为如果你将正确的项目纳入将人工智能投入生产的过程中，那么净效应，飞轮将产生的东西，如果输入是一个经过精心验证、高优先级、高投资回报率的想法，而飞轮的工作是将其投入生产，那么输出就是投资回报率。它实际上……

成本节约、盈利能力、收入、风险降低，这些对你来说都很重要。所以，但事实证明，因为它是一个飞轮，而它之所以是一个飞轮，是因为你的第一个项目可能是一套新颖的技术来玩。但事实证明，做人工智能的事情并没有那么多方法。我们可以谈谈一些基础技术。一旦你让第一个项目运转起来……

第二个项目就不是另一个雪花。如果你做对了，它实际上会使用与第一个项目相同的技术。因此，执行它的成本更低，执行它的速度更快。你可以想象，你让这个东西运转起来，它就开始对你的业务产生巨大的影响。

如果你做对了，就会这样。你的问题是，如果你做错了怎么办？所以人们犯的最大错误是，我现在猜测，在大多数企业中，他们的飞轮甚至都没有转动。它没有产生任何投资回报率。你的董事会对你的AI工作的投资回报率影响满意吗？如果答案是否定的，那么你的飞轮就没有转动。如果你的答案是肯定的，那么它就在工作。如果它没有转动，启动它的错误方法

是向其中投入一个非常酷的项目，但该项目不会产生任何投资回报率。我不想挑具体的例子，但我将有点具体。在公司中有一些地方可以使用AI做一些好事，但其效果充其量也只是

快乐，善意。虽然这些通常都是好事，但这些并不是让飞轮转动的东西。如果花费金钱来创造一个稍微快乐一点的员工队伍或一个稍微舒适一点的工作环境，虽然这些都是以后应该做的事情，

如果你没有让一些投资回报率运转起来，你就负担不起这些。所以我们倾向于避开这些。我们直接瞄准了金钱、收入、盈利能力和成本所在的地方，销售、服务、供应链、工程。这些是核心。我们没有追求的是更多的G&A职能。老实说，即使我们在其中一些职能方面拥有最好的，

没有人会为此付钱给我们。我们也不会大幅降低成本。而现在，由于飞轮正在运转，我们实际上可以追求它们了。因为一旦你让某些东西以很大的惯性运转起来，偶尔投入一些不会产生很多投资回报率但会创造很多善意的项目，你就可以

负担得起。但是试图用一个实际上不会为下一个项目提供任何燃料的东西来启动飞轮是一个坏主意。所以这个视觉效果对我们来说非常有帮助，它可以向人们解释为什么他们特定的项目，虽然表面上看起来不错，但却是启动飞轮的错误项目。它需要在飞轮运转起来之后才能产生董事会、迈克尔和每个人都希望我们产生的东西，那就是对业务的重大影响。

本期Super Data Science播客由戴尔与英伟达合作的戴尔人工智能工厂赞助播出，戴尔和英伟达是两家值得信赖的技术领导者，携手提供全面的安全AI解决方案。戴尔科技集团和英伟达可以帮助您利用AI来推动创新并实现您的业务目标。

戴尔与英伟达合作的戴尔人工智能工厂是业界首个也是唯一一个端到端的企业AI解决方案，旨在通过提供集成的戴尔和英伟达功能来加速您的AI驱动用例，集成您的数据和工作流程，并使您能够设计您自己的AI旅程，以实现可重复、可扩展的结果。了解更多信息，请访问www.dell.com/superdatascience。网址是dell.com/superdatascience。

接下来的主题你已经连续三次谈到了，这正是我准备好的主题，这真是不可思议。虽然我认为在这种情况下，你实际上已经涵盖了我所有的问题。但是我的下一个问题，就像你坐在那里，和我一起阅读我的笔记，实际上没有人知道

看到了我安排的精确顺序，除了我。所以这太疯狂了。接下来我要说的是，你强调戴尔将其AI工作重点放在四个战略支柱上，你刚才也提到了。工程、供应链、服务和销售，以启动投资回报率飞轮，这对我来说非常有意义。

但是很容易忽略这一点，你可能会优先考虑那些非常酷的项目，这些项目以某种方式让一些员工的生活更轻松。但是，如果这是第一个项目，如果它没有带来投资回报率，

那么你可能无法获得授权来进行进一步的AI项目。或者你可能没有任何预算。肮脏的小秘密。IT预算并没有大幅增长。如果你想做这些事情，你必须在做你想做的事情之前创造价值。而且，你知道，所以，所以，但是，但是，是的，绝对的。在戴尔，你知道，我们选择了这四个领域，因为这确实是我们可以推动发展的大部分事情所在的地方。这很有趣，因为，你知道，

早期，当你这样做的时候，你会在某些地方创造一种AI丰富和AI匮乏的文化。即使是你执行它们的顺序，例如，我们的销售团队是我们最后启动的团队。这并不是因为我们不想这样做，而是事实证明，我们稍后可能会谈到这一点，数据在这件事情中很重要。我们想要为销售团队做的事情背后的数据并不处于最佳状态

所以我们必须修复数据问题并解决一些问题。然后最终，我们能够为2万名销售人员建立一个名为戴尔销售聊天的工具，它现在正在深刻地改变他们的工作方式，并提高他们的效率，其水平甚至超出了我们的预期。在我们的规模上，它比我们想象的要好。

在任何公司中选择这四件事，都会有所不同，但它们实际上是你与众不同的地方。我过去常常告诉人们，在你开始任何技术对话之前，你必须回答的一个问题是，你知道是什么让你的组织与众不同吗？你的核心差异化来源是什么？如果以某种方式改进，你会赢得什么？

你知道，我不是要批评我的HR朋友们，但拥有世界上最好的HR组织并不是戴尔的差异化核心来源。我想拥有一个这样的组织。只是，如果我拥有它，但我有一个糟糕的产品、一个糟糕的销售团队和一个薄弱的供应链，我就会破产。所以这里肯定有一个分层。因此，通过这个练习，只是说，是什么让你的组织与众不同？顺便说一句，这与众不同。你知道，就像我说的，我刚和一群教育首席信息官谈过。

他们有不同的宇宙中心。是的，他们想要一所高效的大学，但主要目标是吸引最好的教师，培养最好的毕业生，让他们有最好的就业率，并拥有最好的职业生涯。这些是他们的战略重点。顺便说一句，你应该用它来检验你为人工智能所做的事情。如果你有五个选择，其中两个能够推动这一目标，那就先做这两个。

但是你从对你的组织有什么不同之处这个非常非技术性的讨论开始。如果人工智能是一种可以使你的组织变得更好的工具，那么通过了解差异化和与这种差异化相符的工具来连接这些点至关重要。我们经历了这个过程。就像我说的，我有

一些石棉，因为你可以想象某些群体，你知道，对此并不满意，因为我们有800个项目，很多人都在考虑这个问题，但我们有一种文化，它说，看，我们都在这里为了胜利。事实上，我会给你讲一个故事。你知道，我们做了我们的，每个季度，我都会在我们的季度回顾广播中做一个大约三分钟的事情，关于AI的现状，因为我想让每个人都参与到这个旅程中来。我们的人口非常认同。戴尔的人们真的关心这些事情。

之前的几个季度，这都是一些状态更新。这就是我们正在做的事情。这是新的东西。我们大约一个月前做的最后一个，就在第四季度之后，因为我们刚刚完成了戴尔销售聊天，我们已经将第四个项目投入生产。我们说有四个，我们现在有所有四个团队都在运行，都在做事情，都在产生影响。我的信息不是状态更新。这是一个感谢。

我感谢公司里的每一个人——有三组人。一组是实际构建和实施这四件事的人。另一组是购买并产生影响的用户。我感谢的第三组是其他所有人，因为他们与我们合作，让我们能够专注并完成这些工作。

因为如果我们试图做800个项目，我们仍然会浅尝辄止，而且没有取得任何进展。所以这很难，因为有些人将无法做他们想做的项目。有些团队将排在第二位。如果你想正确地做到这一点，这是你实际上能够快速推进的唯一方法，因为归根结底，

唯一彻底失败的AI项目是从未投入生产的项目。你从未让它做任何事情。它仍然只是一个概念。这就是POC监狱。身陷POC监狱可不是什么好事。这意味着你还没有逃离生产阶段。如果你没有逃离生产阶段，你就没有真正创造任何价值。没有人喜欢没有价值的东西。

POC监狱听起来不像是什么好地方。这些都是很好的轶事，对任何试图充分利用AI的企业组织都非常有帮助。我喜欢这个。到目前为止，我们的讨论主要集中在

在关于AI的讨论中，到目前为止的例子都是围绕着本次对话中的生成式AI。让我们谈谈在生成式AI之后出现的自然下一步，那就是自主系统。因为随着生成式AI变得足够强大，随着大型语言模型变得足够可靠，我们开始越来越依赖它们自己。约翰，你对代理的定义是什么？是的，我将给你一个简短的

我会给你一个更宏观的视角，然后我会定义一个代理。因此，应用于企业的AI实际上有两个不同的部分，到目前为止我们只做了一个。代理是第二个。原因在于企业的差异化来源。我们在业内很多人在过去几年里都说过这一点，尽管人们并不一定关注。但是，有两件事使企业成为企业，真正的核心差异化来源，

首先是你的专有数据。你知道别人不知道的事情。这实际上非常强大。这就是为什么你不与他人分享你的专有数据的原因。我的客户名单非常有价值。我的源代码非常有价值。这些都是可持续的差异化来源。即使人员发生变化，品牌发生变化，世界发生变化，拥有专有数据都非常非常重要。

第二个差异化来源是贵组织中独特的技能，你们拥有比其他人做得更好的人。在戴尔，我们拥有世界上最好的散热人员、最好的客户端开发人员和世界上最好的存储软件开发人员。其结果是，这转化为更好的产品、有趣的创新和专利。因此，如果这是两个差异化来源……

而我们正在进行的旅程是将AI应用于企业。而这两件事才是最重要的。这很有趣，因为在生成式AI的最初几年里，我们实际上是追求第一个目标。聊天机器人、RAG系统，所有这些都只是允许我们从专有数据中解锁和创造价值的工具。什么是基于RAG的聊天机器人？

它是一个利用专有数据并使其具有生成能力的工具。你可以获取所有服务信息，如果我以原始格式提供给你，它将毫无价值。如果我将其嵌入向量数据库并通过生成式界面呈现给你，你可以对我知道的任何事情提出并回答任何问题。

这令人难以置信地强大，我们现在已经在业内大规模地做了大约一年了，它正在改变一切。我们从中获得了巨大的价值。事实上，我们几乎所有投入生产的项目都是这样。它们是一种生成式能力，可以以新颖的方式解锁我们的专有数据，从而改变生产力的曲线。这很好。代理不是那样。代理追求第二个目标。它们是关于技能的数字化。

它们是关于说，我不只是对解锁数据感兴趣。我对分配工作感兴趣。

我实际上想要一个AI，它甚至不需要我执行任务，它可以自主运行。它可以在没有人为干预的情况下运行。事实上，我甚至不会告诉它如何完成这项工作。我只是要给它一个目标，然后让它去做。我这样做是为了与我需要的技能保持一致。例如，当我们考虑企业中的代理时，现在在这个上下文中存在两种观点。

目前的一种观点认为，代理将取代能够做所有事情的多维人类，那是AGI和ASI，我们距离那还很远。代理的现实情况是，它们实际上是对更狭窄技能的数字化。这就是我使用自动驾驶汽车这个例子，我今天还没有一辆可以在任何情况下都能成功驾驶并导航的自动驾驶汽车，并且

我们所拥有的自动驾驶汽车。它们已经在旧金山和其他地方，如果你对其进行地理围栏，如果你缩小范围，我们在火车和机场中看到这一点，因为它们只有一项工作，所以没有驾驶员。它在航站楼之间移动，无需人为干预。好吧，这就是代理正在发生的事情。第一代代理正在说，我可以承担一项任务，一项技能吗？

我可以将其转移到AI中，不是作为一个人使用的工具，而是作为该技能的自主体现，我可以告诉它去做某事。我可以给它一个目标，它足够聪明，能够弄清楚如何通过该目标进行推理。它可以访问一组数据，并且可以交付与人类为特定技能所做的工作相同或更好的结果。是的。

是的，实际上可能有人正在做这些具体的工作，他们可能不再做了，因为代理可以吸收它们。但是你没有一个完全全面的实体，它相当于一个可以做很多不同事情的完整的人。想想你生活中能做多少不同的事情？好吧，今天，代理的表现形式可能可以选择其中的一些。但他们不能做的是选择所有这些并创建一个完全……

相当于你整个全面的人，包括你的伦理、你的道德。这是一个非常困难的问题。那是AGI和ASI，一条不同的道路。因此，底线是，你采用这两种技术，第一代生成式AI，我们称之为反应式AI，人类参与其中，人类要求AI做某事，它会立即做出回应。但最终，人类是工作的执行者，这些是围绕人类的工具。

然后你转向这种第二代自主AI，它们是互补的。现在你处于人类处于循环中的情况。他们是主管。他们所做的只是创建目标和委派工作。现在，AI能够独立地承担这项任务，弄清楚它，并继续执行它，甚至永久地执行它。它可能永远不会回到人类那里，因为它已经被委托给机器了。区分这些如此重要的原因是，首先，它们甚至不是同一种技术。

虽然这个，宇宙的中心，是一个大型语言模型，周围有一些数据，它是一个非常静态的数据集。自主环境拥有大型语言模型，但它们用于等式的一部分。它们充当某种大脑，但它有身体。它有一个知识图谱，它创建自己对数据的表示，它表示它所学到的东西、它的记忆和它的技能进化。它周围有接口，允许它接触现实世界，一种叫做工具使用和功能服务的机制，它实际上……

去激活一个工具并与世界互动并感知事物。非常不同的技术架构，坦率地说，这是合适的，因为它正在解决一个不同的问题。现在，快进到企业的未来，好吧，仍然有专有数据，仍然有独特的技能，除了我现在有一条数字化这两者的途径。这就是将深刻改变大多数企业的事情。

说得很好。这是对自主系统的惊人解释，以及它们如何适应反应式，或者正如你所描述的那样，它们是如何从反应式系统中演变而来的。虽然你可能已经预料到了我的下一个话题，但你还没有谈到的一件事是，到目前为止，你所描述的一切都是代理，代理，

真正地独自行动，或者我们没有谈论它们协同工作。所以让我们谈谈AI代理团队。你预见到会出现什么样的治理和编排框架来负责任地大规模管理代理集合？

是的。这很有趣。我们在一年多前就构建了我们的第一个自主代理。我们在这很酷之前就构建了一个双代理系统来撰写研究报告。大概不到一年前，我向领导团队展示了这些代理。这让我们所有人开始思考这个问题。现在，我们已经构建了许多代理，我们已经能够构建它们来运行数控机床并做各种事情。但它们并不一定完全投入生产。但我们已经研究这个很长时间了。而且

所以我们学到的是，代理的真正价值不是孤立的代理。这就像一个人的真正价值不是个体一样。这是一个集体。当我们有多个人一起完成复杂的任务时，我们会做得更好。事实证明，代理遵循相同的模式。

现在，我们证明你可以做到这一点。事实上，从我们开始的那一天起，我们每一个自主系统都至少有两个代理和一个人参与其中。最终，我们有一个系统，它曾经有一次有1600个代理在处理一个问题，因为它们可以灵活地进出。它们实际上具有增长的能力，并且它们具有能够雇用更多代理的概念。如果你需要一项技能，只需雇用另一个代理。你告诉他们可以这样做，他们就会这样做。

然而，底线是，当我们继续这段旅程时，我们意识到的一件事是，当你在技术的尖端时，你会意识到差距是什么。而我们现在所面临的差距，这是一个行业层面的差距，那就是我们对代理之间相互作用没有任何真正的框架或协议。

我们已经就通信协议达成了一致。它是JSON。基本上是这样的想法，它是在数字接口上以消息格式进行的明文。这实际上非常酷，因为你实际上可以观察代理之间用人类语言进行交互，并且你可以成为参与者，这非常强大。

出现了许多其他问题，例如，我如何验证代理的身份？我如何授权它？我如何与不属于同一公司的代理共享知识？我如何进行作业提示，这就是你如何启动这些事情的方式，但是以一种

戴尔代理和我们合作伙伴的代理能够一起工作的方式。我如何与他们两人交谈？这还不清楚。因此，我们必须解决的事情还有很长的一串。好消息是，这就是我最近经常出现在硅谷的原因，我们正在与我们的技术合作伙伴和许多ISV合作，我们都持有相同的观点。这需要解决。

我们将去解决它。现在，我们可能不会在五年内通过标准制定组织来解决这个问题，而且它甚至可能不会作为一个纯粹的开源项目来解决。它将成为一组行业活动，最终达成共识。事实上，有一个名为模型上下文协议的协议是由Anthropic提出的，它并不是对整个问题的解决方案，但它实际上是一种非常好的方法，可以让模型与数据进行对话。

而且它以一种看起来针对该特定问题部分经过深思熟虑的方式来做到这一点。另一个很有趣的是，我们今天正在谈论，就在昨天，谷歌宣布了一个名为代理到代理的东西，这看起来很有前景。这是一个，你知道的，我们对此有点了解，我们认为这是一种解决一些身份验证授权、相互作用问题的有趣方法，

但我们还没有达到那个阶段。这就是这些技术的本质，即使是愿景，你知道的，企业中自主环境的愿景不是我拥有独立的代理来执行孤立的任务。而是这样的愿景：我是一个人，我负责一些非常复杂的事情。

我将把它分解成我需要完成的函数或工作，以完成这项复杂的任务。但由于它们是代理，它们将作为一个集体一起为我完成这项工作。顺便说一句，如果这听起来很熟悉，这正是你构建人类团队的方式。这正是我们一直以来的做法，只是现在……

团队的一部分是一组代理。其中一些可能仍然是人。但因为我们知道这才是真正创造价值的地方，然后进一步扩展，人类协作的真正价值不在于你的孤岛中的协作。它是跨越你的企业或整个生态系统的协作。这需要相互作用。我们没有这些标准到位。我们没有很好地定义它们。

就像AI中的所有事物一样，考虑到“自主”这个词在12月份我做年度预测时还没有被很好地理解，我预测2025年将是自主AI之年。我进行的每一次对话，我都必须解释什么是自主。

本期节目由Adverity赞助，Adverity是一个集成数据平台，用于大规模连接、管理和使用您的数据。想象一下，能够像向同事提问一样向数据提问，并立即获得答案。无需再挖掘仪表板、等待报告或处理复杂的BI工具。只需您需要的见解，即可立即获得。

借助Adverity的AI驱动的对话式数据分析，营销人员终于可以用简单的英语与他们的数据交谈，获得即时答案，做出更明智的决策，更轻松地进行协作，并将报告时间缩短一半。你会问什么问题？要了解更多信息，请查看节目说明或访问www.adverity.com。这就是A-D-V-E-R-I-T-Y dot com。这是我的下一个话题，约翰。这很奇怪。好的，我们会到达那里的。

但无论如何，内部运作方面，我们正在努力，而且进展非常迅速。谷歌昨天发布的消息，取得了良好的进展。我们将看看这是否会剥离更多内容。我百分之百确信，在今年年底之前，我们至少将拥有事实上的方法来以合理的方式构建代理之间值得信赖的交互。它仍然是四级自主性，我们将对其进行围栏。它不会无限灵活。它不会处理所有极端情况。

但底线是我不需要那样。我只需要我的生态系统能够以我信任的方式协同工作，然后我就可以从中获得巨大的价值。所以这是一段旅程，但代理是技能。技能……

最终本身就很有趣，但当你将它们组合在一起时，就更有趣了。当你跨行政领域和组织将它们组合在一起时，它们会变得更有趣。代理正在走同一条路。我们只需要发明一种方法，让他们能够安全可靠地做到这一点，但它会发展很快，因为这样做具有巨大的价值，并且有一种技术上的渴望去解决这个问题。这是一个可以出现的飞轮。令人惊奇的是速度有多快。你正在产生大量的投资回报率，并且有很多价值。人们在世界上行动迅速。而且

顺便说一句，我们将要做的很多事情都是我们以前做过的事情。我们不必发明一种全新的方法来验证代理的身份。我们只需要决定使用我们已经拥有的哪个工具。授权，也是一样。知识共享。我们有知识图谱。很多人都在谈论使用诸如机密计算和一种我非常喜欢的技术，称为部分同态加密或同态加密，这是一种非常酷的工具，能够在不查看数据的情况下处理数据。

这些东西实际上对多代理集合之类的事情具有非常有趣的适用性。所以我们不必发明一切。我们只需要将我们已经弄清楚的东西，也许可以应用到其他地方，并以正确的方式使用它们，以实现让值得信赖的代理集合能够完成任务的目标。

非常酷。我喜欢你在这里谈到同态加密。这是我想更详细地探讨的内容，但我们可能在这段对话中没有时间，因为我还有很多令人兴奋的话题要讨论。我接下来要谈论的是，正如你刚才所说，在2024年底，你说2025年将是自主AI之年。在同一次谈话中，你还预测了新的工作，例如软件作曲家、AI解释器，

和热力管道工。热力管道工，是的，没错。是的，这是一个有趣但必要的实验，你必须去做。我们所有人，我们业内任何一个人，任何处于领导地位的人，AI领域最大的焦虑来源是普遍存在的对人类被取代的恐惧，即我们将……

我不知道，将大量工作转移到机器上。我们将改变你的——在非常个人的层面上，如果你现在是这个世界上的人，并且你正在看到像自主和生成式AI系统以及我们在这里讨论的所有事情，这些都是非常令人兴奋和非常真实的，

你会将它与自己联系起来，说，这会影响我吗？我可能会失业吗？我的工作会改变吗？我的公司会存在吗？你知道，我的世界会改变吗？你知道，我非常喜欢的一部漫画，有人在很多年前发给了我。这是一个在教室里的教授，他问了一个问题，这个房间里谁喜欢改变？每只手都举了起来。然后他说，这个房间里谁想要改变？没有一只手举了起来。我们有点反对改变自己。我们可能喜欢改变，但这只会不影响我们。当你开始思考AI时，对吧？

你很快就会意识到，改变是不可避免的。就像每一次重大的技术变革一样，你知道，你不想成为内燃机出现时最后一个铁匠。有一个非常重要的需求需要理解这一点。问题是它发生得非常快。所以我认为我们并没有集体花足够的时间进行，我称之为深刻的智力对话，真正思考真正的工作是什么。我们可以高谈阔论，说，哦，每项技术总是创造就业机会。这是真的。

数据显示，这次可能会发生这种情况。但是，如果你是一个有工作的人，并且你认为你的工作将会消失，而且没有人告诉你未来的工作是什么，那么这将是一个非常尴尬的局面。所以我去年实际上花了一些时间，我们开始思考。我实际上有一个更长的清单，但我们挑选了一些并把它们放在那个博客中，说，好吧，如果你真的开始使用这些东西，你会意识到人类的角色确实发生了变化。

但为了让这个东西发挥作用，由于技术变革，需要存在很多新的工作。所以你提到的那些都是很好的例子。想象一下一个世界，所有的软件都是自己编写的。

这里有一个问题，因为编写软件的行为只有在你知道了你要创建什么程序、要解决什么问题之后才会发生。它还需要判断，因为有很多不同的方法来构建软件程序。这取决于你将如何使用它。你是创建微服务还是单体软件？它将是云原生的还是不是？它是12因素的还是不是？这些是AI本身无法真正做出的决定。

所以我们开始说，一个绝对会长期存在的角色是，必须有人成为软件的作曲家。他们实际上并没有演奏乐器，但他们决定这个系统应该是什么，什么是好的。因为没有这个，你甚至无法向AI发出提示。在你告诉它之前，它不知道该做什么，

如果你只是告诉它，编写软件，这还不够好。如果你告诉它解决我的销售问题，它也不知道该怎么做。所以你扮演着作曲家、领导者、决策者的角色。所以我们实际上，我今天早上刚刚和一些大学谈到这个。我说，你知道，我需要你培养人才。是的。

我可能有一些代码能力。希望他们知道如何使用编码助手，但我真的需要他们理解良好的软件架构以及如何构建系统以及它应该是什么样子，而不必自己编写代码，因为这是你需要的技能。我们谈到的第二个是热力管道工，这很棒，听起来很棒。它让人们开始思考。但事实证明，使GPU集群工作的必要技能集是

这些通常不相交的技能的组合。例如，从技术上讲，我需要一个了解计算机硬件工程和热力学的人。现在，我是一个拥有计算机工程专业的电气工程师。我了解很多关于计算机架构的知识。我只了解一些热力学知识，因为这是一个选修课。

我碰巧上过。没有人教我成为电气工程师的流体力学，但事实证明，如果你想让GPU集群工作，它是直接液冷，你必须了解热力学和流体力学是如何工作的复杂性，你必须了解GPU是如何工作的。而你真正做的是管理这个热力包络，GPU在不崩溃且不低效的情况下运行最佳的地方。

这是一项非常专业的技能，但是如果你看看实现它所需的学术学科，它们通常并不相交。一个是机械工程问题，一个是电气工程问题。好吧，这是一个两者兼有的问题。不会有很多热力管道工，但是如果没有他们，

我们将无法运行这些集群。因此，你已经看到这项工作在大型集群内部形成，因为它是在未来架构中非常重要的一部分。然后是第三个，我真的很喜欢，因为前两个非常专业。你必须是一个非常优秀、有思想的计算机科学人员或一个非常非常聪明的工程师。中间的那个是最引人入胜的，我们称之为AI解释器。它基本上说，看，我们将越来越多地使用AI来生成数据和见解。这很好。我们应该这样做。

但是我们将其传递给人类的方式同样重要。因此，我们今天在基因组学中已经有一些例子，你拥有这项技术，它可以挖掘你的基因组并发现你具有某些属性，其中一些是好的，一些是不好的。因此，在大多数情况下，你会发现，如果你有一组非常糟糕的事情的标记，例如，它会返回并告诉你，你很可能患有阿尔茨海默病、帕金森病和其他一些不好的疾病，你知道吗？

向你发送电子邮件是不可想象的。它需要一个人来同理地向你解释这一点，并确保你理解该怎么做。而这样做的人不仅仅是一个技术专家。他们甚至不是临床医生。他们需要了解数据集。他们需要了解AI是如何得出这个结论的。但他们还需要同理地向你解释。现在，这是一个已经发生的非常具体的例子。但是把它带入任何其他你正在——

你正在进行绩效评估。好的，我已经看到，我们将构建和使用自动化整个过程的技术。绩效评估应该是电子邮件、门户网站、文本还是聊天机器人，还是应该由经理与你进行对话？所以你已经成为了一名AI解释器，但你解释的不仅仅是你的意见，你解释的是数据告诉我们的内容，以人类可以理解的方式。

即使在学术界，我今天早上也会举一个例子，当你有绩效问题时，假设有一个学生，数据显示他们将被淘汰。他们做得不好。有趣的是，我们将出现一些工具，这些工具将告诉我们如何解决这个问题，我们实际上可以让他们重回正轨。

我们只是给他们发送一堆电子邮件并希望他们自己解决问题，还是我们有责任将一个人放在中间，这个人可以翻译信息和计划，并将这个人重新连接到正确的轨道上？在任何你使用机器生成数据的地方，有时它是良性的，你可以直接交付它，这很好，但是随着我们在医疗、绩效管理中使用它，越来越多的地方。

即使在社会服务中，对界面的需求仍然是人性，因为我们正在与人打交道，但我们需要的技能不仅仅是能够与人交谈的人，而是能够弥合差距的人。因此，他们必须对技术为什么这样做、它告诉你什么具有某种新的素养。

我认为这是一项巨大的工作。我认为这将是，你知道的，如果你想知道未来的呼叫中心是什么，那就是它。它可能是一项更复杂的工作，但它偏向于人类的非技术技能，而不是人类的其他技能。这是BA路径，而其他路径是，你知道的，博士工程路径，但是

所以我们只是完成了这项练习，老实说，我们发现了大约十几个非常有趣的东西，而且它们看起来都很合理。我们实际上在我们自己的公司内部看到这些工作正在有机地形成。我认为我们有责任，对我们自己、我们的民众、社会，因为这发展得太快了，所以要花时间

在我们部署这些技术时，我们会关注对人类的影响以及会产生哪些新的工作。当我向很多人讲述这个故事时，他们会感到舒服得多。他们觉得，这并不是零和博弈，我不会消灭人类，也不会没有工作。是的，事情会发生变化，但也会创造新的工作，也会有一些工作受到影响。顺便说一句，我要提醒你一点，忽略我刚才说的所有内容。人工智能周期中最大的就业创造者实际上是建筑业。

他们是建筑工人、水管工、电工。为了推动这场人工智能转型而建设和将要建设的基础设施数量，比几年前美国通过的基础设施法案还要大。这是一个巨大的公共工程项目，但它是由私营部门运营的。它将雇佣很多人。而且它会持续很长时间。

所以，人工智能确实带来了就业机会，但不幸的是，它也带来了非常迅速的颠覆。因此，我们必须认真思考未来的工作是什么，并帮助人们适应，因为这确实改变了谁在工作以及如何工作，尤其是在我们转向像自主代理这样的事物时。

使用 Agency 构建多代理软件的未来。Agency 是一个开源集体，正在构建代理互联网。它是一个协作层，人工智能代理可以在其中发现、连接和跨框架工作。

对于开发人员来说，这意味着标准化的代理发现工具、无缝的代理间通信协议以及用于组合和扩展多代理工作流的模块化组件。加入 Crew.ai、LanqChain、Lama Index、Browserbase、Cisco 和数十家其他公司。Agency 正在发布代码、规范和服务，没有任何附加条件。与其他关心高质量多代理软件的工程师一起构建。

访问 agency.org 并添加您的支持。网址是 A-G-N-T-C-Y dot O-R-G。

精彩的观点。我喜欢你把所有这些都整合在一起的方式，以及你对人工智能将如何影响就业所做的这种前瞻性思考。还有其他一些事情，鉴于你的时间限制，我们必须尽快讨论，但你谈到的一些非常具有前瞻性的东西，或者看起来非常具有前瞻性的东西，是人工智能和量子计算之间的联系。具体来说，你提到人工智能是连接所有现代技术的纽带，而量子计算和生成式人工智能是同一个故事的两个部分。你愿意跟我们详细说说吗？是的，当然。对于那些不太熟悉量子计算的人来说，它基本上是一种不同的计算方法。它是一种以不同方式进行数学计算的计算机。它不是使用二进制，其中所有内容都是 1 或 0，然后尝试将其转换为数学应用，而是能够同时查看任何特定值，

在 1 和 0 之间同时存在于所谓的量子比特中。量子比特是原子单位，而不是比特。比特只能是 1 或 0。量子比特可以是 1 和 0 之间的任何值。它甚至不是 1 或 0。它是任何值。其结果是，如果你有这个可以使用量子比特工作的系统，并且每个量子比特几乎可以是任何值，

它允许你使用比传统系统少得多的量子比特来查看概率。基本上，同时查看特定答案的几乎所有排列组合，而传统计算机必须一次查看一个。事实证明，这打破了一堆数学规则。有很多东西，比如密码学，特别是所谓的非对称密钥管理协议，它们依赖于这样一个事实，即

对素数进行因式分解的能力（这需要你逐个计算出答案）是如此困难，以至于使用足够大的密钥，计算机将永远无法做到这一点。事实证明，量子计算机可以同时查看这些内容，并立即得到答案。现在，能够做到这一点的量子计算机还不存在，但它们即将出现。

所以把它想象成量子计算机是一种可以以不同方式进行数学计算的工具。它所做的数学计算非常擅长同时查看许多事物并得出最佳答案。那么……

事实证明，与人工智能的交叉点非常有趣，因为如果我们考虑像训练人工智能系统这样的事情，你所做的是查看大量信息，并尝试将其转换为大量信息的数学表示，整个互联网，你拥有的每一块数据。

并且肯定有人认为，如果我们拥有这种类型的计算机，训练过程可能会变得更快更好。即使在推理方面，你也能更快地做出决定，例如，在一个代理中，它能够多快地做出决定并在某事物上进行推理，如果它能够立即查看所有内容、所有可能的选项，将会得到显著改善。因此，虽然还有很多工作要做，才能弄清楚究竟哪些算法是

我们所有人都相信，鉴于这种额外的能力，这种新的进行某些类型数学计算的方法。顺便说一句，量子计算机并非无所不能。它们只擅长进行某些类型的数学计算。有很多早期迹象和理论表明，这将具有令人难以置信的破坏性。而我所说的，大规模可用的量子计算的那一天，将比 ChatGPT 推出那天带来更大的颠覆。因为那时人工智能的任何最新技术，

将突然变得快三到五倍，甚至更好。这是一件非常重要的事情。这只是一个时间问题。有趣的是，两者之间的关系更加密切，因为实现这一目标的道路一直是一条非常缓慢的道路。

但现在我们发现，应用人工智能来构建量子计算机、运行量子计算机正在加速量子周期。我们实际上正在找出如何更好地进行约束理论。我们正在学习如何更好地与它们交互。我们可以更容易地对它们进行编程。因此，两者之间存在这种互利的循环，即随着量子计算的发展，人工智能正在加快其变得可行的速度。

随着量子计算机变得可行，它们将不可避免地创造一个计算基础设施，这将使人工智能变得更好。所以我不知道之后会发生什么，但我们正在走向那个日期。这不是明天。可能还需要几年时间，但也不是几十年后。所以我认为我们将看到量子效用，然后是量子霸权，作为

其中一个重大影响是，它绝对会影响人工智能的工作方式。所以我总是告诉人们，普通人现在还不用担心这个问题。我们

我们在企业中绝对必须关注它。想象一下，如果你可以重播几年前的十一月，并且你知道将会发生什么。你提前知道十一月将会发生这种颠覆，并且它将会改变一切。好吧，我现在告诉你，未来将会发生一次颠覆，它将会改变一切。我无法告诉你确切的日期，但我可以告诉你做好准备，因为这很重要。这将是另一次量子飞跃，双关语。

是的。作为另一个双关语，我想我们可以说量子和人工智能的未来是纠缠的。纠缠的。没错。嗯，我们可能是从你说的某句话中得到的。在我的，在我的关于此的研究笔记中。嗯，

我们必须开始总结了，不幸的是，因为这是一次引人入胜的谈话。我们可以聊上几个小时，也许有一天我们会再次有机会这样做。但现在我们需要开始收尾了。我总是让我的客人推荐一本书，约翰。是的。嗯，

我已经几次给出过这个答案了，最近没有，但是有一本书，我对它有一些依恋。我不知道你是否认识斯坦利·麦克里斯特尔。他领导特种部队，非常有趣的人。我相当了解斯坦。我认为他是一个非常聪明的人，因为他理解……

一些宏观事物。他写了一本名为《风险》的书，我非常喜欢。它是什么呢，它是一个叙事。我实际上接受了它的采访。而且，你知道，我们进行了一些有趣的对话。他与很多人交谈。这不是一本技术书籍。它谈论军事、工业。它的重点是帮助你思考人们如何处理风险和变化以及你周围发生的颠覆？因为从根本上说，你知道，如果你不能管理风险，我刚才谈到的所有事情，

选择正确的项目是一项风险管理工作。因为如果你选择了错误的项目，你就会倒闭。如果你选择了正确的项目，人们会因为你没有选择他们的项目而感到恼火。因此，能够处理这种情况仍然是一个我认为人们正在努力应对的主题。所以这是一本好书。就像我说的，我和它有一些联系。他们采访了我。但我喜欢斯坦。我认为我向很多人推荐过这本书，作为一种很好的方法来

从你的世界退一步，看看如何在各种不同的场景中处理风险？你会发现其中的模式可以帮助人们量化风险、理解、使其数据驱动、使其不那么情绪化。所有这些都能帮助你驾驭风险。因为在许多情况下，风险和变化是同一回事，因为变化会带来风险。如果你不愿意承担风险，你就不会改变。

在人工智能周期中，我们能够适应变化至关重要，这意味着我们能够舒适地管理和选择正确的道路，这实际上是关于管理风险。无论如何，斯坦会喜欢我再次为他这本书做宣传，但我确实很喜欢这本书，而且我向很多人推荐过这本书。当然。听起来这是一个很好的推荐。班上的每个人，如果他们喜欢奖励，请举手。班上的每个人，如果他们喜欢风险，请举手。没错。

很好。最后一个问题是，你显然是一个非常有思想的人，拥有广泛的知识。在这集节目之后，人们如何继续获得你的想法，比如在社交媒体上或其他什么地方？是的。是的。有趣的是，我们现在确实有一个 YouTube 系列，你知道，它真的是因为事情发展得太快，传统的营销行不通。我很高兴我们正在做这件事，因为老实说，我们必须使用其他工具，因为我们今天谈论的事情，我的意思是，我们谈论的是谷歌昨天发布的一件事，对吧？

好的，如果那通过了传统的营销流程，对营销流程没有任何异议，但这可能需要一个月的时间才能发布。所以我有一个 YouTube 系列。我在领英上非常活跃。我们正在做这些事情。进行这些对话很棒。我对人们的建议是，我已经对政府说过，我已经对行业说过，要与其他人互动。