We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
cover of episode Feed Drop: Why Only 10% of Companies Succeed With AI With Sam Ransbotham, Professor at Boston College

Feed Drop: Why Only 10% of Companies Succeed With AI With Sam Ransbotham, Professor at Boston College

2024/7/30
logo of podcast Me, Myself, and AI

Me, Myself, and AI

AI Deep Dive AI Chapters Transcript
People
J
Joel Beasley
S
Sam Ransbotham
Topics
Sam Ransbotham: 许多公司都在从AI中获益,只是收益没有达到预期中的颠覆性改变。成功的AI应用不仅仅是简单的“成功”或“失败”,而是要看其是否带来了显著的财务回报。AI应用成功的基础是完善的技术基础设施和人才储备,但仅仅具备这些还不够,还需要重新思考并改进流程本身。单纯地将AI应用于现有流程并不能带来成功,需要重新设计流程,而不是简单地将AI叠加到现有流程之上。企业在AI应用中会采用内部和外部人才,没有统一的模式。随着技术的商品化,企业内部人才的知识和对组织的了解变得越来越重要。现在借助免费的网络资源和普通的笔记本电脑,就能达到几年前需要专业竞赛才能达到的机器学习水平。现在机器学习工具的易用性大大提高,使得数据准备和模型运行变得更加简单。在机器学习课程中,数据清洗和准备比模型运行更重要。数据组织、标记和清洗是机器学习应用中的一个重要环节,甚至形成了一个独立的商业模式。提示词工程(prompt engineering)是一个快速变化的领域,其知识难以长期保留,更重要的是培养批判性思维。虽然大多数人没有自己构建过机器学习模型,但越来越多的人开始使用现成的AI工具。人们对大型语言模型的态度存在两极分化,一部分人完全忽视其价值,一部分人则积极探索其应用。在尝试使用大型语言模型的过程中,需要不断学习和改进使用方法。大型语言模型的使用率与年龄呈反比,年轻人使用率更高。大型语言模型可以有效地帮助作者构思故事和情节。大型语言模型只是一个工具,其效用取决于使用方法。在AI应用中,人才是关键因素,技术只是工具。判断AI是否具有意识是一个复杂的问题,目前还没有明确的答案。对AI是否具有意识的讨论,需要先对“意识”本身进行清晰的定义。目前对AI的定义主要集中在“人工”方面,对“智能”的定义则缺乏共识且不断变化。图灵测试的意义已经发生改变,人们不再仅仅关注AI能否模仿人类,而是关注其能否完成人类无法完成的任务。AI的应用应该着眼于其独特的优势,而不是简单地替代人类。图灵测试作为衡量AI的标准已经过时,人们的关注点已经转向AI的实际能力。人们对AI的期望值会不断提高,这与人们对新技术的接受过程是一致的。当前的AI工具容易导致人们追求平庸,需要警惕其成为阻碍进步的“拐杖”。AI工具是助力还是阻碍,取决于个人的选择和具体情境。在某些情况下,AI工具带来的中等水平的结果也比人工操作更好。在使用AI工具时,需要根据具体情况选择追求卓越还是接受中等水平。企业应该积极拥抱AI技术,以保持竞争力,否则将面临被淘汰的风险。许多工作中包含许多重复性或低价值的任务,AI可以帮助人们摆脱这些任务,从而专注于更有价值的工作。管理者需要识别哪些任务适合自动化,哪些任务需要人工完成。人们对便利性的追求会推动AI技术的应用,即使这可能会带来一些负面影响。人们对人形机器人的偏好可能源于拟人化的倾向,但这并不意味着人形是机器人的最佳形态。人形机器人并非AI的最佳形态,应该根据实际需求选择合适的机器人形态。企业在AI竞争中失败的原因,更多的是因为没有及时采用AI技术,而不是AI技术本身的缺陷。新一代学生在接触AI技术方面比以往任何一代学生都要早,这给教育带来了新的挑战和机遇。新一代学生在AI技能水平上存在较大差异,这给教育提出了新的挑战。AI可以帮助教育者更好地适应学生个体差异,实现个性化教学。AI可以帮助教师更好地了解学生的学习情况,并提供个性化的学习指导。AI可以提供个性化的学习体验,就像私人教练一样。AI可以帮助人们更有效地学习,例如语言学习应用Duolingo。AI可以帮助人们快速学习和掌握新的技能,例如Fosbury flop高跳技术。AI可以帮助人们更有效地学习,例如Simply Piano钢琴学习应用。 Joel Beasley: 只有10%的公司在AI应用上取得成功,这是一个值得关注的问题。大型语言模型的应用已经为其公司节省了大量的成本。人们对大型语言模型的态度存在两极分化,一部分人完全忽视其价值,一部分人则积极探索其应用。在尝试使用大型语言模型的过程中,需要不断学习和改进使用方法。其公司内部建立了专门的Slack频道来分享大型语言模型的使用经验和技巧。大型语言模型可以有效地帮助作者构思故事和情节。大型语言模型只是一个工具,其效用取决于使用方法。大型语言模型的表现已经超过了一些人。AI带来的工作岗位流失速度比以往任何技术都要快,这需要我们重新思考应对策略。我们需要思考如何应对AI可能导致的30%甚至更多工作岗位的快速流失。AI可以帮助人们处理一些枯燥乏味的任务,让人们将精力集中在更有创造性和价值的工作上。

Deep Dive

Chapters
The episode discusses the statistic that only 10% of companies achieve significant financial benefits from AI, exploring why this is the case and what sets successful companies apart.

Shownotes Transcript

今天,我们将播放由我们的朋友 Modern CTO Podcast 制作的一期节目,他们最近很友好地邀请我作为嘉宾参加。我们讨论了生成式 AI 的兴起,技术成功的意义,以及领导者在指导技术实施工作时需要考虑的一些因素。您可以在 Apple Podcast、Spotify 或您收听播客的任何地方找到 Modern CTO Podcast。

今天,我们正在采访波士顿学院的教授、Me, Myself & AI 播客的主持人 Sam Ransbotham,讨论为什么只有 10% 的公司在 AI 方面取得成功。您正在收听 Joel Beasley,Modern CTO。好的。那么您的播客,它的前提是为什么只有 10% 的公司在 AI 方面取得成功?

这引起了我的注意。我当时正在 LinkedIn 或其他什么网站上浏览互联网,我看到了这个,为什么只有 10% 的公司在 AI 方面取得成功?我就是这样找到你和你所有的节目,我,我自己和 AI 的。我想知道,这真的是一件大事吗?你为此做了一个完整的节目?好吧,我认为是的。你知道营销是如何运作的。我的意思是,我认为这就是那个词。我们必须用一些能引起人们兴趣的统计数据来开头。是的。

但这确实是一个非常有趣的问题,不是吗?鉴于我们听到的关于人工智能的大量信息,我们希望这个数字大于 10%。他们为什么失败了?

嘿,看,这就是陷阱。我认为人们并没有真正失败。所以,你知道,我们的研究,它会观察并指出大约 10% 或实际上 11% 的公司获得了显著的财务收益。所以这并不是说他们没有获得任何收益。这并不是说他们失败了。只是可能没有达到这个目标,嘿,AI 将改变我们从社会上听到的一切。所以它不是

不要把它定义为失败。这里不止两种选择。这不是霍布森的选择。这很有趣。是的。那么,在这些从 AI 中获得显著投资回报的公司中,告诉我关于这些公司的情况。是的。所以我们一起,我们试图去研究,好吧,鉴于我们有一些没有的人和一些有的人,有什么区别?我的意思是,对于学者或任何试图找出这些差异的人来说,这是一个自然而然的问题。

前几个是你可能,我认为我们会预料到的,对吧?他们必须把他们的技术体系整理好。如果你基本上是在使用运行在过时 PC 上的过时 Excel 副本,那么你就无法拥有像人工智能、复杂的机器学习模型这样的东西,对吧?所以这其中有一定的基础设施因素。

而且还有人才。你必须有人来使用这些工具。现在,所以我们发现,10%,要成为那 10% 中的一员,你必须具备一些基本要素。我们认为这些是人才、基础设施和战略。我可以谈谈每一个以及更多这些,但这并不能让你走完全程。之后还有很多。我认为,这才是对我们来说更有趣的事情。

例如,你不能说,我们只是要采用同样的旧方法,只是用 AI 来做。这不会让你进入那 10%。我一个有趣的例子是在医疗行业。所以这里有一个问题,Joel。传真机是什么时候发明的?哦,我不知道。这是关于排练的,每个人。我把他当场难住了,字面意思。我要说是在 60 年代到 70 年代之间。

80 年代初?60 年代和 80 年代初。现在,我认为你想到的是 1960 年代或 1980 年代,对吧?是的。不,更接近 1860 年代。真的吗?这很有趣,因为,你知道,如果你考虑一下,它早于电话,而且,你知道,它是在电报或其他什么东西上工作的。所以重点是。这是一项非常古老的技术。我正朝着这个故事的方向前进。不要惊慌。是的。

有很多有趣的事情正在发生。其中一件事情,使用传真机最多的行业是医疗保健。他们会不停地传真东西,你知道,来回传真。他们实际上是目前唯一仍在使用传真机的人。所以,我读过这个故事关于

医疗保健领域的人们使用 AI、光学字符识别、文本解析,从传真机中获取图像并扫描它,试图从中获取所有信息。一方面,这似乎是人工智能的一个很好的用途,因为没有人想重新输入传真纸上的一切内容,对吧?所以同样,人工智能在这里是有价值的。但是,为什么不首先不发送传真呢?

为什么不直接从一个计算机系统向另一个计算机系统发送信息,而根本不需要传真机呢?所以这就是重点,你不能只是把 AI 加到现有的流程上,也就是传真。想想一些新的流程方法。我认为这就是我们所指的 10% 的真正区别。

顺便说一句,我的兄弟和继母都是医生,我在他们的办公室里见过。当我出现时,我兄弟向我展示了他的办公室,我看到这台传真机上全是纸张,这让我着迷。他说,他们刚刚传真了他们的整个医疗报告。我只是浏览了一下,我说,伙计,在某个时候,有人需要创造一些技术来改进这一点。是的。好吧,我的意思是,有趣的是,我们在计算机系统中拥有数据。我们把它打印出来。

然后我们传真它,然后有人把它输入另一个计算机系统。传真在这里是一个不重要的步骤。所以关键在于,仅仅说,嘿,让我们用人工智能来改进我们现有的系统,这并不会让你进入,它是有价值的。我的意思是,通过让某人不用输入传真内容,你会节省资金,但考虑绕过这个流程的方法会带来更多资金。

你见过公司是如何尝试做到这一点的吗?他们是用内部人才还是外部人才?他们是如何处理 AI 的?是的,以上所有。我的意思是,所以我想,你知道,如果我能说,哦,不,伙计,总是使用内部人才,总是使用外部人才,那就好了。商业中没有什么事情是那么干净的。没有什么有那种模式答案。我的意思是,有时你需要公司内部根本没有的专业知识。另一方面,

我认为正在发生的事情是技术正变得越来越像商品。我稍后会解释我的意思。但重点是,如果它是一种商品,那么重要的是人们对你的组织的了解。这更难教和买。所以这是一个使用内部人才的理由。你见过 OpenAI Sora 模型吗?

哟,我还没用过它。不过你见过吗?是的。你见过预览视频吗?是的,太疯狂了。事实上,这正是成为一名教授如此令人沮丧的原因。我教一门关于机器学习和人工智能的课程。

我非常嫉妒那些可以使用上学期幻灯片的教授,因为我放上了上学期的幻灯片,就像,哦,我的天哪,那项技术,我就像在上面谈论 MySpace 和 Friendster 一样。我的意思是,事情过时得如此之快。太神奇了。所以是的,这真的很难。我的意思是,而且它发展得如此之快。所以告诉我你教的这门课。

所以这门课是给本科生上的,你如何教授机器学习和人工智能?实际上,为了回到我之前关于技术商品化的观点,在我们的课堂上,我们将使用图像分类,许多类别,手写,手写数字,

在课堂上,使用他们的笔记本电脑和我们从互联网上下载的、对每个人都免费提供的代码,我们可以超越五年前、六年前的比赛获胜表现。但我们可以使用他们刚刚下载的工具和他们在课堂上运行的笔记本电脑来做到这一点。

这真是太不可思议了。实际上,我想这可能是因为我是一位很棒的老师,但这确实是工具,它们变得如此疯狂。现在出现的图像模型、视频模型真是太棒了。你教的是 101 课程吗?他们进入你的课堂时有什么样的能力水平?实际上,他们必须了解一点 Python。我们有所以我们有一门 Python 入门课程。所以他们了解

编码。但这更多的是关于脚本编写。人们在这门课中学到的是,很多事情都是关于清理和准备你的数据。所以你按下模型上的“运行”按钮。按下模型上的“运行”按钮只是等待它进行处理的问题。很多事情,同样,都内置在人们可以使用的脚本中。

你知道,现在就启动它。你有你的笔记本电脑。我能告诉你。我能看到它在你面前。让我们下载它并开始运行。这真是令人兴奋。是的,两三年前,我采访了几家正在发展或已经上市的公司,它们在帮助组织、标记和建模数据,只是清理所有东西。这就是他们的全部业务,只是帮助人们组织和清理他们的数据。是的,这很重要。是的。你教提示工程吗?

是的,实际上,我们确实会做一些提示工程,并学习如何获得好的提示,如何获得坏的提示。对我来说,有点棘手的是,这感觉像是一种非常短暂的知识。你知道,你想想,我希望有人能从课堂上记住的东西超过六周或,你知道,理想情况下是学期结束。提示工程方面的东西也在迅速变化,真的很难理解。

把它提升到原则层面。但我认为更重要的是在这种情况下考虑批判性思维。因为我认为我们有一个……你显然已经玩过这些模型了,或者你正在谈论它们。实际上,让我再次当场难住你。我的意思是,这太……是的,当然。这很有趣。是的。

你有没有用 Python 或任何其他编码语言构建过机器学习模型?我没有。我尝试过它们,但我没有构建过它们。你玩过 ChatGPT 或任何其他大型语言模型吗?是的,投入了大量时间。我们在业务过程中使用它们。我估计这每年为我们公司节省了大约 10 万美元。这太大了。这之所以重要,我的意思是,数量级非常惊人。

但这也非常重要,因为它的易用性。因为我和人们交谈,大多数人并没有构建他们自己的 ML 模型。但越来越多的人,实际上是每个人都在使用现在可用的这些工具。我认为这再次回到了商品化故事,我们几乎都需要了解一点 AI。是的。当我们开始时,它在我们公司出现的形式显然是,我已经跟踪了

大约七到十年,我一直跟踪模型内部的进展,大型语言模型以及它们在做什么。因为我相当早地看到了它们,我说,好吧,这将很有趣。所以我每年都会查看一下。当它变得,缺乏更好的说法,公众意识与 GPT 在去年的 1 月或 2 月,我没有预料到的是

世界在主题专家之间是如何分裂的,那些人只是,他们基本上避开了它,关闭了他们的思想,把头埋在沙子里。它不能做人类能做的事情,或者他们做了一个提示,他们就像,它并不完美,他们完全忽略了整个生态系统。

然后是我们,说实话,这最初是我倾向于采取的路径之一。我当时想,呃,它并没有那么好。然后我看到其他人用它做更高级的事情。我说,好吧,那我只是不知道如何正确使用它。所以我回去说,我要回去重新审视一下。

这为我们的业务带来了一个绝佳的局面。我们有一个 Slack 频道专门用于我们从 GPT 提示中学习到的内容。我们固定特定的提示。我们与制作人分享知识,例如如何获得一个例子。你也许可以告诉我有一种更好的方法。

呃,但是当我们开始新的 GP chat,GPT 对话时,我们将拥有这些文档,基本上我们将它们粘贴进去,呃,开始。然后我们可以从那里开始。所以我们就像,好吧,这是你开始新对话时需要掌握的基础知识。然后你可以问它这样的问题,它会给你这样的输出。所以这就是我们目前正在做的,呃,来使用它。但当我开始看到人们推出这些自定义的,呃,

基本上,我还没有探索过这些。好吧,我认为很多这样的自定义工作都在做很多你的文档工作,只是试图大规模地做到这一点,对吧?你得到一家公司,然后你说,好吧,让我们为每个人预先训练它。所以他们已经拥有了这些信息,或者他们拥有他们的特定知识。

你刚才说的有 12 件很酷的事情。例如,皮尤研究中心去年秋天发布的一项研究,所以它已经过时得可怕了。但它说,尝试过这个工具的人数非常惊人,而且它与年龄成反比。如果你超过 65 岁,很少有人使用过这个工具。

皮尤无法询问 18 岁以下的任何人。而且,你知道,大约 75% 的人使用过这个工具。根据我的孩子的情况,如果你低于 18 岁,他们都在使用这个工具。这对未来的变化有非常大的影响。它也取决于你如何使用这个工具。例如,我再举一个不同的例子。所以我写了一本小说,我没有,

90% 完成了。我们基本上是在最后的编辑阶段,我们,

去年的一月或二月。所以当 GPT 公开发布时,我想知道是否可以使用它来帮助你写书?我有一些假设。我当时想,好吧,也许如果我输入,你知道,我该如何使用它?为了快速回顾它如何不起作用的所有例子,我发现它真正擅长的是帮助我构建故事框架。如果间谍要潜入设施,

问它 15 种不同的方法。然后在某种程度上把它作为一个,作为一个,房间里的另一个人最终成为我做这件事最有效的方法。但你不能只是说,写一本关于这个主题的完整书,或者其他什么。好吧,我的意思是,你说的正是现在的问题,呃,或者,你知道,听起来太消极的问题。我的意思是,什么,什么,

同时很酷和困难的是,它真的只是一个工具。这是我们必须弄清楚如何学习的另一个工具。有好的使用方法,也有不好的使用方法。我的意思是,

第一个捡起石头的穴居人。他们要么用石头盖房子,要么用石头互相砸脑袋。石头就是石头。我认为这是我们在播客中试图提出的一个非常重要的部分。播客是我,我自己和 AI。这三个词中有两个是关于人的。一个是关于技术的。我认为我们还有另一个故事,技术很重要,而且至关重要,但我们如何使用这个工具非常重要。

你认为我们会在什么时候能够说 AI 是有意识的?是的,这会变成一件可怕的事情。实际上,我们也进行过一些类似的争论。我的意思是,这是一个滑坡,不是吗?我的意思是,我们对,你知道,我是秃头吗?好吧,是的,但那是什么时候发生的?你知道,有一些计划的年份和……

在逐渐倾斜的斜坡上称这些非常有限的“是”和“否”的事情真的很困难。但是我的意思是,你看到了和我一样的关于,哦,我的天哪,它是有意识的,它是具有感知能力的。它当然看起来是这样的。当然,与你最终交谈的许多人相比,它似乎比他们更精明,对吧?是的,我深入研究了这个问题,并与麻醉师和非常接近意识的人交谈过关于

我们甚至对意识是什么都没有很好的答案。它是一个人吗?作为人们。所以我当时想,哇,这仍然是一个开放性的问题,这里没有共识。有共识,有对意识应该能够做什么来参与社会有理解。但是,呃,我最喜欢人工智能的一点是,你向某人索要定义,它通常具有这种形状。人工智能是 blah,blah,blah,blah,blah。情报。

所以,你知道,我不记得你是否记得在数学课上的日子,这是一个犯规。你不能把等号左边的东西放在等号右边的位置。所以我们真正擅长的是定义人工。我们真正不擅长的是定义智力部分,因为它一直在变化。好吧,这是我的基本论点。Chat GPT 比我认识的人更聪明。我现在要看你假装没看着我。哇。

不,但是是的,那,我当时在说,你知道,我和各种各样的人交谈过,从那些设计大型语言模型的人到他们自己。他们在脑海中有了自己的画面。它不是意识。它就是不是。它只是,我明白了,但是你所做的事情的结果,我与它的互动等于或大于与其他人类的互动。所以如果这是标准,那么它就在那里。好吧,嘿,让我们暂时把这个标准称为愚蠢。我的意思是,我认为有,

图灵测试。我的意思是,你在这里谈论的是这台机器能否以这样一种方式行事,让你误以为它是一个人而不是一台机器?这是很久以前我们都非常熟悉的艾伦·图灵测试。好吧,这些年来,我们一直在追逐这个图灵测试。

就像一只追逐汽车的狗一样,我们抓住了汽车,却不知道该怎么办。就像,我们现在该怎么办?我们可以愚弄人们,让他们认为某些东西是人类。好吧,现在呢?我的意思是,这真的是目标吗?我们有大约 90 亿人生活在这个星球上。我认为我们不需要一定取代他们。我的意思是,我们需要考虑这项技术可以做到而我们做不到的事情。否则,我们只是处于这种

复制模式,而不是考虑我们和机器可以一起做得更好的事情。不,你完全正确。而且那个图灵测试,每个人,所以我已经做了将近 10 年的节目了。当我早些年进行这些对话时,它就像图灵测试,这就是我们的目标,图灵。然后有一天我记得做了一个采访,这个人只是说,是的,他们只是非常不屑一顾。他们就像,是的,但这并不算数。

几十年来,我们人类并没有朝着这个方向努力,但这并不算数。现在的事实是它不能做 A、B 或 C。我说,哇,我们多快就超越了图灵测试作为重点。好吧,我们对此很糟糕。关于 AI 的定义之一,回到 AI 的定义,它几乎总是说这个词

像短语通常,你知道,人类通常做的事情或规范,像关于通常或通常的事情。所以它只是提出,这是一个滑坡。如果你回到 18 世纪,你给某人一支羽毛笔,当你拼错单词时,这支羽毛笔会变成红色墨水,那将是巫术,对吧?你会被烧死。我们会带你去塞勒姆,把你浸在水里一段时间。但是现在是拼写检查,哎呀。

那不是人工智能,对吧?所以我们只是对这项技术能够做什么抱有不断变化的期望。我认为这不会改变。我们总是希望它做得更多。是的,我讨厌自动完成。我就像,你还没能读懂我的心思吗?哎呀,算了吧。离开这里。不过,回到你的小说。在这种情况下,让我担心的一件事是……

我认为,根据我对你的了解,你并不想创作一本普通的小说。你的目标是在早上醒来时说,嘿,我真正想要的是一本统计上平均的小说吗?不会。我从不做普通的事情。没错。就像伍巴贡湖的所有孩子一样,你比平均水平更好。是的,但我认为这就是我们现在正在努力解决的关键问题,即这种走向平庸的竞争。

所以我们拥有这个非凡的工具,它可以让你惊人地快速达到平庸。有两个,我要,你知道,我之前抱怨过,你可能会选择 A 或 B,我在这里要让你选择 A 或 B。但这是一种工具,A,帮助我们并为我们提供巨大的优势,以便我们达到平庸,然后我们可以从中构建?

或者 B,这是一个让我们达到平庸的拐杖,让我们没有能够超越平庸的工具和资源?

我认为这正是我们现在正在使用现代生成式工具时所努力解决的问题。是的,我认为这将取决于个人。是的。你知道,像我一样。实际上,也许也取决于情况,取决于个人。就像,我不需要很棒。实际上,我在课堂上做的一件事是,我会把它打进去,让他们为这门课创作一首主题曲。你知道,它会像一首小诗。它做得比我任何时候都好得多。

我很满意。就像平庸比我做得要好得多。我选择不在这方面竞争,你知道,在这方面。

另一方面,有很多事情我希望做得更好。我写的任何东西,我都希望它不普通。我不希望它平庸。我希望它非凡。我认为这是,你知道,我们将不得不,在个人选择中,也在情况选择中,你知道,这是我想要变得很棒的情况吗?还是这种情况,好吧,我的意思是,平庸是可以的。

领导者如何探索这一点?我们有很多领导者收听这个节目,他们大多数都在技术领域,从第一次担任领导者到工程副总裁,一直到 CTO、CIO、CISO,整个,整个堆栈。人们收听的原因是为了在领导公司方面变得更好。以及如何,如何,领导者应该如何开始在他们的组织内探索这一点?这真的很酷。这,这,

我之前给你的例子,你构建过机器学习模型吗?没有。要能够首先运行该模型,您必须安装许多设置和基础设施。我认为这是一种学习曲线。我不喜欢“陡峭的学习曲线”这个词,因为它并不陡峭,实际上非常平缓。你需要付出很多努力才能达到能够从该工具中获得一些回报的程度。

相比之下,我们现在看到的关于生成式 AI 的现代工具非常易于访问。你现在就可以去尝试它们。你的听众应该尝试一下,因为他们组织中的每个人都在尝试。每个人都在,你知道,弄清楚他们能做什么和不能做什么。但是当你尝试时,我认为要记住一件事,你知道,回到你如何尝试的例子,

如果你在你的公司雇用了一个新人,而他们在第一天工作表现不佳,你会解雇他们,还是你会给他们一些帮助让他们变得更好。我希望是给他们一些帮助让他们变得更好,因为如果你只是解雇第一天表现不完美的所有人,你的公司就会空空如也。

我认为当我们使用这些生成式工具时,我们必须考虑的模型是,我们如何才能帮助进步并让他们变得更好,而不仅仅是 categorically 拒绝他们在犯错或产生幻觉时所做的事情。你是否为任何公司提供咨询服务?

哦,没多少。不,我业余时间做一些工程咨询和软件开发,那才是我觉得有趣的事情。你有没有参与到政策方面?白宫有没有打电话给你,说,嘿,我们需要知道接下来会发生什么?我们要禁止所有超过20GB的模型之类的情况?他们肯定弄丢了我的电话号码。我不知道这里发生了什么。没关系。我认为监管方面的事情很有趣。既然你问了,如果他们打电话来,我会这么说:

我们有很长的历史可以处理新技术。而我们却把它当成一个神奇的例外来对待。我认为它不一定是这样的。我给你讲几个故事。一个是1906年,厄普顿·辛克莱写了一本书,叫做《屠场》。这本书是关于芝加哥的肉类包装行业的。内容极其令人作呕。它所做的就是,它揭露了一个无法容忍的局面。

它之所以存在,是因为没有人去过肉类包装厂里面看过,对吧?一切都隐藏起来了。我们只知道,当我们吃东西的时候,我们会生病。快进到今天,你可以打开几乎任何东西吃,而不用担心把它送到你面前的供应链。我们可以去任何一家餐馆,并且相当放心不会生病。事实上,每年我们都会有一次大肠杆菌恐慌。我们会有一些,你知道的,一家餐馆上了头条新闻。

这些都是头条新闻,因为它们是不寻常的。因为发生的事情是,我们在食品包装和餐馆周围建立了一个监督和信任的基础设施,帮助我们对这些东西建立信任。相比之下,我们现在在科技行业没有任何这样的东西。每一个这样的模型都在幕后发生。什么是OpenAI?

好吧,一个词就是不开放。我知道。所以我不知道AI的情况。我们可以讨论它是否是AI,但是开放的部分在这个方面已经消失了。所以我认为我们将不得不考虑如何处理这些问题。

和监督,它将不得不,你知道的,我们可以购买我们不知道其账目是什么样的公司的股票,因为我们相信会计师会去查看它。你知道,这是一个模型。所以我们社会上有模型。我曾经在联合国原子能机构和武器核查员那里工作过。

我们不希望人们制造炸弹。好的,所以我们有一个关于检查和测试的基础设施,以及一些胡萝卜加大棒,让你获得动力反应堆信息,以帮助你更好地使用这些动力反应堆,以避免它们爆炸。所以我们在它周围建立了这个基础设施,并且,敲敲木头,我不确定这个节目什么时候播出,但是自从这个组织

组织发展以来,我们没有发生过任何重大的核事故,你知道的,所以这并不是我们第一次考虑一种强大且可能造成一些危害的技术,我们必须弄清楚如何对其进行监管,它与那些相比有一些独特之处,所以你有这两个例子,《屠场》和原子……而这些都是,你知道的,伤害或杀死人的例子,但是……

失业怎么办?就像我思考过的事情之一,首先,我回顾了关于马和汽车、以及马车夫的故事,还有关于邮政系统的故事,每个人都认为互联网会让邮政系统倒闭,但它却因为快递而蓬勃发展了。所以我认为,好吧,我明白了。

然而,当我看到工作岗位的合并时,现在与其他情况不同的一点是,它可以部署的速度。例如,从马过渡到汽车之间有一定的滞后时间。比如说,一两年。这些技术的滞后时间是,我们已经大大压缩了滞后时间。你认为?

我们有能力处理这个问题吗?如果我们明天醒来,某个行业的30%的工作岗位因为这项技术而消失了,我们会如何应对?

是的,我的意思是,如果你明天醒来,我认为你关于速度提高的观点是有效的。我认为这是我们正在努力解决的一个问题。六个月前有人呼吁暂停。我认为那是,我的意思是,囚徒困境中有太多东西让人们背叛,你知道的,令人震惊的是,领先的人是那些想要暂停的人,而落后的人对暂停不感兴趣。而且

从其他方面来说,我的类比失败了,因为我的大多数类比都涉及到实物商品,而这纯粹是信息商品,所以它可以相对快速地跨越国界。我的意思是,这些类比并不完美,但我认为在失业方面将会发生三件事。最受关注的是

工作没了。你明天来上班,机器正在做你的工作,这就是你说的30%的例子。工作不复存在了。这是一种机器已经完全取代工作的场景。我一开始对此表示相当怀疑。我理解这种恐惧,但我相当怀疑。

我认为第二种情况更真实。那就是,其他人在那里抢走了你的工作,因为他们更擅长使用这些工具。有很多工具在那里。就像你说的,你正在使用这些工具,你变得更擅长使用它们,你学习如何使用它们,你学习如何提高效率。突然之间,你比你的同类更有吸引力。这是一个非常真实的风险。这就是,你知道的,

机器不会取代人,但使用机器的人会取代不使用机器的人的论点。我认为这是非常真实的。我认为第三种情况更多的是,然后回到你的例子,假设你的组织根本不使用这些技术,而另一个组织使用,

那么,你就会面临组织层面的淘汰。使用这些技术的组织的成本结构下降了,而没有使用这些技术的组织不再具有成本竞争力。因此,这是一种大规模裁员的场景,也是失业的场景。只是它不是在个人层面,而是在公司层面。

我认为这是另一个需要考虑的因素。第一个是让我们关注的东西。但是第二和第三个,我认为,是现在正在发生的大事。你提到,乔尔,你认为你每年节省10万美元。有人在那里花费10万美元,他们不可能再过几年就能做到这一点,在你

把他们赶出市场之前,对吧?好吧,我们总是试图把自己赶出市场。因为你不这样做,别人会这样做。是的,是的。好吧,就像我,我们在这个行业已经七年左右了,你知道的,显然有一个饥饿曲线,对吧?你试图一直保持饥饿,但你永远不会像在你有所成就之前那样饥饿。所以这些人,他们只是冷静地看待市场,看看有哪些工具可用,抓住它们并试图实现结果。

而不是像,这是正确的方法,这是最好的方法,这是……例如,乔什。乔什和我几年前,也许一两年以前,当AI……

在后期制作音频增强方面变得如此出色,以至于手动完成所有这些事情不再有意义了。相反,你可以说,好吧,AI将完成我的工作流程的这一部分,然后我将花更多时间编辑谈话要点和流程。

所以,但是还有很多人仍然认为,啊,这是正确的方法。这是真正有机的做法。所有真正的艺术家都是这样做的。就像,看看结果吧。是的。好吧,我认为,让我们从那里提出两点。一点是,大多数人在工作中都在做他们不想做的事情,或者至少其中一部分。

对我来说,我会收到一封电子邮件,上面写着,教授,我错过了课。我错过了什么吗?我尖刻的回答总是,没有。我抬头一看,发现你不在那里。我们只是把一切都关掉了。但是不,我缓和了我的尖刻回答。而且,你知道的,如果我可以让AI帮我缓和我的回答,我可以写出我的尖刻回答,然后让它缓和语气,让它变得友好。

或者回答教学大纲上的问题。你知道,我经常做这件事,我不会说我在那里增加了很大的价值。几年前我们做了一项研究,我们问人们,嘿,你对人工智能怎么看?你希望它能完成你的一些任务,还是担心它会完成你的一些任务?73%的人说他们希望它能完成他们的一些任务。33%的人表示担心。

我认为这就是我们现在所处的位置。现在,我并不是说这些数字不会随着我们获得更通用或更知识导向的工具而改变。也许这些数字会改变。但是现在,很多人都在做他们不想做的事情。这可能并没有增加价值。我不会在这里让人们难堪,但我不知道后期制作的例子。那是有趣的工作还是不有趣的工作?它可能只是枯燥的工作。是的,乔什,清理非常糟糕的音频。

是的,我的意思是,它擅长的是那些听起来像是用垃圾桶录制的音频。听这些音频或处理这些音频从来都不是一件有趣的事情。让机器来做这件事更有意义,因为它听起来更好。你可以专注于内容和重要的东西,以及那些有影响的东西。

而你说的第二点,乔尔,是你把“工作”这个词换成了“技能”或“任务”。我不记得你确切地说的是什么,但我认为这就是思考的方式。我们现在的工作是我们每天做的数百件事的组合。其中一些更适合计算机,一些则不太适合。我们必须弄清楚它们在哪里。同样,这归结于管理,因为

弄清楚这一点是管理。弄清楚这项任务与那项任务的投资回报率是管理稀缺资源的关键。你不能自动化所有事情。

我想确保我们谈谈擎天柱。你见过埃隆·马斯克的双足机器人擎天柱吗?没有。哦。哦,真正的机器人?是的。是的,是的,是的。好的,是的,对不起。四处走动、叠衣服之类的那个东西。你见过吗?是的。实际上,你怎么看?什么?

我可以看出你对此很兴奋。好吧,我们是便利的傻瓜,人类。所以,那一刻,就像我通常会说,不,我不允许那个双足机器人进入我的房子。但是,那一刻你再说,好吧,每月200美元。

你的房子将一直保持清洁。你在睡觉或工作时打扫卫生,或者无论是什么。你将,你的饭菜将被准备好。你妻子的心情会更好。洗衣将,就像所有事情都将完成。你正在过着Jay-Z的生活,不是吗?对吧?对吧?我会说,是的,我对反乌托邦未来的厌恶,以及我对廉价便利的热爱,它们是矛盾的。是的。

我认为这件有趣的事情是,它也体现了我们对双足动物的迷恋。就像我,当人们想到人工智能时,他们会立即想到他们看到的波士顿动力公司的机器狗或这些,你知道的,这些,它们看起来都像人类。

我不知道是谁决定这是个好形状。为什么那是我们,为什么那是我们想在机器中寻找的东西?我认为有很多形状的人,很多形状的东西比人形更有用。现在,我承认你可能需要一些人形的东西来做最初为人类设计的工作,但没有理由说人形是正确的形状。它让我们陷入这种

人形机器人的思维方式,我认为它的范围是无限的。你认为是拟人化吗?是的。就像我们一样,我们对狗也这样做。我们一直对事物这样做,我们现在只是对技术这样做。对。但是没有什么说明那是正确的形状。我认为这就是为什么人类

让机器阅读事实的原因。好吧,为什么要有一个人形的形状?仅仅是因为我的意思是,在立即从我身高合适的熨衣板切换到对机器来说最优的熨衣板方面,有一些便利性。但我们很快就会切换到那个。我想知道那些镜像神经元是否部分应受责备。

我们喜欢像我们一样的东西,对吧?没错。是的。哇。还有什么……所以我……我认为这次采访中有趣的一点是,在我对你提出的几乎每一个问题的部分中,你都提出了一个我从未想过的新想法。是的。

压力很大。我喜欢你。我非常喜欢你。当我谈到威胁是使用这些技术的组织在自由市场中胜过不使用这些技术的组织时,我真的很惊讶。这就是将会发生的事情。他们会崩溃,因为……是的,这甚至不是一个难以想象的事情。不,不。

同样,我们如此专注于第一个例子,以至于我们忽略了另外两个会狠狠地打我们屁股的例子。你在学习什么?我只想和你聊聊教授的事情一会儿。你对下一代有什么了解?你当教授多久了?超过十年了吗?天哪,是的。好的。你看到的学生入学的变化趋势是什么?你知道,好吧,那是一些,哦,天哪,你就像,让我躺在沙发上说话。是的。

不,我的意思是,我认为这非常吸引人。孩子们接触这些技术的时间要早得多。所以你想想这对我们在教育中的影响是什么,这意味着人们带着他们以前没有带进来的技能进来。我们理论上过去曾经提供这些技能,而现在他们带着这些技能进来了。所以问题是,我们现在提供什么?我们能在此基础上再发展吗?所以我认为这是一个转变。

我认为我们可以解决这种转变。但我更感兴趣的是分散性,是这种差异。我的意思是,我们有些人对技术非常好奇,他们进来后就非常出色,并且已经掌握了这些东西。我不确定我能教他们什么,对吧?另一方面,我们也有一些人似乎越来越……这意味着我们认为要教导的钟形曲线正在发生变化。

如果钟形曲线很高,那么在课堂上它就非常好,因为这意味着它很窄。因为然后我可以在课堂上谈论同一个话题,我会让两三个人感到厌烦,我会失去两三个人。但我将达到中间的最佳点。但是当它散开时,我就会遇到更多麻烦,因为我仍然可以覆盖相同的切片,但是我的尾部会越来越大,我会因为厌倦或没有做好准备而失去越来越多的人。

我认为这实际上是我现在对人工智能最兴奋的地方,因为我认为它可以帮助解决这个问题。我们花了这么长时间思考我们可以教机器什么。这又回到了你之前提到的图灵测试。我们可以教它像人类一样吗?我们可以教它吗?这与我们在这一领域的情况有关。

我是所有知识的拥有者。我是知道并赐予每个人知识的存在。这是一种糟糕的心态,因为它把我定位为知识的给予者,而学生是接受知识的空容器。关于这一点有很多研究。但我对人工智能感到兴奋的是,它能够满足人们的需求。理想情况下,我们会有一对一的教学,但这根本无法扩展。

我们在多大程度上可以使用人工智能来帮助我们学习?我并不是说教机器。我说的是机器如何帮助我们学习?如果你考虑一下,回到你关于熨衣和Jay-Z的例子。如果Jay-Z想保持健康并请一位私人教练,他就会有一位随时待命的私人教练,在他准备好锻炼的那一刻就准备好。

而我,当我从沙发上爬起来的时候,很可能没有一位私人教练在等着。但是把技术引入到这个领域。我们已经看到了Peloton,我相信还有其他的,我不希望特别地提到它们,但是Peloton有一个放在你房间里的设备,它可以说……

你管那叫平板支撑吗,伙计?看起来不像,或者我认为我们说的是12个俯卧撑。在我看来,那看起来更像是6个。或者,你知道的,所以我们可以让机器,它现在可能不如一位私人教练,你知道的,一位个人私人教练那么好,但它就在那里,随时可用,并且根据你当时正在做的事情进行定制。

我认为这非常令人兴奋。我不知道你是否使用过Duolingo这样的东西。Duolingo的目标不是翻译语言。Duolingo的目标是让你学习语言。对于大多数人来说,是学习英语。你可以大规模地进行定制的语言教学。它确切地知道你懂什么。它确切地知道你不知道什么。它知道你的长处,知道你的弱点。我们可以进行人类改进,这可能是惊人的。我对这一点非常兴奋。

而且,你知道的,你想想你小时候是如何学习语言的。你可能有一位老师,通过多年的经验,学习了良好的教学方法。但是这些好方法是如何传播的呢?对于Duolingo来说,如果他们发现了一些能帮助人们更快学习的东西,他们可以在明天将其推广到全世界。这非常令人兴奋。

我喜欢的一个例子是福斯伯里跳高法。迪克·福斯伯里发明了一种跳高方法,你不用向前跑然后跳过横杆,而是向后跳过横杆。大约两年时间,整个世界,跳高界,都从向前跳过横杆的人变成了向后跳过横杆的人。现在,这与……我不会在这里偏离主题。你想想,有些公司在滑雪靴里安装传感器,他们实时监控你的滑雪情况。

将会发生的事情是,有人会发明一种疯狂的滑雪方式,以某种方式获得更好的表现。我不知道那是什么。他们会记录下来。第二天,他们的工程师会查看它。然后第二天,它就会出现在其他所有使用该设备的人的建议中。明白了吗?是的。所以我们有能力快速地大规模地推广我们所知道的知识。同样,这些都是人类可以变得更好的方式。我认为我对这一点非常兴奋。

是的,我的孩子们使用Simply Piano。你见过这个应用程序吗?他们真的掌握了如何分解它,所以我可以让一个四岁的孩子或七岁的孩子坐在它面前,它会在教他们一步一步弹钢琴的同时吸引他们的注意力。太棒了。看,这些东西太棒了,因为,同样,这个工具的目标不是弹钢琴,甚至不是演奏音乐。

目标是帮助你更好地演奏音乐。我认为这只是一项未开发的资源,我们才刚刚开始思考我们可以从机器中学到什么。感谢您今天的收听。我们将于9月17日回归《我和AI》的新剧集。请收听。