From Shiny to Strategic: The Maturation of AI Across Industries // David Cox // #303
40:50 Share

我的名字是David Cox。我喝黑咖啡，不过是用雀巢咖啡机做的，所以我不用自己动手，只要按个按钮就行了。我们又回到了另一个LL Ops社区播客。我是你的主持人Demetrios，我和David谈论了你可以如何看待机器学习，特别是无监督机器学习，来帮助你改变你与这个世界互动的方式。

行为经济学是我学到的一门学科，我希望你也能学习。让我们现在就和他一起深入探讨吧。我要声明一点，这是一次不同类型的哲学对话。我们没有深入探讨如何部署这些模型以及我们关注哪些规格、什么样的QPS以及我们喜欢使用的所有其他有趣的缩写词。

但我仍然很高兴和他交谈，并进行各种各样的闲聊。我希望你也是。我们应该从……你身在佛罗里达州却穿着毛衣开始说起。这怎么可能？是的。

相对论也适用于温度，我想。对。是的。我在德国穿着T恤。是的。你那里的温度是多少？我想。我用摄氏度。我已经转换过来了。所以，

是零度。过去几天是零下五度，对于那些使用华氏度的人来说，零度显然是32度，但零下五度大约是……

是的，20多度，我想。20多度的高温。太冷了。如果佛罗里达州这么冷，我想我不会出门的。是的，你习惯了它，这很有趣。确实如此。哦，是的。绝对的。我的意思是，我在科罗拉多州长大，很多人一听到这个，就会说，等等。但是是的，我不知道。我想我在佛罗里达待得太久了。你适应了它，伙计。太好了。好吧，我想和你谈谈的有趣的事情是……

根本不是围绕LLM。我认为我们一开始就进行了这次谈话，我们真的想进行这次谈话，因为在AI领域发生的不仅仅是LLM热潮、代理热潮以及其他任何东西，在这里插入你下一个类型的词语热潮，对吧？是的。

你最近在做什么？是的。所以我工作，这可能有助于说明我的背景。这可能会有帮助。所以我主要从行为科学领域进入AI，你知道，

就像与人类进行临床工作一样，但你可以把我们正在做的事情想象成更像行为生态学，但应用于人类。也就是说，你知道，你观察人们周围的环境，你如何改变它来改变行为，比如工作场所设置，对吧？或者临床上的事情等等。然后，你知道，我如何进入我现在正在研究的AI领域是，你可以想象环境非常丰富，各种各样的刺激我们感知、回应并影响我们的行为。而且，

在2010年代中期，突然出现了一堆研究结果。AI比X、Y和Z更擅长医生。所以，你知道，作为一个对人类决策感兴趣的研究人员，我想，这是什么东西？嗯……

这让我转向了，再次回到我现在的工作，你知道，我们如何才能从更大的环境、感觉方式、可穿戴技术等方面获取信息。从这些数据中，了解人们为什么这样做，然后利用它来帮助他们做出更好的决定、更健康的决定、过上更幸福、更健康的生活。所以这不是在考虑……

疾病来自可穿戴设备或血液检测等信号。更多的是，为什么人们决定坐在沙发上或吃那些东西？

没错。我喜欢的那个披萨。为什么我星期六选择它而不是西兰花和鹰嘴豆泥？没错。是的，完全正确。而这在我的行为分析训练领域中很有趣，有一块文献叫做说做一致性。

基本上，这个想法是，我们并不总是做我们所说的或我们……如果你问我，为什么你吃披萨而不是西兰花？我可能会说些什么，但这并不总是与我的行为或我实际上做某事的理由相符。你知道，如果你查看数据，你真的会深入了解它。所以这是一种非常有趣的二分法，有点像回到LLM，对吧？基于语言、文本的。

但这可能不会给我们提供所有我们需要的信息来理解，你知道，你为什么做你做的事情，以及我如何利用它来帮助你做出更好的选择？那么你关注的一些事情是什么呢？有趣的是，这也是2010年代中期让我接触到AI强化学习的地方。我猜很多听众都熟悉。

有一整块生物学文献，对生物有机体的强化学习已经存在了100年、150年。所以我们关注很多相同的东西，你知道，你是一只在操作室里的老鼠，你是一个人，你在浏览推特，无论什么。都会有一堆刺激呈现在你面前。

这发生在你参与某种行为之前。在你参与这种行为之后，就会发生一些事情，对吧？你知道，我发了一条推特，有人点击了点赞按钮。而这种单元，这种先行行为后果链是我们讨论的内容。你可以随着时间的推移分析这些。从那时起，我可以开始预测，你知道，根据你参与的行为，什么是你的奖励或强化物。然后我可以开始利用它来预测你接下来会做什么。

推特、Meta，它们都使用相同的算法来了解人类行为，对吧？我们只是在谈论在健康行为的背景下这样做。是的。这就是为什么当我登录LinkedIn时会有这么多通知。你似乎无法不被它们分散注意力，因为它们非常擅长吸引你的注意力。是的，它很厉害。那么你如何试图帮助人们做出正确的决定呢？基本上就像……

我还是认为，把它分解一下，你收集的数据更多的是关于……

我走了多少步，它可能是，它更多的是锻炼或与身体有关，或者是我有多少屏幕时间。是的，可能都相关。对。所以，嗯，你可以想象，是的，我不确定你一天睡多少个小时，减去你睡觉的小时数。你得到了那么多小时的行为。嗯，所以你可以考虑，呃，

在这种行为的总集合中，实际上有一个叫做匹配定律的东西，这是生物有机体的已知原理。你倾向于将你花费在某项活动上的时间量与你从该活动中获得的奖励量相对应。

所以，你知道，如果我想说改变你每天走的步数，改变你的身体活动水平，我会观察，你知道，你现在走多少时间？你一天还做什么？你发现哪些事情有益？Netflix，对吧？或者其他什么，你知道，也许是浏览推特，所有这些有趣的事情。然后问题就变成了，你是否有办法让身体活动获得更多奖励，

而不是说，Netflix或其他什么东西。所以你可以，很多，而这，你可以想象，有很多治疗意义。你知道，如果我沉迷于很多药物滥用，我花了一些时间在这个领域做研究。我想让你从……可卡因转向其他可能更健康的东西。所以你试图弄清楚我能创造什么来与你从那种可能不健康的行为模式中获得的奖励竞争，以健康的方式，你知道，把它转移到某种更健康的行为模式。是的。

但是，你知道，现在我们也在谈论数据问题，对吧？理论上令人惊叹。我如何获得你的数据，让我真正了解你的一天？幸运的是，在我的工作领域，过去十年令人难以置信，对吧？技术让我们能够收集比15年前、20年前甚至更多的数据。但仍然是一个未解决的挑战。Apple Watch和Whoop。是的。哦，是的。来吧。是的。是的。

但我仍然不清楚的是，你如何积极地尝试将更多多巴胺或血清素或大脑中释放的任何物质与

当我锻炼更多或走更多步时，你如何建立这种联系？是的，是的。所以有一种基本的，回到匹配定律的概念，行为流向强化流向的地方是一种有趣的表达方式。对。所以如果我能观察你一天的行为基线，在我做任何事情之前，我就能大致看到，你知道，你在Netflix上花了三个小时，走了十分钟。

Netflix有很多价值。那里发生了什么？我如何利用它来为你提供一些东西，你只能通过体育活动获得它，让我们说。对于这些类型的干预措施，一种流行的表达方式是偶然管理。很简单。很多研究环境。

你知道，你可能更喜欢坐在沙发上，但如果我今天给你20美元来达到你的步数呢？如果我每天给你50美元，100美元呢，对吧？你可以开始增加价值，并开始增加这些额外的奖励意外事件，它们被称为，对吧？所以它们不会出现在自然环境中，但你可以补充、增强、增加健康行为的奖励价值。

让它发生变化。然后在临床上，通常的挑战是，好吧，太棒了。你可以让身体活动发生变化，每天不到一美元。你让人们达到他们的步数。哇。然后挑战就变成了你有点倾向于一点，我认为，是

太棒了，我现在在散步，但我现在是否发现散步本身很有益？所以你实际上可以逐渐减少我添加的那些额外的奖励和东西。对某些人来说，这更容易。对其他人来说，这更具挑战性。这方面正在进行研究。这就是基本思想，你如何分析它并考虑它。你如何接触到人们？你如何建立这些？我给你，我只是说，嘿，

无论是什么应用程序，你都可以无限制地、不受限制地访问我的所有数据，比如WooFinder和我的屏幕时间以及我正在做的一切，以帮助我根据我设定的目标成为更好的人。是的。如果你能给我这个，那不是很棒吗？这将是很棒的。老实说，我甚至不关心任何数据隐私，但我们可以讨论你如何保持我的PII清洁。是的，是的，是的。不，我应该在这一点上说，

数据挑战，一件真实的事情。我参与的大部分工作都在临床环境中。所以在行为健康环境中，我们有来接受治疗的人。然后我知道在那个疗程中发生了什么。对。我可能会提出不同的学习试验。它们可能被称为诸如此类的东西。你正在努力改进，我不知道，改进你的言语表达。对。某人看起来像个言语治疗师或其他什么。

把他们带进来。我知道我试图改变的行为。我有所有数据，因为他们在我的环境中，你知道，当我向你展示不同的词语时，你到底是怎么说的？如果我们正在研究不同的配对，词语链，

你可能会承认的声音，对吧？那是什么样的？你从哪里开始犯错误等等？在那种临床环境中获得所需数据要容易得多，那种我正在研究的类似于促进健康行为的日常生活。嗯，

是的。数据挑战是一个真正的问题。但是大部分东西，是的，它是一个临床环境。随便吧。因为如果它确实感觉像是我想要的东西需要对我是谁有一个360度的视角。是的。它需要了解我所有的习惯，好的、坏的、丑陋的。我考虑的是，我如何在生活中拥有一个几乎像上帝模式一样的产品？是的，是的，是的，是的。完全正确。是的。是的。

而你从你的角度去做，这几乎是唯一可能发生的方式，对吧？我知道我有一些朋友会插入他们的Oura Ring API，然后创建可以从中运行的不同脚本。

这感觉是唯一的方式，它现在非常像黑客。哦，它非常像黑客。是的。而这也是我生活中所做的事情。回到这个想法，就像匹配定律，对吧？所以我已经跟踪了15年，从醒来到睡着。我如何度过我的时间？哇。Whoop数据，对吧？同样的事情。我从Strava和所有这些有趣的东西中提取了自定义脚本。Peloton，嗯，

但这很难。我知道一天中仍然缺少一些缺口。而这就是我再次对五年后、十年后可能发生的事情感到兴奋的地方，以及这些东西中的很多，对吧？你认为生理数据，这并不是一个LLM调用。它不像基于文本的。它只是原始的，你知道，生理张量使它变得非常有趣。所以它是，是的，但你完全正确。它是上帝模式，对吧？你如何获得……

获得足够多的东西的数据。也许你不需要关于所有事情的数据，但需要关于我生活中足够多的事情的数据，我可以影响对我来说最重要的事情。当，你知道，当我考虑我的价值观是什么时，比如，过好生活意味着什么？是的。特别是如果你像我一样，并且试图设定目标，我总是试图变得更好。

而且我想象一下，如果我知道更多关于你所知道的事情，我会更擅长给自己奖励来养成这些习惯。比如阅读《原子习惯》对我来说还不够，无法让我成为我想要成为的完美男人。是的。是的。哦，遗憾的是，那没有奏效。但是如果我，如果有可能有一个应用程序能够理解我，

并且可以访问所有内容。然后帮助我。

实现我想要实现的目标。就像我最近一直在努力做的一件简单的事情。我发现它非常困难，因为它是在打破习惯并养成新的习惯，那就是睡前阅读。我醒来时很容易阅读，但不知何故，睡前阅读非常困难。我宁愿浏览TikTok。是的，这很公平。我的意思是，谁不愿意浏览TikTok？我不会上当，但仍然像，

我觉得我可以做到。哦，是的。我的意思是，有一整套科学文献叫做自我管理。它来自相同的行为科学文献。与其让其他人为我们提供这些奖励，我们如何为自己提供这些奖励呢？有很多策略，比如有人会脱口而出。当你睡觉时，与其把你的手机放在你旁边作为闹钟，不如把它放在房间的另一边。哦，是的。

所以我设置了我的闹钟，我把它放下。然后即使是增加去拿它来浏览TikTok的努力也可能会阻止我，特别是如果我的书就在这里。对。所以像设置这种差异化努力一样，是一种让事情变得……大多数人都会选择不太费力的选择。哦，这太好了。有一整套丰富的文献。对我来说，有趣的是再次回到，就像说做对应，所有这些有趣的东西。

几十年来我们都知道这些东西。实施起来很难。收集你自己的行为数据有时也很难。我们也不总是，我们并不总是意识到为什么我们可能会选择我们试图打破的习惯。你知道，我想做一些不同的事情，但我发现自己做着同样的事情。我每天晚上晚餐后也喜欢吃甜食。你知道，我无法打破这个习惯。但是，你知道，你开始收集数据并随着时间的推移分析你的行为，你就可以开始理解。

啊，你知道，是X、Y、Z。这些是我睡前TikTok对我如此有吸引力的原因。是的。那么这如何与AI相关？你如何将AI用于这些类型的见解？是的。再次回到临床领域，因为这是我大部分时间都在做的事情。我用我自己的量化自我数据做了一些这样的事情，但在临床领域更多。

所以你可以想象你有很多这样的数据，再次回到临床决策的概念。有很多东西已经出现。我不确定你是否读过《助推》这本书。长话短说，卡特·桑斯坦和理查德·塞勒，我相信。它讲的是什么？因为我觉得基本思想是。是的，这块研究，行为科学，一个略微不同的领域，但类似的想法叫做行为经济学。

基本上，这个想法是，你知道，传统的经济理论，所有人类都是理性的主体。我们优化，我们总是选择最佳行动方案。而这就是，你知道，当我们做决定时，我们总是优化，最大化。

但是，你知道，你看看人类。我不知道。我们吸烟。我们喝得太多了。我们做出了很多次优的决定，这是一个花哨的说法。所以这本书《助推》提出的问题是，你知道，我们有哪些方法可以促使自己行动，停止做出这些次优的决定，为自己做出更好的决定等等？是的。

你可以想象，这也被应用于临床决策文献。对。有一项研究，2016年，美国第三大死因是医生的错误。对。他们做出了错误的选择。有人死了。是的。所以。

你知道，回到这个想法，我们有很多数据。人们处于这些临床环境中，医疗保健专业人员。他们想做正确的事情，但他们并不总是做出最佳选择，他们也不总是意识到所有可能影响他们决定的数据和周围的事物。所以AI的用武之地以及我感到兴奋的事情。我们构建了一件正在申请专利的物品。你可以想象我有这些数据。首先，我可以做的是无监督机器学习，对吧？所有这些不同的患者。让我们开始寻找不同的患者群体、患者队列、患者档案，无论你称之为什。人物和营销，基本思想相同，对吧？不同的临床表现模式，这可能会影响我如何干预，我如何预防某种临床干预。是的。

无监督机器学习在这里发挥作用，它使我们能够识别非常有趣的群体。下一阶段，通常在某种医疗保健环境中，我试图最大限度地提高患者的预后。经典的监督学习任务。好吧，我有这种类型的患者档案。根据我对他们临床表现的所有了解以及我希望他们达到的目标，

作为一名治疗师，我可以在临床上做些什么来帮助将行为朝那个方向移动，而不是朝其他方向移动？再次，临床决策，帮助做出最佳决策而不是次优决策。

即使是这些本身，你可以想象你开始可能围绕各种不同的ML模型，将集成组合在一起。大多数人在进入某种治疗环境时，他们很少只有一个目标。他们可能有10个、20个目标。现在你喜欢分层的东西。你有决策树。我的意思是，它变得非常令人兴奋。但这就是，你知道，回到我们想要开始讨论的主要主题是。

那里有很多复杂性。我还需要这个东西是可控的、符合规定的、透明的，所有这些你不需要LLM的东西。概率输出在医疗保健环境中也很危险，对吧？我需要它在我的要求上非常出色。是的，而这就是我过去十年左右所做的大部分工作。我想象有很多空间让大家进来，要么……

说他们改变了，而实际上并没有改变，或者，呃，他们改变了。只是，他们改变了一周，然后又放弃了。是的。你喜欢把这些剔除。是的。是的，绝对的。嗯，对于第一个，对于那些可能说他们的人，他们可能普遍相信它，对吧。我觉得我是一个新人，对吧。我是一个新人。嗯，

获得关于该行为的数据。这已经是我了，我要说。就像，让我们明确一点。是的，是的。我不再喜欢吃甜食了，对吧？是的，我开始冰浴，现在我是一个新人了。我睡前阅读。一切都很好。是的。

是的，是的，所以在这种情况下，你知道，在治疗上，如果我是你的治疗师，我很喜欢你每天都告诉我这个，但是我会要求你以某种方式收集你行为的数据，或者我们会想出一个办法。所以你可以这么说，但我们会查看你的数据，然后说，好吧，但你的行为就像那样是一个峰值。

你的，你的行为并没有完全达到你想要达到的水平，或者其他什么。所以这是一种方法。嗯，你谈到的另一件事是这个想法，一个流行的短语，呃，人们可能熟悉。它就像复发，对吧？是的。我变得更好，然后又回到了我旧的行为模式。嗯，

这是行为科学文献中研究的经典行为模式。你可以把它想象成几乎像一个时间序列预测挑战，对吧？环境中的哪些变量结合在一起可以让我预测你会复发，而不是你不会复发的实例？

然后你可以再次开始。同样的想法。你需要数据。但我可以开始说，再次，你说了你洗了冰浴，这太棒了。德米特里奥斯，根据你的行为历史，我可以告诉你你下周会复发。你知道，让我们让你保持正直，或者添加这些额外的治疗资源或其他什么来帮助你这次克服困难。所以你不会复发等等。它让我想起了一点。你有没有觉得它有点像《少数派报告》？

哦，是的。绝对的。所以，是的。所以，完全坦白地说，在我生命中的这一刻。就像我是《黑客帝国》时代的孩子。是的。你知道，在《黑客帝国》时代长大，《少数派报告》，看到了《机械姬》。所有这些事情都发生在我攻读行为科学博士学位的时候，开始从事AI工作。而我。

我的意思是，这个想法非常令人着迷，对吧？我认为有趣的是，如果你看看很多科技公司，可以说他们并没有达到同样的程度，但他们正在使用同样的想法，对吧？我如何才能让我的产品更令人上瘾，让你的眼球停留在上面？

我们谈论的是，我们可以做完全相同的事情，但要帮助人们过上更健康、更幸福、更好的生活。我们可以双向使用它。但是是的，我的意思是，我认为那个未来，《少数派报告》的未来会在某个时候到来。我完全支持你，我更愿意拥有

是的。哦，绝对的。是的。

我真的很喜欢你提到的那个想法，就像，你知道，也许随机地将这个系统变成一个产品，并把它还给用户，说，嘿，连接你想要的。你知道，我不会，而你，我的意思是，技术已经有了，我们现在可以在边缘运行东西。就像我不需要收集你的数据或将其保存到任何地方，但你会把它还给用户，并说，

连接你想要获得所需数据的任何内容，说明你的价值观，然后只根据德米特里奥斯的行为构建一个模型，对吧？是的。为你构建一个自定义模型，并引导你，向你推荐。有一整套文献叫做及时自适应干预。基本思想是，在你做出某种不健康决定的那一刻，在你做出某种不健康决定之前，你会得到一个提示或提示，让你保持健康或一体化。所以基本上，当我……

快要睡前拿起手机的时候。就像，哦，记得那本书吗？是的。我一直在考虑的事情是我想开始做的事情，就在我给孩子们读睡前故事之前。

我关掉了手机，仅仅是把手机关掉然后不得不重新启动它，对我来说就足以成为一个障碍，让我说，啊，去他的吧。我去读本书。是的。是的。哦，我喜欢。是的。你已经在考虑这个想法了。如果我增加了努力或延迟奖励，我们知道的经典例子会降低它的价值。所以，你知道，什么更直接，努力更少。我们倾向于选择这些东西。所以是的。是的。

把胡萝卜放在冰箱前面，蛋糕放在后面，你知道，我仍然会去拿蛋糕，因为它太好吃了。所以我一直在努力寻找这些效率。我想你会开始看到你可以做更多事情的领域。而且，仅仅从我和你交谈中，我真的很感激这一点，因为我认识到

我想做的一件事，那就是在我的生活中说认知失调，我不断地告诉自己我要早点睡觉，在我睡觉前，我要读几页书然后睡觉，实现我所有的睡眠评分目标。对。哦，是的。是的。做一个完美的男人。而这只有在我独自旅行的时候才会发生，在家的时候，通常是一场灾难。是的。

从如何增加摩擦的角度来思考，这是我并没有主动去做的事情。更多的是我会这样做

以一种我刚刚认识到的方式，哦，是的，就像我不在房间里睡觉时带着手机。我把手机放在客厅里睡觉。这是我确保要做的一件事，因为我认识到我早上不看它，我早上看书，对吧？所以反过来做，在我给孩子们读完书之前关掉它

是的。是在有意识地设置这种摩擦，然后重新获得更多意志力。是的。哦，我喜欢。我认为你说的另一件有趣的事情是，当你旅行时，你更容易做到。所以我很好奇的是，

在你结束夜晚之前发生的事情是什么让TikTok变得如此有价值？比如，我不知道，你已经兴奋了，你就像，是的，我现在还需要一些TikTok。而在旅途中，也许是，你已经平静下来了。所以你就像，我要读本书。但是是的，大多数行为是我们所说的多重控制的，对吧？数十或数百件事都会影响它。所以是的。

试图弄清楚，你知道，哪些是主要的事情，或者我可以调整或拉动哪些事情来获得我想要的行为，而不是我不想要的行为。是的，我想这不仅仅是你能调整或拉动行为。如果你调整和拉动它们，它们会在你最终所做的事情中产生多米诺骨牌效应的行为。是的。是的。

完全正确。你这么说很有趣。几个，所以我也，我是恩迪科特学院的教师，这里有一些博士。我们现在正在研究这篇论文。这个想法，我们称之为关键偶然性。如果你熟悉生态学中的关键物种。所以那里的基本思想是看看黄石国家公园，对吧？你有一些生态系统。其中有一个物种，如果你要移除它们，比如狼，

整个生态系统都会重新组织，他们以艰难的方式学习这一点，然后他们重新引入任何东西。所以我们正在尝试在其他许多领域围绕同一个想法进行游戏，在关键的、社会中的社会人，企业中的关键参与者，我们正在围绕关键偶然性的这个想法进行游戏。就像在你自己的生活中一样，同样的想法，对吧？我可能会改变一种行为，这种行为会对我的余下的一天产生这种连锁反应吗？对我来说，就像早上跑步一样，我

如果我早上跑步，我前一天晚上喝的酒就少。我的饮食往往更好，工作更专注。就像那件事一样，如果我能调整它，就会有更好的一天。这是一个关键时刻。就像这根支柱一样。我也认为，你最终如何看待自己以及你认为什么非常重要。你现在把自己认定为跑步者。哦，是的。它就像，好吧，如果我是一个跑步者，我就必须跑步。

是的，是的，是的。哦，公平的。是的，是的。如果你是一个夜间阅读者，你必须在晚上阅读。就是这样。你最终会做这些事情，因为你认为自己是那样的人。是的，是的。我同意这一点。我不记得我在哪里听到的，但它在某些东西里。它可能是《原子习惯》，也可能是其他一些关于……的习惯书

如果你是那种类型的人，养成习惯就容易得多，哦，是的，当然。就像如果你是一个吸烟者，并且你认为自己是一个吸烟者，那么戒烟就难得多，因为就像，是的，我是一个吸烟者。哦，是的，绝对的。

有一些非常不错的文献表明，即使是同样的东西，我们使用的语言也可以为活动或其他任何东西增加价值，这与同样的想法相符，对吧？如果我称自己为吸烟者，那么除了尼古丁之外，它还会为香烟增加更多价值。正如你所知，如果我不是吸烟者，但我碰巧抽了它，同样的尼古丁，同样的东西进入。但是仅仅是语言上的那一小部分就可以改变奖励价值，这真是令人难以置信。我的意思是，人类是疯子，但是。

是的，这也很有趣，可以通过机器学习模型来看待。哦，绝对的。非常迷人。对你来说，是否有某些方式或某些句子结构倾向于将你包含在某些行为中？思考句子结构并分析如果有人进来

他们正在以某种方式说话，这是否表明某些行为？是的。哦，是的，绝对的。并且有一整套研究叫做框架效应，它研究这种东西。是的，不。我认为另一件事，回到人工智能、机器学习，我个人只是迷恋于无监督机器学习。这个想法是我不知道我所不知道的。

它会告诉我一些东西，这对我来说非常令人着迷。所以我认为回到这一点，人工智能会很有趣的是，你知道，为什么你会进来只是谈论你感觉自己做得好的事情，你做得不好的事情。我可以分析这种行为，理解你的参考框架，你的视角。然后，你知道，有些文化对白色有不同的颜色，我从未感知过。仅仅是人工智能可以将语言作为人类现象来包裹的想法，并且，

然后我可以把它带入也许是治疗的环境中，并说，嘿，这就是你说话和感知世界的方式。这是一个你可能甚至不知道存在的替代视角，它可能会帮助你。也许我们可以让你以不同的方式来表达事情。然后我们可以再次回到数据。这实际上改变了你的行为吗？是，否。复发的概率，所有这些有趣的东西。是的。

这几乎感觉像，这就是我偏离人工智能炒作领域的地方，因为你必须非常小心你在做什么。但我知道很多人会与OpenAI的实时API或语音组件交谈。它非常不稳定，任何使用过它的人都知道它并不神奇。

但我看到一个潜在的世界，你发送语音备忘录，你只是用一些不同的提示喋喋不休。然后进行分析。你可能首先可以使用LLM，但随后你会变得更具体，更……

微调模型，为你和你正在经历的事情微调，如果需要的话。是的，绝对的。你看过电影《她》吗？是的。哦，是的。我觉得这有点像，你知道，它是你身边的东西，它倾听你的语言能力，看到你所看到的东西，它可以，你知道，利用集体意识，然后为你的特定需求构建模型，并且你知道，

从我的角度来看，我们可以，没有理由我们不能做到这一点，并帮助每个人过上更幸福、更健康的生活。它并不总是必须是。我的意思是，任何技术都有其缺点。你知道，如果存在这种情况，坏人会做他们做的事情。你见过哪些其他方式，以及你喜欢

你在无监督机器学习中看到的东西。哦，当然。所以另一种类似的味道，但现在是在教育环境中，因为我工作，你知道，高等教育教学课程，诸如此类，但与学生的想法相同。在我做数据科学博士后研究时，我与一家名为Glimpse K-12的公司做了一些工作，但同样的想法是，我可以采用教育环境中的行为模式、评估分数等等，以及

由此，识别可能需要更多资源才能在课堂环境中取得成功的儿童。而且，你知道，如果你是一名教师或其他什么人，你有30个孩子，20个孩子，30个孩子。很难让每个人都获得他们成功所需的东西。因此，如果你可以使用任何类型的无监督机器或任何类型的方 法来识别学习者类型、学生类型等等，然后将孩子们与资源结合起来，以便他们更有可能成功，学习他们需要学习的东西，你知道，

个性化的教学系统是另一件大事，对吧？与其每个孩子都得到相同的，你知道，黑板上的一组任务。你知道，约翰尼会得到一组数学题。你知道，伊丽莎白会得到另一组，因为他们只是不同的学生，不同的技能组合，不同的资源，但是。是的。不同的学习方式。实际上，当我以前住在西班牙的时候，我教书，你马上就会知道每个学生都是不同的。

在他们的学习方式和他们需要学习的内容方面非常不同。有些是视觉型的，有些是听觉型的，有些需要说话等等。我回到这个想法，我们看到或听到很多关于

小组在教学或一对一教学方面往往是最有效的。然后你可以非常个性化。那么，正如你所说，我们如何创建针对每个人的个性化模块来满足他们的需求呢？

我立刻想到的是，你怎么知道，你怎么获得数据？你怎么有背景知识来了解每个人的需求呢？因为如果我第一天刚来学校，你不知道我喜欢更多地倾听，并且我通过听觉方法学习。是的。评估分数是，我的意思是，目前许多地方拥有的唯一东西，我甚至在我自己的一些工作中看到过，它最成功的地方是

在线学习平台，对吧？Canvas，那些我有一堆学生行为被捕获在浏览器中的地方。你在哪里登录？你在参与什么？你阅读某样东西多长时间？当你提交作业时，质量如何？你得到什么分数？老师给你什么反馈？这些事情。但是是的，再说一次，这就是我回到我所知道的一些事情的地方，我在MLOps社区中可能已经抛弃了一些东西，

喜欢人们正在构建这些疯狂的系统，但是我们今天讨论的很多事情都是数据挑战。就像，我如何开始获取我需要的数据来解决一些非常重要的现实世界问题，然后甚至，我的意思是，让我们，我们可以从经典的机器学习开始。我们甚至不必变得疯狂。就像，让我们做一些事情来帮助这些孩子。因为你知道，很多时候他们，你知道，从裂缝中掉下来。

你在幼儿园有一个艰难的开始。它可能会蔓延到小学，可能很难赶上。而且它是如此……

真实的是，这是一个数据挑战，因为如果你在一个班级里，你是一个有30个孩子的班级的老师，你怎么获得数据来了解这些人此刻需要什么？所以，如果他们与网站互动，你可以获得更丰富的数据，这是有道理的。或者如果你让他们进行这些评估测试，那也是一个很好的开始。但是

我觉得，是的，你必须不断地捕捉这些数据。哦，是的。我的意思是，别误会我的意思。正在进行一些非常酷的研究，嗯，

你知道，我把摄像机放在房间里。哦，哇。嗯，我现在正在追踪每个孩子一整天都在做什么？他们接触到了什么？他们的行为是什么？所有这些有趣的东西看起来大多数孩子现在都在使用iPad。所以现在想象一下，我可以开始整合来自多个来源的数据。再说一次，我只在研究角度看到过这种东西，主要是在，呃，也许是医院的心理健康环境中，嗯，

大型公共场所，对吧？我试图了解人们在哪里行走等等。所以我们确实有一些计算机视觉技术，我认为这至少允许我们开始使用这些数据集。我只在研究方面看到过这些东西，从来没有，还没有真正看到过产品，对吧？没有人提供，嘿，你知道，K-12学校，买我的摄像机，我们会，你知道，为你做这些事情。我认为这不在他们的预算范围内，即使他们——完全正确。诸如此类的事情。但是是的，我认为，是的，技术就在那里。

最难的部分一定是这样的，我们有这项伟大的技术来帮助你的学生，但它非常先进，而且可能并不便宜。是的。哦，完全正确。是的。

我认为MLOps社区中的一些人，他们拥有这些技能，工作非常聪明，才华横溢，从事这项工作。我知道一半的挑战就像我们提到的那样，我可以获得数据吗？我可以使产品的投资回报率值得吗？我必须想象社区中的人们有答案。只是，你知道，得到。获取数据。获取上下文。我真的很喜欢这个想法，就像，

我们如何获得更多数据以获得更多上下文，以对将产生影响的事情产生影响？它并不一定需要

你的LLM上下文窗口的上下文。没错。是的，是的。但我认为我实际上喜欢你这么说，因为我认为如果你查看行为科学文献，无论是人类、青蛙、鹰，无论什么，我们通过理解其行为的更大背景来理解行为。LLM有一个很好的类比，对吧？LLM越了解，嘿，这就是我需要你做的。就像，这是你需要的信息。更好的输出。

人类也是如此，对吧？只是，你知道，我们说得很多。我们喜欢语言。所以我们经常默认与人交谈。你为什么有这种感觉？你为什么做你正在做的事情？但是还有其他方法可以理解语言。

我们为什么做我们正在做的事情，这些方法通常更准确，但数据密集型更大。是的。需要像MLOps社区中的人们那样的人来通过算法运行这些算法，以提取见解并将其放在不会用Python编程的老师面前，对吧？他们只需要他们的仪表板或其他什么东西。完全正确。他们需要那个产品，那个最终用户产品。完全正确。是的，是的。是的。