How open-source AI will reshape power dynamics in tech w/ Hugging Face CSO Thomas Wolf
40:11 Share

0 嗨，在开始之前，我想快速问一下，如果大家喜欢“死鱼眼秀”，请花点时间在播客应用中评价并留言，说说你最喜欢的剧集和想听到哪些主题？你们的反馈将帮助我们更好地塑造节目，满足你们的求知欲，带来精彩的嘉宾，并给你们带来最佳体验。

我是米莱尼奥。在我成长过程中，有一款玩具让我们着迷。对我来说，不是那种让你爱不释手的玩具。

有吗？我说的就是蛋形钥匙扣上的那些小数码宠物——蛋仔。它们总是让你睡不着觉。它们的需求量很大。如果你没有足够长时间地喂养它们，你会醒来发现你的宠物所在的地方出现了一块墓碑，旁边漂浮着一个小小幽灵。

我很高兴能把蛋仔写进历史的编年史，信不信由你，它们与当今一些非常酷的人工智能事物有着奇怪的联系。令人难以置信的是，它们能做到。这是“泰迪眼秀”，我们在这里探讨如何在人工智能改变一切的世界中生存和繁荣。

N、F、T、G、P、S、电容。科技界充满了各种行话。通过泰德的新通讯，跟上最新的首字母缩写词和科技新闻。泰德科技播客将每周双周为您带来科技头条、访谈、播客等内容，让您轻松掌握所有科技信息。现在订阅，请访问节目说明中的链接。

有一家名为Hugging Face的公司，就像两只手伸展开来的微笑表情符号一样，在2016年。该公司的创始人，朱利安·沙曼、托马斯·沃尔夫和克莱门特，有一个想法。

他们可以使用人工智能来为青少年创建一个在线蛋仔宠物，一个聊天机器人，一个随时陪伴他们的朋友，一个不断回应他们输入内容的伙伴，同时他们还在研究人工智能聊天机器人。他们开始思考支撑其产品的实际基础设施。人工智能聊天机器人需要什么？你需要自然语言处理，对吧，这意味着你需要数据，大量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的、海量的

我认为，这是一个非常重要的场所，模型的创建者和使用者实际上有很多都是同一个人。我认为这很好，我们的想法是，如果我们能批判性地思考模型、学习和应用，每个人都能成为模型构建者。实际上，就在和您谈话之前，我正在和孩子们玩，然后我和儿子尝试了新的Flex模型。

黑森林的图像，非常棒，效果很好。我们探索了各种空间，尝试了不同的方法，然后在几张图片上找到了需要的东西，然后你就会想，现在ML模型构建者和ML用户之间的界限变得非常模糊。我认为这很好，因为我们的想法一直是，AI应该是一种公共产品。

或者，就像我在物理学中说的那样，每个人都可以学习广义相对论、量子物理学。任何人都可以学习这些知识，我认为这是全人类的共同财富。我认为，如果只有微软知道关于量子的一切，那会很糟糕，对吧？我认为AI也是如此。

这是一场根本性的技术革命，它将改变我们很多事情，它应该让每个人都能理解，如果有人想了解它的工作原理，他们应该能够做到，因为它将控制我们生活中的很多事情。理解事物的最好方法是首先以开源方式分享它，并且能够轻松使用它。

你进入一个空间，然后想，这个模型是如何工作的？你尝试一些提示，例如，如果你使用聊天模型，你尝试问一些棘手的问题。Spaces 帮助我们极大地民主化了模型的构建。你可以在这个地方找到模型，并且理解它们。

我们添加的另一件事是数据集。最终，我们发现，放入这些模型中的数据基本上是让一切运作的关键，数据的质量和数量至关重要。所以，几年前，大概三年前，我们开始着手第二种方法，即数据集。

所以我们正在研究第二种数据集库。我们开始在 Hub 上托管数据集。我们的想法是，让我们打开这个新的黑盒子。

所以我们有模型。我们已经通过开放权重打开了模型的大致黑盒子。我们已经开源了模型代码，但数据集也应该可以访问。

如果你想了解AI，你必须了解如何创建高质量的数据集。因此，我们需要推动人们以开放的方式分享它们。这在 Hub 上也得到了非常强劲的发展。我认为我们已经积累了大约一千个数据集，但我需要核实一下，因为这个数字正在呈指数级增长，这非常令人兴奋。因为当所有这些东西都开放时，基本上任何人都可以训练模型并加入进来。

加入进来。我认为听到你谈论模型方面和数据集方面都开放，这真的很令人感兴趣。你的观点是，这些模型就像开放权重一样，这套数据集吸引了人们，你可以做的事情就是微调，等等。

但是，说到真正意义上的，我不知道石油或目标是否是一个合适的比喻，但就像将这些模型中的智慧提炼出来，这些智慧来自数据。公开提供这些数据非常重要，尤其是在你有一个热情的社区，而不是仅仅由少数实验室中的特定人群来研究这些东西，而是让整个社区，包括学生和黑客，参与进来，这听起来令人兴奋。但这几乎让我想要回到更大的问题上，那就是，在之前的采访中，你曾说过我们需要为开源而战。为什么开源很重要？为什么我们应该为它而战？

这是一个很大的问题。有很多原因。也许最实际的原因是权力平衡。我认为开源是确保许多人能够参与人工智能革命的一种好方法。

而不仅仅是少数几家实力雄厚的实验室，而是世界上任何地方的任何人都可以加入。因为他们可以从一开始就获得这些开放可访问的权重和数据，几乎达到顶级实验室的水平。这真的很棒。

我认为，在我看来，它吸引了更多的人参与进来。因此，它能够催化新的研究思路，基本上能够加速该领域的知识发展，同时也能够纳入其他声音。我们有时会认为人工智能只是由少数ML人员（专注于数学、白人男性）构建的，但我认为每个人都应该参与进来。因此，如果所有东西都是开放的，那么更多的人可以加入并参与进来。

我想谈谈反方，许多人反对开源，尤其是在最近的加州法规以及美国大环境下，你如何看待创新需求与让这些强大的AI工具变得非常易于访问的潜在风险？

我记得大概一年前，人们非常担心，人工智能就像终结者一样，或者它将在接下来的几个月内毁灭我们。人们非常害怕。我认为这是不必要的，存在风险。

我们可能会说，一月份人们说我们都会死。在2004年，人工智能会杀死我们。显然，当时还没有。

还没有论文俱乐部。

我认为这很大程度上也是由于最终的压力，也许是获得一些更早的监管，这可能会稍微放慢速度。我认为这其中也有一些游说压力。值得庆幸的是，人们已经理解了这是一个工具。

这不会是，我们应该禁止这项技术还是不禁止？而是，这项技术有一些用途应该被禁止。

因此，我认为监管非常好，并且我们乐于参与其中，并向各种监管机构提供反馈。我们并没有积极地游说任何事情，但我们确实认为一些监管非常好。我们唯一想避免的是某种监管机构或被捕获的情况。

所以，我的意思是，如果你创建一个政府批准的过程，这个过程过于复杂，只有少数几家拥有律师和资金的大公司才能完成，我认为这将是一个非常糟糕的结果，因为最终你将拥有一个寡头垄断，只有少数几家公司部署这项技术给所有人。我认为这不是一个好的结果。

我认为这有点像任何一部非常好的科幻电影的开端，你基本上拥有控制核心技术的公司。我们如何才能开始一部非常好的科幻电影？但是，如果我们小心谨慎，如果我们有意义的监管，并且让小型团队和小型公司也能获得访问权限，我认为这将非常棒。

我认为你完全正确。这些工具用途广泛，而且是时候了。

与其试图规范工具本身，不如专注于人们如何使用这些工具以及如何追究使用者的责任，对吧？因为最终，这与你所说的权力动态有关，对吧？你希望这项技术掌握在少数几家拥有所有知识的大公司手中，还是希望权力平衡？而你所做的，特别是关于开源空间，你是一个巨大的、我认为是社区建设者和加速器，开源实际上做得很好。

我的意思是，我记得一年前左右，埃利亚·斯卡沃在电视上说，我认为这些模型永远都会是大实验室的领域。开源永远无法赶上。而过去一年，有很多令人兴奋的事情，例如，Meta 的 Llama 3.1，这很有趣，它有点像开源的堡垒。

也许，经济激励有时可能是一件好事，我想知道过去一年半里权力动态是如何演变的？因为感觉开源就像一个弱者。

现在它几乎是势均力敌，而且它也变得非常易于访问。你提到过和你的孩子玩，微调，你知道，创建照片的副本。现在你可以玩得非常开心。我认为这比人们想象的更容易，开源不再需要成为超级开发人员才能利用它。

是的，但你说的对。我今天和儿子一起感觉，仍然有一些进入门槛。我认为我们正在消除开源，但仍然有一些需要时间才能解决的问题。但看到它变得越来越容易访问，这将很好。

我认为一个非常好的目标是，如果你有特定用例，例如，你用手机记笔记，然后你想将其转换为，如果能将这些东西连接起来，让你的东西为你做事情，并告诉你，那就太好了。我认为大型玩家不会很快解决这个问题。但是，如果小型公司能够构建足够多的组件，那么这将非常棒。

这将非常棒。这就是真正的民主化，基本上，你将能够轻松地自动化你工作流程中的一些无聊部分，并专注于更重要的事情。今天我非常兴奋的是开源机器人技术，我认为这将在明年或后年成为一个大趋势。

所以，当你想到机器人技术时……

你的意思是机器人技术？是的，因为我不喜欢人类机器人。我觉得它们很可怕。我不希望它们出现在我的家里。我的意思是，我喜欢我能理解的过程。

所以，我真正喜欢的是用开源零件自己构建机器人，它们是已知的，也许它们不需要人类因素。但是，我可以有乐趣，你可以自己制作一个。你可以自己制作一个机器人来洗碗，或者折叠衣服。我们这周有一个项目，它有两个小臂，可以折叠你的衣服。我认为这比买一个大型的人形机器人要安全得多，它价值数千美元，放在你的家里。我认为机器人技术将有各种各样的应用，我认为这将非常有趣、非常有趣、非常令人兴奋。

这是一个很好的观点，因为我看到你的理念正在体现出来，就像你思考模型的方式一样，你将拥有非常大的模型，但你将拥有大量的小型定制模型。有些将在云端运行，有些将在你的设备附近运行，就像你提到的模型一样。你最初提到你专注于自然语言处理，理解语言，然后视觉内容开始出现。你如何理解和感知世界？现在你可以将这些基本元素放入机器人中，使用现成的工具，这真是太令人兴奋了，对于现在的工程系学生来说，这真是太令人兴奋了，选择如此之多，真是令人难以置信。

这是一个疯狂的时代。我认为疯狂的是，你可以看到所有你可以做的事情，这就像一个全新的领域。

它们就像没有人尝试过。不，因为我们上个月才能够做到这一点。然后你就会想，哇，这太棒了。

我的意思是，我看到我的儿子现在通过 Spaces 访问了各种各样的模型，你可以做到这一点。是的，好的。你也可以做到这一点。这太令人兴奋了，是的。我认为今天孩子们面临的主要问题只是选择一个项目来做，因为有很多可能性。

正如他们所说，问题很多。

有商业问题？请关注Ted Business，由商业学校教授莫杜·奥拉主持的播客，每周都会介绍一些在工作方面有独特见解的领导者，回答诸如四天工作制如何运作以及机器是否会取代我的工作等问题。在Ted Business上获得一些令人惊讶的答案，无论你在哪里收听播客。

所以，在这次采访的最后部分，你如何看待开源AI和商业闭源AI在未来发展的关系？

我认为这可能与软件的动态非常相似，你既有开源，也有很多闭源软件，这很好。我的意思是，即使在人工智能领域，我们也有很多开源模型。人们也使用很多闭源模型。

所以，也许所有模型都是闭源的，这很好。我认为这非常健康，如果你使用Llama，并使用你的企业数据进行微调，你就不需要再次开源这个模型。

好的，这是你的私有数据。你管理好你的数据。我喜欢它。我认为这非常健康，两者都会存在。

我认为两者会共同发展，我们有这种健康的竞争。显然，开源很好，因为它让大家能够将东西结合起来。所以，正如你所说，将模型与图像、语音结合起来，你可以轻松地使用开源模型来做到这一点。

这非常令人兴奋。开源模型也会有延迟，社区或黑客社区将继续努力。我认为现在的情况相当健康。

我会说我们两者都有。我希望它能保持下去。但与计算机访问一样，访问变得越来越容易。所以，是的，我认为它将像计算机一样。

你知道，我们知道所有这些小型笔记本电脑，我们过去有大型的Macbook，但你可能和我一样，在过去，我们使用的是大型计算机，我们认为计算机应该如此。现在，当我向我的儿子展示我的旧电脑，它有GPU，他就会说，哦，这太大了。

是的，它过去是如此突出。所以我们有这些非常小巧、多功能且非常智能的模型，我们可以几乎在任何地方使用它们。我们仍然有这些大型模型。

但是，是的，现在更有趣的是，我们正在从仅仅专注于构建模型转向将模型视为理所当然。我们有Llama，我们知道你可以做很多事情。

现在最有趣的是什么？我们可以将它应用于哪些最有趣的用例？聊天显然是一个用例，但聊天机器人并不是最终目标。

我认为早期人们的想法是，构建模型将成为一项大生意，所有事情都将围绕它展开。我非常不同意。我认为模型将变得非常商品化，但观察和跟踪它非常令人兴奋。

而且，一年来，这种转变非常明显，因为即使是一年前左右，所有新兴的初创公司都认为，你知道，我们自己训练模型。所以，我们不是一个GPT的复制品公司。

去年以来，正如大家所见，一些初创公司开始倒回大型实验室，例如最近的Character AI，以及Inflection和其他的IT公司，亚马逊也是如此。你看到的情况是，这几乎是可取的。我们必须成为一个报告公司，因为模型层可能不是所有价值创造的地方，就像用例、产品和体验一样。因此，我必须问，即使你不能告诉我杀手级应用，因为你正在运营，你知道，最大的开源社区，我会说，你知道，人们真的称你为AI界的GitHub，这是我看到你使用的说法。那么，你最近看到的一些最令人兴奋的事情是什么，让你觉得，哇，太棒了？请列举一下，如果你愿意的话。

是的，我认为围绕图像的一切都非常有趣。所以，在这次采访之前，你正在探索一个新的领域，我实际上让你穿上，你知道，一件衣服。所以，你把衣服的图像放进去，把自己放在任何位置，比如侧面或背面，然后真的很好地把这件衣服穿在你身上。

这显然是某些公司已经尝试过的事情，对吧？但这就是为什么我真的很想说，哦，好的，这种做法真的很好。所以这将被部署到任何地方，进行虚拟试穿，可能还会集成到其他地方。

什么也不会集成到其他地方。我有没有体验过？你转一圈，看看它会是什么样子。

你围绕图像输入，我认为这不仅仅是艺术之旅，还有很多很酷的事情。所以，我认为围绕文本会有很多有趣的用例。

这有点棘手，因为我认为很多都在美国和欧盟，以及你如何将这些整合到你的工作流程中。所以，一个很好的例子，如果你的代码是最近的法院代码。

顺便说一下，我的脚是，顺便说一下，光标，是的，是的，这就是我看到的。所以这很有趣。

因为这意味着如果你仔细关注用户体验，即使你不构建自己的模型，你也可以真正创造出一些让用户非常兴奋的东西，即使有像微软的Copilot这样的强大竞争对手直接集成到系统中，所以这是你想要尝试并开始的显而易见的选项。

但是，对于那些真正关心用户体验的人来说，门槛仍然很低。所以非常非常令人兴奋。视频非常令人兴奋。

我认为我们正在研究视频。我认为视频很好，因为，是的，有很多内容。有时你不想看电影，但确实有一些需求。

有时你只想总结一下某些内容。有时你只想跳到电影或会议的某个部分。所以能够理解、处理视频，并以真正的方式进行，将对许多应用产生变革性的影响。

所以，AI可以，看看，收音机。听到令人惊叹的事情。我说的一个事情是...

你谈论的，就像所有这些模式，这些不同的理解和生成媒介，以一种很酷的方式堆叠在一起，即使你谈到视频的例子。就像，我非常兴奋，因为猜猜看，你完全正确。我们当然可以总结大量的文本，比如十二页的论文，然后给我总结要点。对于视频来说，这有点更具挑战性，比如能够拍摄视频并创建该视频的摘要版本。我认为有很多隐藏的知识正在等待我们去获取，这非常令人兴奋。

有人让我谈谈你没有谈到的模式。我们看到了我们的访问。所以，我有一个非常酷的项目，我们现在正在向公众推，它围绕着建模分子。

这是一个用于量子化学的基础模型。所以我的意思是，我可以看到图像，我可以听到语音，但我无法感觉到分子，这是我永远无法做到的事情。但我是一个模型，可以访问并生成这些东西。

让看不见的东西可见。

像这样冰冻。是的，我喜欢它。

这是一次很棒的谈话。托马斯，非常感谢你加入我们。

谢谢。这很棒。

所以，如果你从今天的节目中获得一个启示，那就是开源技术目前在AI领域绝对是杀手级的。记住，深入研究GitHub。好吧，将这种影响力乘以大约一千倍，就是AI的影响力。

公开进行的创新令人难以置信。我的意思是，想想看，在这些大型实验室中，只有少数产品经理和工程师在工作，对吧？他们正在研究一小部分可能性，但是将这些模型投放到野外。

然后，你就有了一个整个社区，疯狂地推动我们甚至不知道存在的边界。例如，考虑一下Matterport 3.2。

Meta是那里最大的实验室之一。截至2024年10月，他们刚刚向公众发布了一个大型语言模型。是的，你可以在Hugging Face上免费找到它。

这个模型正在追赶GPT-4，在某些情况下，甚至超越了它。人们正在使用它来构建各种各样的东西，从随着使用而变得越来越复杂的定制聊天机器人，到他们手机和平板电脑上的自定义语音激活助手。这仅仅是冰山一角。

或者看看AI图像生成。是的，Midjourney仍然是使用量最高的图像生成模型。但是Flux，这个免费的开源图像模型，在一个月内就获得了如此多的关注，这简直不可思议。

记住，这是提供Stable Diffusion（开源AI的先驱）的同一批人。然后，你就会看到，这项技术被融入我们每天使用的产品中。

我们也不要忘记数据隐私。如果你是一家公司，你的数据是你的生命线，你不需要相信任何人的话。

只需在自己的硬件上运行自己的模型即可。没有令人费解的服务条款，没有信任问题，你掌控一切。这就是开源的魅力。

这完全取决于你能构建什么，而不是某些门控者允许你做什么。事实上，我认为在推动AI边界的竞赛中，开源不仅保持同步，还在设定节奏。

TED演讲是TED音频联盟的一部分，由TED和Cosmic Standard制作。我们的制作人分别是Dominic Jarred和Alex Ign。我们的编辑是Ban Bang Chang。

我们的节目负责人是Ivana Tucker，我们的工程师是Asia Par。我们的研究员和事实核查员是Christian Apart，我们的技术总监是Jacob Inc。我们的执行制片人是Alizer Math。我，Belov Els，将与你一同完成。别忘了评价和评论，我们下次再见。