Transcription
今天我想和大家聊聊关于人工智能（AI）的职业建议。在过去的几年里，我通常都是自己一个人做大部分的讲座。但今天我想做的是，分享一些想法，然后把时间交给我的好朋友劳伦斯·莫罗尼（Lawrence Moroni）。我邀请他来做演讲，他很乐意来到旧金山，尽管他住在西雅图。他将为我们分享他对就业市场的广泛看法，以及在AI领域发展职业的技巧。
但在我把时间交给劳伦斯之前，还有两张幻灯片和一个想法我想和大家分享，那就是现在真的是构建AI和在AI领域建立职业生涯的最佳机会，也是最好的时机。几个月前，我知道在社交媒体和传统媒体上，有一些关于“AI是否正在放缓”的问题，对吧？人们在说，“GPT-5真的那么好吗？” 我认为它确实相当不错，但人们对AI的进展是否放缓表示疑问。我认为这个问题之所以会被提出，部分原因在于，如果AI的一个基准是100%的完美答案，那么当你取得快速进展时，总会有一个点，你无法超过100%的准确率。
但是，一项最影响我思考的研究是由MER meter这个组织完成的。他们研究了随着时间的推移，AI能够完成的任务的复杂程度，衡量标准是人类完成该任务所需的时间。几年前，也许GPT-2可以完成人类需要几秒钟才能完成的任务，然后它们可以完成人类需要4秒钟、8秒钟、一分钟、两分钟、四分钟等等的任务。该研究估计，AI能够完成的任务的长度每七个月翻一番。我认为在这个指标上，我对AI的持续进步感到乐观，这意味着以人类完成某项任务所需时间衡量的任务复杂性正在迅速翻倍。同一项研究用较小的数据集似乎表明，AI编码的翻倍时间甚至更短，可能只有70天。所以，这些代码过去需要我，我不知道，10分钟写完，然后20分钟，40分钟，而AI可以完成的越来越多。
因此，我认为这是一个黄金时代，是建立事业的最佳时机，原因可能有两个主题：更强大和更快。现在，在座的各位都可以编写出比一年前地球上任何人都强大得多的软件，通过使用AI构建块。AI构建块包括大型语言模型、检索增强生成（RAG）、增强工作流、语音AI，当然还有深度学习。事实证明，许多大型语言模型（LLM）对深度学习至少有基本的理解。所以，如果你曾经提示一个前沿模型为你实现一个尖端的神经网络，比如尝试提示它为你实现一个Transformer网络，它在帮助你使用这些构建块快速构建软件方面，实际上做得相当不错。因此，我们拥有非常强大的构建块，而这些构建块在一两年前非常难以获得，甚至不存在。所以你现在可以构建出地球上任何人都无法做到的事情，即使是最先进的用户也无法做到。
而且，通过AI编码，编写软件的速度比以往任何时候都快得多。我个人发现，跟上工具的前沿非常重要，因为AI编码的工具变化得非常快。我不知道，真的非常快。所以我觉得，自从几个月前我个人最喜欢的工具变成了Cloud Code，从早期的一些版本发展而来。然后，我认为自从GPT-5发布以来，OpenAI的Codex实际上取得了巨大的进步。今天早上Gemini 3发布了，我还没来得及玩，只是今天早上，它似乎又是一个巨大的飞跃。所以我觉得，如果你每三个月问我我个人最喜欢的编码工具是什么，它可能每六个月都会变，但很可能每三个月就会变。我发现，在这些工具上落后半代，坦率地说，生产力会大打折扣。我知道每个人都说AI发展得很快，非常快，但在AI的所有领域中，AI编码工具的进步速度是我看到的，许多事情可能不像炒作所说的那样发展，但AI编码工具是其中一个领域，我看到其进步速度是惊人的。而使用最新一代的工具而不是落后半代，会让你更有效率。
有了我们构建更强大软件的能力，并且比以往任何时候都更快地构建它们，我认为我现在比一两年前甚至两三年前更强烈地给出的一条建议是：去构建东西吧！参加斯坦福的课程，参加在线课程，此外，你构建东西的机会，我认为劳伦斯会谈到向他人展示它们，比以往任何时候都更大。
但是，这有一个奇怪的含义，也许不是，但越来越多的人在欣赏，但并不广为人知，那就是产品管理瓶颈。也就是说，当从清晰编写的软件规范到一段代码越来越容易时，瓶颈就越来越多地变成了决定构建什么，或者越来越变成编写你真正想要构建的清晰规范。当我构建软件时，我经常会经历一个循环：我们会编写一些软件，编写一些代码，展示给用户以获取用户反馈。我将其视为产品经理或产品管理工作，然后根据用户反馈，我会修改我对用户喜欢什么、不喜欢什么的看法，这个用户界面太难了，他们想要这个功能，他们不想要那个功能，然后改变我对构建什么的构想，然后多次进行这个循环，希望迭代出一个用户喜爱的产品。由于AI编码，构建软件的过程比以前便宜得多，也快得多，但这却讽刺地将瓶颈转移到了决定构建什么。
所以，我在硅谷和许多科技公司看到的一些奇怪趋势是，人们经常谈论工程师与产品经理的比例，工程师与PM的比例。你对这些比例要持保留态度，因为它们非常混乱。但你听到公司谈论的PM比例是4:1，或者7:1，或者8:1。这个想法是，一个产品经理编写产品规范可以让你，你知道，四到八个或类似数量的工程师保持忙碌。但是，由于工程正在加速，而产品管理没有像工程那样被AI大大加速，我看到工程师与PM的比例正在下降，甚至可能降至2:1或1:1。所以，我合作的一些团队提出的编制是1个PM对1个工程师，这与几乎所有硅谷的传统科技公司都不同。
我看到的另一件事是，能够塑造产品的工程师可以非常快速地发展。你再进一步，把工程师和PM结合成一个人。我发现，确实有些工程师喜欢做工程工作，他们不喜欢与用户交谈，也不喜欢那种更人性化、更富同情心的工作。但我越来越多地发现，那些学会与用户交谈、获取反馈、培养对用户的深刻同情心，从而能够做出关于构建什么的决定的工程师，是今天我在硅谷看到的最快发展的人。
在职业生涯的早期，有一件事我后悔了很多年，那就是在我担任的一个职位上，我试图说服一群工程师做更多产品方面的工作。我实际上让很多优秀的工程师因为不是好的产品经理而感到难过。这是我犯的一个错误。我后悔了很多年。我本不该那样做。我的一部分感觉是我现在又回到了犯同样的错误。
话虽如此，我发现，我既能写代码，又能与用户交谈来塑造要做什么，这让我和那些能做这件事的工程师发展得更快。所以，我认为也许值得重新审视工程师是否可以做更多这类工作。因为那样的话，如果你不必等待别人把产品推向客户，你就可以编写代码，对下一步要做什么有直觉，并以这种速度迭代，这种执行速度会快得多。
在我把时间交给劳伦斯之前，还有最后一件事我想分享，那就是在规划你的职业生涯方面，我认为你学习速度和成功水平最强的预测因素之一是你周围的人。我认为我们都是社会性生物，我们都从身边的人那里学习。研究表明，如果你的五个最亲密的朋友是吸烟者，你成为吸烟者的几率就很高。请不要吸烟。这只是一个例子。我不知道是否有研究表明，如果你的五个或十个最亲密的朋友是勤奋、有决心、学习迅速、努力让世界变得更美好的人，你更有可能也这样做。但这几乎肯定是真实的。所以，我们都受到身边人的启发，而你能够找到一群优秀的人一起工作，这有助于推动你前进。
事实上，在斯坦福，我感到非常幸运，拥有杰出的学生群体和杰出的教职员工。而且，我认为我们在斯坦福拥有的另一件幸运的事是连接性。坦率地说，许多在最前沿AI实验室工作的人，都是斯坦福许多不同教职员工的前学生。所以，这种丰富的连接性，坦率地说，意味着在斯坦福，我们经常会了解到很多互联网上尚未广泛公布的事情，因为这些关系、友谊。当某个公司做某事时，我们的一位教职员工朋友会打电话给公司里的某个人说：“嘿，那很奇怪，这真的有用吗？” 所以，这种丰富的连接性意味着，当我们努力推动朋友前进时，我们的朋友也会用知识和连接性以及那些目前尚未全部发布在互联网上的前沿知识来推动我们前进。
所以，当你在斯坦福的时候，去结交朋友，建立这种丰富的连接性。我自己也曾多次遇到这种情况，坦率地说，我曾考虑过走某个技术方向，我会与某人进行一两次电话交谈，他们非常接近研究，要么是斯坦福的研究员，要么是某个前沿实验室的人，他们会分享一些我以前不知道的事情，这改变了我选择项目技术架构的方式。所以我发现，你周围的那群朋友，那些零碎的信息，尝试这个，不要做那个，那只是炒作，忽略公关，不要真的尝试那个东西，这些事情对你引导项目方向的能力有很大的影响。
所以，当你在斯坦福的时候，好好利用这一点。斯坦福拥有的这种连接性实际上是独一无二的。世界上有很多优秀的大学，但此刻，我认为没有一所大学，我不想听起来像是在为斯坦福做公关，但我真的认为，此刻世界上没有一所大学在与所有领先的AI团体连接的丰富性方面，像斯坦福这样享有特权。对我来说，我们很幸运能在这里拥有一群优秀的人一起工作和学习。对你们也是如此，如果你们申请工作，对你们的职业成功更重要的是，如果你去一家公司，那将是你每天与之共事的人。
我将在这里重复一个我以前讲过的故事。我认识一位斯坦福的学生，很多年前，他当时在斯坦福做得很好，我认为他是一个高潜力的学生。他申请了一家公司的工作，并获得了一家拥有热门AI品牌的公司的录用通知。这家公司拒绝告诉他他将加入哪个团队。他们说：“哦，来签合同吧，有轮岗制度，匹配系统，等等。先签下合同，然后我们再决定什么项目适合你。” 部分原因是，这是一家好公司，他的父母为他在这家公司找到工作而感到自豪。这位学生加入这家公司，希望从事一个令人兴奋的AI项目。签完合同后，他被分配去从事公司的后端Java支付处理系统。我无意冒犯任何想做Java后端支付处理系统的人，我认为它们很棒，但这名AI专业的学生并没有被分配到AI项目。
所以，大约一年时间里，他非常沮丧，一年后他离开了公司。不幸的是，几年前我在CS230讲过这个故事，然后，在我已经在这门课上讲这个故事几年后，另一位CSU30的学生在同一家公司经历了同样的经历，不是Java后端支付处理，而是另一个项目。我认为，弄清楚你将与谁一起日常工作，并确保你周围的人能激励你并从事令人兴奋的项目，这一点很重要。而且，坦率地说，如果一家公司拒绝告诉你你将被分配到哪个团队，这在我心中会引起疑问。
我认为，与其为拥有最热门品牌的公司工作，不如有时找到一个真正优秀的团队，里面有非常勤奋、知识渊博、聪明的人，他们试图用AI做好事，但公司的标志可能不那么耀眼。我认为这通常意味着你实际上学得更快，职业发展更好。因为毕竟，当你走进公司大门时，你不会从公司标志的兴奋中学习。你从你每天与之打交道的人那里学习。所以，我敦促你们将这一点作为你们选择过程中的一个重要标准。
我想说的最后一件事，在某些圈子里可能被认为是不符合政治正确的，但我还是要说，在某些圈子里，鼓励他人努力工作已经被认为是不符合政治正确的。我将鼓励你们努力工作。现在，我认为有些人不喜欢这样说，是因为有些人正处于人生的某个阶段，他们无法努力工作。比如，我的孩子们出生后，我有一段时间没有努力工作。有些人因为受伤、残疾，或者其他非常正当的原因，在那一刻无法努力工作，我们应该尊重他们，支持他们，确保他们得到妥善照顾，即使他们不努力工作。
话虽如此，我所有的博士生都取得了巨大的成功。我看到他们中的每一个人都付出了惊人的努力。我是说，凌晨2点还在进行超参数调优，我经历过，也做过，对吧？有些日子还在做。如果你有幸处于人生的某个阶段，可以努力工作，现在有很多机会可以做事情。如果你像我一样兴奋，花晚上和周末编码、构建东西、获取用户反馈，如果你投入并做这些事情，它将增加你取得真正成功的几率。
所以，我不知道，也许我会因为鼓励人们努力工作而惹上一些麻烦，但我发现，事实是，努力工作的人能完成更多的事情。我们也应该尊重那些不工作的人，以及那些处于无法工作状态的人。但是，你知道，在看一些愚蠢的电视节目和在周末找你的代理编码器尝试一些东西之间，我几乎每次都会选择后者，除非我和我的孩子们一起看节目。有时我会这样做。但我的意思是，除了我希望你这样做之外。
好了，这就是我想说的主要内容。我想把舞台交给我的好朋友劳伦斯·莫罗尼，他将分享更多关于AI职业的建议。我认识劳伦斯很久了。他做了很多在线教育工作，有时和我以及我的团队一起。他教了很多人TensorFlow，教了很多人PyTorch。他多年来一直是Google的首席AI倡导者，现在在ARM领导一个团队。我也很喜欢他的几本书，这是其中一本。他最近还出版了一本关于PyTorch的新书，这是一本优秀的PyTorch入门书籍，而且他在许多圈子里都是一位非常受欢迎的演讲者。所以，当他同意来给我们演讲时，我非常感激。
非常荣幸。我想再次强调安德鲁刚才谈到的关于选择共事的人非常重要。但我也想从另一个角度来说，公司在面试你时，也在选择你。优秀的公司真的希望选择他们共事的人。在过去的18个月里，我一直指导了很多年轻人，他们正在为自己寻找职业。我想讲一个年轻人的故事。这个年轻人受过良好的教育，经验丰富，是顶尖的编码员。他能够应对面前的每一个挑战。他在四月份失业了。他在医疗软件领域工作，而医疗软件行业正在发生剧烈变化。联邦政府在许多领域削减了资金，他失业了。凭借他的经验、能力和技能，他认为找另一份工作会很容易。
这个可怜的年轻人度过了一个非常糟糕的四月。他在四月份失业了。在此之前不久，他的女朋友和他分手了，然后几周后，他的狗也去世了。所以他当时的状态很糟糕。几个月后，我坐下来和他一起看了看，他有一个他正在申请的工作的电子表格。他在电子表格中跟踪了超过300份工作。在许多工作中，他甚至进入了面试过程，并且与Meta等公司进行了深入的面试。还有谁？不是Google，是Meta。有微软。还有另一家大型科技公司，你需要进行大量的面试。每次到了面试的最后，他都知道自己面试得很好。他解决了所有编码问题。他与人们进行了很好的交谈，或者至少他认为如此。但每次，一天之内，招聘人员就会打电话给他，说：“不，你没有得到这份工作。” 这简直令人心碎。就像我说的，他跟踪了300多份工作。
所以，我开始和他一起进行模拟面试，并进行一些微调。哦，那是杰夫·贝索斯的公司，不是亚马逊。那是他面试过的另一家大科技公司。我开始和他一起工作，进行一些测试面试，以及所有这些事情。他是一个非常非常优秀的人。我找不到问题出在哪里，直到我决定尝试一种不同的面试方式，我给了他一个非常艰难的面试。我给了他一些很难的LeetCode题目，我在编码中给了他一些非常晦涩的边缘情况，我观察了他的反应。他的反应是招聘宣传册上给他的建议。许多招聘宣传册会说：“你将有机会分享你的观点，你必须坚持立场，你必须有骨气，不要屈服。” 他的解释是变得非常非常强硬。所以，我会挑他代码中的漏洞，我会挑出可能不起作用的边缘情况，我会给他一个危机测试。而他收到的关于坚持立场的建议，最终让他变得在面试环境中有些敌对。
我从安德鲁刚才谈到的角度来看这个问题，即优秀的人、优秀的团队、可以一起工作的人。从面试官的角度来看，如果我管理这个团队，这个人是那个陈词滥调的“10倍工程师”，但我不想让他靠近我的团队，因为他的这种态度。我们解决了这个问题，进行了微调。奇怪的是，他是一个非常非常友善的人。这只是他收到的建议，他遵循了那个建议，结果他失败了很多次面试。所以，当他参加下一个他正在面试的公司时，那是一家非常重视团队合作的公司。好消息是，他得到了那家公司的这份工作。他现在在那里工作，他的薪水翻了一番，比他失业前的工资翻了一番。他回顾过去，有六个月的失业期。但当他经历这一切的时候，对他来说是非常非常困难的时期。
所以，反过来说，如果你在看一家公司，看你将与之共事的人非常非常重要。但也要意识到，他们也在以同样的方式看着你。所以，如果你参加过技术面试辅导，他们给了你坚持立场、有骨气的建议，这样做很好，但不要因此而成为一个混蛋。
你们能看到我的幻灯片吗？好的，我是劳伦斯。我在科技行业工作的时间比ChatGPT认为的要长得多，或者比草莓的时间长得多。我曾在许多大型科技公司工作过。我在微软工作了很多年，在Google工作了很多年，也曾在路透社等地方工作过。我曾在大大小小的初创公司工作过，包括国内和国外的。
所以，我今天真正想谈的是，思考一下今天的职业前景是什么样的，尤其是在AI领域，因为首先，安德鲁说你在斯坦福，你有能力利用你在斯坦福的网络，利用你的声望。我建议你使用你所拥有的一切武器，因为不幸的是，目前的形势并不理想。我们经历了一些非常困难的时期，你只需要看看新闻，就能看到大规模的科技裁员、科技行业招聘放缓等等。但如果你做得对，这不一定是一件坏事。
所以，我想快速看一下就业市场的现实情况。实际上，出于兴趣，我不知道。这是一个……你们是应届毕业生吗？你们今年毕业还是明年毕业？还是普遍情况？你们是四年制大学的第三年。三年制大学的第三年。我这么说吧，你们将在今年夏天毕业。有多少人已经在找工作了？好的，不少人。有多少人已经成功了？没有人。哦，一个。好的，算是吧。好的，那很好。所以，你们可能正在看到其中一些信号。初级招聘显著放缓。我说初级，我指的是研究生水平。备受瞩目的裁员占据了头条新闻。几年前我在Google时，他们进行了有史以来最大规模的裁员。我们看到亚马逊、微软等公司也进行了裁员。感觉入门级职位很少，我在这里强调“感觉”这个词，我稍后会详细介绍。而且竞争非常激烈。
但是我的问题是，你们应该担心吗？我说不。因为如果你能以正确的方式处理事情，如果你能以正确的方式处理求职，特别是理解AI领域变化的速度，那么我认为有正确心态的人将会蓬勃发展。
那么，我指的是什么呢？安德鲁提到，AI招聘领域正在变化，因为AI行业正在变化，对吧？AI行业。我实际上早在1992年就涉足AI了。我曾短暂地在那里工作过，就在AI寒冬之前。一切都彻底失败了。但我被AI迷住了，然后在2015年，当Google推出TensorFlow时，我又被拉回了AI领域。我成为了整个AI热潮的一部分，推广TensorFlow，向数百万人宣传TensorFlow，并看到了发生的改变。
但到了2021年、2022年，我们经历了一场全球大流行病。全球大流行病导致了大规模的工业放缓。这种大规模的工业放缓意味着公司不得不开始转向那些能直接带来收入的事情。在Google，TensorFlow是一个开源产品。它不直接带来收入。我们开始缩减规模。世界上每家公司也在此期间缩减了招聘。
然后到了2022年、2023年，发生了什么？我们开始走出全球大流行病。我们开始意识到，所有行业都存在着由于过去没有招聘或没有进行的招聘而造成的巨大积压。而且，我们也进入了一个AI爆炸性发展的时代，这要归功于安德鲁这样的人的工作。世界正在转向并改变，几乎所有事情都以AI为先。每家公司都需要疯狂招聘。2022年、2023年每家公司都在疯狂招聘，这意味着大多数公司最终都过度招聘了。所以，这通常意味着那些不具备更高职位资格的人通常获得了职位，因为你不得不进入一场竞价战才能获得人才。你最终会进行人才争夺，并出现像安德鲁讲述的那种故事，即“这里有一个拥有AI人才的人。让我们抓住他，给他钱，让他为我们工作，然后我们再决定做什么。”
因此，结果是，2022年、2023年，所有这些大规模的过度招聘都发生在AI和COVID积压的背景下。然后，2024年、2025年是伟大的觉醒。许多公司意识到他们过度招聘了。他们最终雇佣了许多不合格的人。哦，抱歉。是的。不合格的人担任他们正在做的工作。许多人只是因为简历上有AI而被聘用。现在正在进行一次重大调整。
鉴于这次重大调整，请稍等。鉴于这次重大调整，哦，你们看不到我的幻灯片。嗯，可能是因为我的电源……我没有插电源。鉴于这次重大调整，现在许多公司对他们招聘的AI技能更加谨慎。如果你带着这种心态进入，并理解到机会仍然存在，而且机会巨大，如果你以战略性的方式去争取，那么。
所以，我今天想谈的是如何做到这一点。我在商界，尤其是在AI商业领域，看到了成功的三个支柱。如今，你不能仅仅在简历上写上AI就能获得过度招聘。如今，你不仅必须能够说出你拥有这三个成功支柱的心态，而且还必须能够展示出来。而且，能够展示出来，实际上从来没有更好的时机了。正如安德鲁之前所演示的，能够通过提示将代码变成现实的能力。他不喜欢“提示代码”这个词，我有点同意他，但能够通过提示将事物变成现实，或者无论我们想用什么词来形容，都允许你比以往任何时候都更好地展示。
他之前谈到了产品经理，他有过让工程师成为产品经理的时期，然后那些工程师最终成为了非常糟糕的产品经理。我实际上在Google面试过两次，两次都失败了，尽管我在微软非常成功，写了20多本书，教过大学课程。我在Google面试过两次，两次都失败了，因为我面试的是产品经理。然后当我面试工程师时，他们雇佣了我，他们说：“你为什么几年前不来我们公司呢？” 所以，很多时候就是这样，你知道，作为一个优秀的工程师，你有能力做到这一点并展示出来。如今，随着工程师与产品经理的比例发生变化，工程技能也比以往任何时候都更有价值。
所以，成功的三个支柱：第一，深入理解。我将从两个潜在的不同角度来理解这一点。第一是学术上的，对机器学习，对特定的模型架构有深入的学术理解，能够理解它们，能够阅读论文，能够理解论文中的内容，并且能够特别理解如何将这些东西投入使用。第二部分是深入理解，真正掌握特定趋势的脉搏，以及信号与噪声比在这些趋势中偏向信号的地方。我稍后将详细介绍这一点。
其次，也非常非常重要的是，要关注业务。安德鲁刚才说了一些政治不正确的话。我也要说一些类似政治不正确的话。首先，努力工作。努力工作是一个非常模糊的词，我会说，从你衡量什么的角度来思考努力工作。有一种趋势，我试图回忆一下。是996还是669？996，对吧？早上9点到晚上9点，每周工作6天，这是努力工作的衡量标准吗？不是。这是花费时间。所以我鼓励大家以与安德鲁相同的方式思考努力工作。但是，努力工作是什么，你如何衡量这种努力工作？你知道，你一天可以工作八个小时，而且效率极高。你一天可以工作六个小时，而且效率极高。但这是你工作有多努力以及你如何衡量它的标准。我个人从产出来衡量，在我花费的时间里我创造的东西。我经常开玩笑，但这是真的，我写了很多书。安德鲁举起了一本，他帮我写了一点。我实际上花了大约两个月写完了那本书。人们会说：“好吧，你怎么有时间工作，还有这些事情？你一定每天工作16个小时才能做到这一点吧？” 但我实际上……我写书的关键是棒球。这里有棒球迷吗？我喜欢棒球，但如果你坐下来看电视上的棒球比赛，一场比赛可能需要三个半或四个小时。所以，我所有的写作都倾向于在棒球赛季进行。所以，比如，如果我要坐下来，我喜欢来自西雅图的 Mariners，我喜欢 Dodgers。没人嘘我。好的。所以，通常晚上7点会有一场比赛。所以，我不会坐在电视机前漫无目的地看棒球，而是在棒球比赛的背景下写书。这是一个非常缓慢的游戏。这就是努力工作，你知道，在这种情况下。我鼓励你们尝试找到可以努力工作并产生产出的领域。
这就是第二个支柱：业务重点。你产生的产出要与你想要拥有的业务重点和你想要做的工作相匹配。有一句老话：“不要为你现在的工作着装，要为你想要的工作着装。” 我会说，对这句话有一个新的角度：“不要让你的产出是为了你现在的工作，让你的产出是为了你想要的工作。”
如果我回到我之前谈到的，我在Google两次面试都失败了，第三次成功了。我当时决定采取一种不同的方式。我当时正在面试他们的云团队。他们刚刚推出云服务。我刚刚写了一本关于Java的书。所以我决定看看我能在Java中为他们的云做些什么。我最终编写了一个在他们的云中运行的Java应用程序，用于使用技术分析等预测股票价格。当我进行面试时，他们没有问我愚蠢的问题，比如“一辆巴士能装多少个高尔夫球？” 他们看到了这段代码。我把这段代码放在了我的简历上。我的整个面试过程都是他们问我关于我的代码的问题。所以，这让我掌握了主动权，让我能够沟通我所知道的事情，而不是盲目地进入一个别人问我随机问题，希望我能回答的境地。
我会在AI领域说同样的话。业务重点，你现在能够通过提示生成代码，通过提示生成产品的能力。你知道，如果你能构建这些产品，并将它们与你想要做的事情联系起来，无论是在Google、Meta、初创公司还是其他任何地方，并且拥有这种深入的理解，不仅是你的代码，还有它如何与该业务保持一致。这是当今时代成功的支柱。
而且，我也会争辩说，尽管信号看起来似乎没有很多工作机会，但实际上是有很多工作机会的。真正少的是工作和与之匹配的人才的良好结合。当然，还有对交付的偏好。想法很便宜。执行是一切。我面试过许多人，他们带着非常非常空泛的想法来，却无法落地。我面试过一些人，他们带着半生不熟的想法来，但却能很好地落地。你们猜猜谁得到了工作？所以，我会说这三件事：对AI背后的学术知识的深入理解，对AI背后的实际操作以及你需要做的事情的深入理解，业务重点，专注于为业务交付，理解业务需求并能够为之交付。再次强调，对交付的偏好。
所以，快速切换。现在在AI领域工作是什么样的？很有趣。嗯，就像两三年前，在AI领域工作就是，如果你能做某件事，你就很棒了。如果你能构建一个图像分类器，你就很幸运了。我们会给你六位数的薪水和丰厚的股票福利。不幸的是，现在已经不是这样了，对吧？今天你会看到很多关于“P”这个词的讨论，生产。你能为生产做什么？你能做什么？无论是构建新模型，还是优化模型，还是理解用户，用户体验真的非常重要。一切都以生产为导向。一切都偏向生产。我讲述的从大流行病到过度招聘的那个历史，你知道，企业已经收缩并优化了利润。我有一句老话说：“底线就是底线。” 这就是我们今天所处的环境。如果你带着这种心态与公司交流，那就是打开大门的关键之一。
我在这个领域看到的一个变化是，它正在成熟。过去，我们能够做酷的事情，构建酷的东西，这很好。现在，真正重要的是构建有用的东西。这些有用的东西也可以很酷，它们的成果也可以很酷，以及由此带来的改变也可以很酷。所以，这不仅仅是为了酷而酷，而是真正地……专注于交付，专注于提供价值，然后酷感就会随之而来。我想我是在争辩。
所以，四个现实情况：第一，不幸的是，如今业务重点是不可谈判的。现在，我再稍微说点政治不正确的话。我说了，我过去35年大部分时间都在科技行业工作。我想说，在过去10年里，许多大型公司，尤其是在硅谷，把发展员工放在首位。发展员工的一部分是让他们“带上完整的自己”来工作。带上完整的自己来工作的一部分是带上他们在工作之外关心的事情。这导致了公司内部的许多活动主义。现在，请允许我强调这一点。活动主义本身并没有错。支持正义的事业，支持正义的事业，这本身并没有错。但过度侧重于此，根据我的经验，导致许多公司陷入困境，不得不将支持活动主义置于业务之上。
你可能在两年前看到过一个例子，Google的一些活动家闯入了Google Cloud负责人的办公室，因为他们抗议Google Cloud与之做生意的某个国家。他们闯进了他的办公室。他们在他的办公室里静坐，他们在他的桌子上大小便。这就是活动主义失控的地方。因此，不幸的真相是，由于这些行为，活动主义中的良好信号正在丢失。人们正在被裁员。人们正在失去工作。活动主义正在受到压制。而业务重点已成为不可谈判的。
现在正在发生一种钟摆的摆动。曾经过度倾向于允许人们“带上完整的自己”来工作的钟摆，现在又向另一个方向摆动。我们可能会责怪白宫里的人以及所有这些事情，但这并非完全如此，这是持续的钟摆。我认为其中一个重要部分是，你现在进入公司必须认识到，业务重点绝对是不可谈判的。
其次，风险规避是工作的一部分。而且我认为是任何工作的重要组成部分，尤其是在AI领域。我认为，如果你能以一种关注和心态进入AI领域，围绕着理解将某个业务流程转化为AI导向的过程的风险，并帮助规避这些风险，我认为这非常非常强大。我会在面试环境中争辩说，这是最重要的技能，拥有这种心态，你正在进行一项业务转型，从启发式计算到智能计算，这是风险，这是你如何规避这些风险，以及这是背后的心态。
第三部分是责任感在不断演变。现在，AI领域的责任感已经从一个非常模糊的定义，即“让我们确保AI对每个人都有效”，转变为一个定义：“让我们确保AI有效，让我们确保它能推动业务，然后让我们确保它对每个人都有效。” 在过去几年里，这常常被颠倒了，并导致了一些著名的、有记录的灾难。
让我分享一个例子。我们来看看，我有很多窗口打开。好的。有人知道，每个人都知道图像生成，对吧？文本到图像生成。我想分享，我……几年前，我一直在测试这个，我一直在负责任的AI方面进行大量工作。负责任的AI的一部分是你希望具有代表性。当你构建某些东西时，比如你在Google，你在索引信息，你真的想确保你不会强化负面偏见。而当你生成图像时，很容易强化负面偏见。例如，如果我说，“给我一张医生的照片”，如果训练集主要是男性……
作为医生，更有可能给出一个男人。如果我说，“给我一张护士的图片。”如果训练集更有可能将女性作为护士，那么它更有可能给我一张女性的图片。但这正在加剧负面刻板印象。所以，我想测试一下谷歌是如何试图克服这一点的，考虑到这些负面偏见已经存在于训练集中。所以，我说，“好吧，这是一个我说的提示：‘给我一个年轻的亚洲女性，在玉米地里，穿着夏天的连衣裙和草帽，专心看着她的iPhone。’”它给了我这些漂亮的图片。它做得非常好。好的。我说，“这是我一直在合作的一个虚拟女演员。我稍后会分享。”我说，“好吧，如果我问一个印度的呢？”所以，我说，“好吧。”糟糕。一个年轻的印度女性。同样的提示。它给了我一个年轻印度女性的美丽图像。然后我心想，“好吧，如果我想要她是黑色的呢？”出于某种原因，它只给了我三个。我不确定为什么，但它仍然遵循了提示。所以，责任看起来真的，真的很好。然后我要求它给我一个拉丁裔。拉丁裔。它给了我四个。但是，是的，她看起来很拉丁裔。也许左下角的那一个有点像赫敏·格兰杰。嗯，但总的来说看起来不错。然后我要求它给我一个白人。你认为发生了什么？虽然我理解你的要求，但我无法生成人物图片，因为这可能会导致有害的刻板印象和偏见。对。这是一个非常糟糕的安全过滤器，在这种情况下，安全过滤器正在寻找“白人”这个词，或者正在寻找“白色”这个词，结果说它不会这样做。我当时想，“好吧，好吧，让我测试一下这个过滤器。”我说，“好吧，与其说白人，不如说我试试‘白色’。”是的，虽然我无法满足你的要求，但我目前不生成人物图片。它当着我的面撒谎，对吧？因为它刚刚生成了人物图片。有人知道我用来让它工作的技巧吗？这是一个有趣的。所以，我将展示给你看。我要求它生成一个爱尔兰女性。你认为它做了什么？是的，它给了我一张爱尔兰女性的图片，没问题，穿着夏天的连衣裙，草帽，专心看着她的手机。但你注意到这张图片有什么吗？她每张图片都有红头发，对吧？我在爱尔兰长大。嗯，爱尔兰确实是世界上红头发比例最高的地方。大约是8%。但如果你要画一个人的形象，并将特定的种族与发色联系起来，你就会开始看到这是极其有问题的事情。我相信在中国的一些地区，恶魔的描述是一个红头发的人。对吧？所以，从负责任的AI的角度来看，最终发生的是，对什么是负责任的，什么是不负责任的，只有一个非常狭隘的观点，最终控制了模型，最终损害了模型的声誉，并因此损害了公司的声誉。在这种情况下，将所有爱尔兰人都描绘成红头发是近乎冒犯的。但这甚至从未进入那些构建安全过滤器的头脑中。所以，当我谈论责任在不断发展时，这就是我想让你现在思考的方向。负责任的AI已经从非常空泛的社会问题转向了与业务相关的更强硬的事情，并防止损害业务声誉。关于负责任的AI有很多很棒的研究，这些研究已经被整合到产品中，当然，就像我刚才展示的Gemini一样，从错误中学习是持续的。 >> 是的，我也听说过种族和民族与历史背景的混合。 >> 是的。 >> 是的。所以问题是，你知道，种族和事物在历史背景下混合的问题是同一个问题。例如，如果你有一个提示说，“画一个武士，”对吧？他们的想法是，他们不希望你，那个改变提示以确保它公平的引擎会说，“给我一个不同背景的武士的混合体，对吧？然后你会有男性和女性武士，不同种族的武士，以及那些东西。”而正是这种提示导致了我刚才展示的损害。所以，想法是拦截你的提示，以确保模型的输出能够提供更公平的东西，就多样化代表性而言。嗯，这是一个非常天真的解决方案，最终被采纳了。那已经是几年前的事了。他们从那时起已经大大改进了。但这就是我所说的，如果你现在在AI领域工作，这就是责任的演变方式。你不能再逃避那些事情了，对吧？Gemini的教训很好，Gemini的例子是一个很好的教训，而且你会犯错误的心态。所以，从错误中学习是一个持续不断的过程，回到安德鲁之前提到的关于你身边的人也会犯错误的问题。所以，能够原谅他们在犯错误时，并与他们一起克服这些错误并继续前进，这真的非常重要，而且是AI在工作中现实的一部分。我谈了很多关于业务重点优势。所以，我将跳过这一点。现在让我们来谈谈“vibe coding”。嗯，让我们来谈谈生成代码的整个想法。现在，关于它让工程师变得不那么有用的说法已经传开了，因为有人可以轻易地通过提示来生成代码。当然，无风不起浪，但我会说，不要让这种说法让你沮丧，因为当你深入研究这些事情时，最终你会发现真相并非如此。你作为一名工程师越熟练，你就越能更好地使用这种“vibe”方式。有人能给我一个比“vibe coding”更贴切的短语吗？使用这种提示来编码。我总是喜欢思考这个问题，并试图让你和我交谈的人处于成为他们所交谈之人的“值得信赖的顾问”的角色。所以，无论你是面试某人，都要让自己处于为你面试的公司成为“值得信赖的顾问”的心态。无论你是咨询还是做其他事情。所以，当你想要成为“值得信赖的顾问”时，你就必须真正理解生成代码的含义。没有人比工程师更能理解生成代码的含义。我总是喜欢使用的衡量标准是技术债务。快速提问，你熟悉“技术债务”这个短语吗？没有人。好的。嗯，安德鲁和我周五在纽约参加了一个会议，我用了这个短语，我看到很多人一脸茫然。所以，我没有意识到人们不理解什么是技术债务。所以，让我花点时间解释一下，因为我认为这是一个很好的框架，可以帮助你理解“vibe coding”的力量。像你平常一样思考债务，对吧？买房。如果你买房，你知道，比如你借了五十万美元买房，然后是30年的抵押贷款。嗯，当你买房的时候，那五十万美元加上你支付的所有利息大约是两倍。所以，你最终会还给银行大约一百万美元，而不是欠五十万美元。所以，你有30年的房屋所有权，债务成本为100万美元。这可能是一笔不错的债务，因为房子的价值会随着时间的推移而增加。你在这段时间里不用付房租。而这100万美元，你在30年里花在房子上，是一笔不错的债务，因为你从中获得的价值超过100万美元。坏账将是高利率信用卡上的冲动购买。你知道那些最新款的鞋子，我真的很想买。是200美元。当我付清它们时，是500美元。你从这双鞋子中获得的收益不到500美元。用同样的心态来处理软件开发是正确的方法。每次你构建一些东西时，你都会承担债务。无论它有多好，都无关紧要。总会有错误。总会有支持。总会有来自人们的新需求。总会有市场营销的需求。总会有反馈的需求。所有这些都是债务。每次你做一件事，唯一避免债务的方法就是什么都不做。所以，你的心态应该是，当你创造一个东西时，无论你是自己编码，还是用“vibe coding”编码，或者其他任何事情，你都在增加你的技术债务，这些东西是你需要随着时间的推移偿还的。所以，问题就变成了，当你用“vibe coding”创造一个东西时，就像购买一个东西一样，你承担的技术债务是否值得？技术债务通常是什么样的？你需要修复的错误，你需要说服的人，你知道，来帮助你维护代码，你需要做的文档，你需要添加的功能，所有这些东西。你们都非常熟悉它们。把它们看作是你当前工作之外的额外工作。这就是你承担的债务。你知道，有软债务，也有硬债务。所以，对我来说，这是我给出的第一条建议，也是我每次与公司合作“vibe coding”时都会给出的建议。我与之合作的许多公司，我咨询的许多公司，尤其是初创公司，你知道，他们只想直接打开Gemini或GPT或Anthropic，开始生成代码，你知道，让我们快速进入原型阶段，让我们去见投资者，让我们做事情。这很棒。嗯，这可能很棒，但债务、债务、债务、债务总是存在的。你如何管理你的债务？一个好的财务年度会管理他们的债务，他们会变得富有。一个好的编码员会管理他们的技术债务，他们也会变得富有。那么，如何获得好的技术债务？如何获得抵押贷款而不是高额信用卡债务？嗯，第一是你的目标。它们是什么？它们清楚吗？你达到了它们吗？对吧？你知道你需要构建什么。你没有只是启动ChatGPT并开始生成代码。至少我希望你没有，对吧？嗯，想想你如何构建它。AI是为了帮助你更快地构建它。嗯，我目前正在经营我自己的小创业公司，在电影制作领域，我几乎完全使用代码生成。嗯，但我为我的“明确目标已达成”框所做的事情是，我开始构建这个应用程序。我测试了它。我把它扔掉了。我重新开始，测试它，扔掉它。每次我的需求都在改进，我都能更好地理解如何做这件事，我可以在几分钟内展示一些它的输出。但关键在于，始终要有明确的目标并实现它们。然后，如果你正在构建东西但没有达到这些目标，那仍然是学习，扔掉它也没有什么坏处，因为在生成代码的时代，代码很便宜。完成的代码，工程代码并不便宜。所以，设定好目标，让它们明确，构建它，满足一个特定的需求，然后继续前进。它是否提供了业务价值是另一回事。你知道，我见过人们在Replit上花费数小时进行“vibe coding”，以构建一个非常酷的网站，然后答案是“那又怎样？”这如何帮助业务？这如何真正驱动某些东西？它真的很酷。是的，副总裁先生，我知道你一生中从未写过一行代码，你现在构建了一个网站，这真的很酷，但那又怎样？嗯，所以，想想这一点，并专注于这一点，这就是你如何避免糟糕的技术债务。然后，当然，最被低估的部分，在某些方面也是最重要的部分，尤其是在组织中工作时，是人类的理解，对吧？你能承担的最糟糕的技术债务是交付没有人理解的代码，对吧？只有你理解它，然后你辞职去了一份更好的工作，然后公司就依赖于这段代码了。所以，作为构建过程的一部分，确保你的代码可以通过文档、清晰的算法、你花时间仔细研究它以确保即使是简单的变量名也有意义来理解，这是避免糟糕技术债务的一个非常非常重要的方式。而我最喜欢的糟糕技术债务是经典的“解决方案在寻找问题”，对吧？有人有一个想法，有人有一个工具。如果你唯一的工具是锤子，那么每个问题看起来都像钉子。你知道，你最终会拥有所有这些被“vibe coding”出来的工具。我在大型组织工作过，人们只是“vibe coding”东西，然后把它提交到代码库，然后就很难在所有坏的东西中找到好的东西了。嗯，意大利面条代码，当然，结构不良的东西，特别是当你反复提示时。嗯，你知道，它最终会陷入各种麻烦。嗯，我目前最挣扎的是，我正在构建一个macOS应用程序。有人在macOS上用SwiftUI构建过吗？好的，有几个。嗯，SwiftUI是苹果用于构建macOS和iPhone的默认语言。但当你查看训练集时，用于训练这些模型的数据训练集，绝大多数代码是iPhone代码，而不是macOS代码。当我通过提示生成代码时，它经常给我iOS的API，以及那些东西。即使我在Xcode中，并且我创建了一个macOS应用程序，它是一个macOS模板，并且我在Xcode中与它对话，它仍然给我iOS代码，诸如此类。然后，如果我尝试通过提示来更改它，你最终会陷入意大利面条代码的螺旋，你最终需要手动更改很多东西。然后，当然，我之前开玩笑的另一个也是真实的事情是，你知道，你将在工作场所遇到的一些糟糕的技术债务是“权威凌驾于功绩之上”。嗯，那位副总裁突然刷了信用卡，订阅了Replit，并开始在Replit中构建东西，然后谁来修复它呢？嗯，你知道，所以我开始给公司提供很多建议，以及我鼓励你开始思考成为“值得信赖的顾问”的许多词语是理解这些东西并相应地管理期望。好的。所以，我们刚刚谈过的负责任的“vibe coding”框架。嗯，我想谈谈的其中一件事是，我们很快就要结束了，那就是炒作周期。所以，炒作是最令人惊奇的力量。我的意思是，我认为它是宇宙中最强大的力量之一，尤其是在目前非常热门的两个领域，即AI和加密货币。你应该看看我的Twitter。嗯，那里有很多胡说八道。所以，关于炒作的解剖，我真正需要思考的一件事是，如果你通过社交媒体获取新闻，那么社交媒体的货币是参与度。准确性不是社交媒体的货币。所以我去，即使是LinkedIn，它应该更专业，但它完全被影响者淹没了，他们发布了他们使用Gemini或GPT写过的引人入胜的帖子，以便获得参与度并获得点赞，而引擎本身就是为了奖励这类帖子而设计的，我们最终会得到奖励参与度的滚雪球效应。嗯，如果你是那种能够从噪音中筛选出信号，然后能够鼓励周围的人关注信号而不是噪音的人，那么你就会获得巨大的优势，让你与众不同。它不像社交媒体上的点赞和参与那样快速易懂。但是，当你处于一对一的环境中，比如求职面试，或者你在工作中，并且你将这种信号带到谈判桌上而不是噪音，那么你就会变得非常有价值。所以，带着这种心态进来，带着筛选信号和噪音的想法进来，理解时事中的重要内容，你如何成为这些事情中的“值得信赖的顾问”，以及你如何真正地剔除噪音来帮助别人，这是非常有价值的。我想从一个故事开始。我可能在抢自己的风头。我稍后会继续讲。所以，去年有一个故事，嗯，当“代理”成为关键词，每个人都说，你知道，2025年，“代理”将是年度词汇和年度趋势。一家欧洲公司请我帮助他们实现一个“代理”。所以，让我问你一个问题。如果一家公司找到你，说请帮我实现一个“代理”。你问他们的第一个问题是什么？对你来说，什么是“代理”？>> 好的，这很好。对你来说，什么是“代理”？我实际上有一个更基本的问题。嗯，是的。>> 你想做什么？好的，更基本。我的问题是为什么？为什么？你知道，然后把它拆开。我与首席执行官谈过，他说，“哦，嗯，是的，你知道，每个人都告诉我，我将节省业务成本，你知道，我将能够做这些惊人的事情，嗯，是的，我的业务会变得更好，因为我有“代理”。我说，“好吧，谁告诉你的？”你知道，他说，“哦，是的。我在LinkedIn上读到过这个，我在Twitter上看到过这个，然后，”我们最终进行了那次谈话，这是一次艰难的谈话，因为我不得不不断地拆解，我开始问你们刚才提到的问题，直到我们真正弄清楚他想做什么。他真正想做的是，如果我们把所有关于AI的领域知识都放在一边，那就是他想提高他的销售人员的效率。我说，“好吧，你想提高你的销售人员的效率。”这句话里我没有听到“AI”这个词，也没有听到“代理”这个词。所以，现在作为“值得信赖的顾问”，让我看看我能做什么来帮助你的销售人员提高效率。我不会成为AI的推销员或“代理”的推销员。我只是想看看我们做什么来提高你的销售人员的效率。如果你在这里有人在销售领域工作过，你会意识到一个好的销售人员必须做的是他们的功课，对吧？你知道，在你与某人进行销售电话之前，在你与某人进行销售会议之前，你需要检查他们的背景。你需要检查公司，你需要检查公司的需求，你知道，你有时会在电影中看到，比如，哦，某某人打高尔夫球，所以我将带他们去打高尔夫球。它并没有那么陈词滥调，但确实有很多背景需要做。所以，我与他谈过，也与他们顶尖的销售人员谈过，并发现，你知道，我问销售人员，“你最讨厌你的工作是什么？”他们说，“嗯，我讨厌我必须浪费所有时间去拜访这些公司网站，去LinkedIn上找人，而且每个网站的结构都不同，对吧？所以，我不能，你知道，就像有一个我可以遵循的网站路径一样。我必须承担所有这些认知负担。”他们花了大约80%的时间在研究上，20%的时间在销售上。哦，顺便说一句，大多数销售人员的薪水并不高。他们必须通过佣金来弥补。所以，他们只花了20%的时间做直接让他们获得佣金的事情。所以，我们想，好吧，这里有一些我们可以开始思考如何让他们更有效率的方法，通过削减这部分。所以，我们设定了一个目标，就是让销售人员提高20%的效率，然后我们就可以开始推出AI的想法，然后我们就可以开始推出“代理式AI”的想法。快速提问，AI和“代理式AI”有什么区别？好的。所以，是的。>> 好的。>> 是的。太棒了。是的。所以，“代理式AI”实际上是将它分解成步骤。嗯，这本身就是一项好的工程，对吧？但在“代理式AI”中，我发现有一套固定的步骤，如果你遵循它们，你最终会得到“代理”的整个想法。其中第一步是理解意图。你知道，我们倾向于经常使用“AI”、“人工智能”这些词，但大型语言模型真正擅长的也是理解。所以，如果你想做的任何事情的第一步是理解意图，对吧？你可以使用LLM来做到这一点，来思考这是我需要做的任务，这是我将如何做。这就是意图。你知道，我想见到Bob Smith，并向Bob Smith销售小工具，这是我所知道的关于Bob Smith的信息。帮助我实现这个意图。第二部分是规划，对吧？所以，你向“代理”声明它可用的工具，浏览网页，搜索网页，所有这些东西。一旦你理解了你的明确意图，你就可以进入规划步骤，并使用这些工具进行规划，而LLM非常擅长将其分解成它需要执行的步骤。用这些关键词搜索网络。浏览这个网站并找到这些链接。诸如此类的事情。一旦它制定了计划，它就会使用工具来获得结果。然后一旦有了结果，第四步也是最后一步是反思结果。并查看结果，回到意图。我们实现了意图吗？是或否？如果没有，就回到那个循环。所有“代理”实际上都分解成了这些东西。如果你认为将任何问题分解成这四个步骤，你就会开始构建一个“代理”。这就是成为“值得信赖的顾问”的一部分。而不是进来挥舞双手说，“代理这个，代理那个，看看这个工具包，节省20%。”你知道，这实际上是将它分解成这些步骤。所以，我们做到了。我们将它分解成了这些步骤。我们为这家公司的销售人员构建了一个试点项目。他们最终节省了大约10%到15%的时间，他们浪费的时间。然而，意想不到的后果法则在此之后发生了，意想不到的后果是销售人员更加快乐，因为平均销售人员在给定的一周内销售额提高了几个百分点。他们在给定的一周内赚了更多的钱，他们的工作也变得不那么痛苦了。然后对“代理式”过程的改进，能够为他们完成所有这些研究，并在几分钟内而不是几个小时内为他们提供简报，以帮助他们完成销售过程，最终成为一个三赢的局面。但是，如果你带着炒作进来，就像，“哦，为这件事构建一个‘代理’，而没有真正拆解业务需求、原因、内容、方式以及所有这些东西，那么我们最终就会，你知道，这家公司就会迷失在炒作中。你可能已经看到了最近的报告。我认为麦肯锡上周发布了一份报告，显示公司中约有85%的AI项目失败。嗯，主要原因之一是它们范围界定不清。人们正在追逐炒作的浪潮，但他们并没有真正理解如何解决问题。我认为，你知道，在座的各位的聪明才智和你们拥有的网络，能够成功的关键组成部分是理解如何解决这个问题。所以，这是一个关于“代理式”的炒作例子，我很高兴能够帮助这家公司度过难关。其他近期的炒作例子，你可能已经看到了“软件工程已死”。我个人最喜欢的“好莱坞已死”或“年底AGI”。嗯，我去年这个时候在沙特阿拉伯的一个叫做FI的活动上，在FI的一个晚宴上，我坐在一家公司的CEO旁边，我不会说出名字，但这家公司是一家生成式AI公司，当时他向桌子上的每个人展示了他所做的事情，即文本到视频，他可以输入一个文本提示，然后从提示中获得视频，并获得大约六秒钟的视频。一年前，这是，我冒犯地说，两年前。两年前，那是热门的东西。如今，显然，这很普遍，任何人都可以做到。但他当时在桌子上发表了一句评论，桌子上有很多媒体高管，他说，“到明年这个时候，从一个提示开始，我们将能够制作90分钟的视频，”所以，“再见，好莱坞，”你知道，就像，“好莱坞已死”的说法就源于此。首先，即使两年后，我们也不能从一个提示中制作90分钟的视频，即使你做到了，什么样的提示才能告诉你一部电影的完整故事，对吧？所以，这种炒作会导致参与度。这种炒作会导致关注。但我的鼓励是让你拆解它。寻找信号。问“为什么”的问题。问“什么”的问题，然后从那里继续前进。所以，成为那个“值得信赖的顾问”，世界正被炒作淹没。你如何做到？关注趋势，客观地评估它们。寻找真正的机会。有时尚的干扰。我不知道下一个会是什么，但这些干扰会在社交媒体上为你带来很多参与度。忽略它们，忽略那些沉迷于它们的人。然后真正地利用你的技能，向领导层解释技术现实。嗯，一位教练曾经教过我一项我发现非常有趣但我认为听起来错误但最终是正确的技能是，每当你看到类似的东西时，试着让它尽可能变得平凡。当你能够让它变得尽可能平凡时，你就会开始为详细地解释它，以人们需要理解的方式打下基础，对吧？就像，你去看看，你知道，我认为Gemini 3今天发布了，但本周早些时候有泄露，一个人泄露说我用提示构建了一个Minecraft克隆，你知道那种事情。这是平凡的反面，对吧？这是极度炒作，极度展示，当然他们没有。他们构建了一个炫酷的演示。他们并没有真正构建一个Minecraft克隆。但关键是，如果你能把它拆解成，好吧，我如何思考这里发生的平凡的事情？嗯，我最近一直在处理的一个事情是视频。所以，文本到视频的提示，正如我提到的，而不是神奇的“你可以做任何你想做的事情，一切都很美好，好莱坞已死”。文本到视频的平凡之处是什么？文本到视频的平凡之处在于，当你训练一个模型从文本提示创建视频时，它所做的是创建一系列连续的帧。而这些连续的帧中的每一帧都将与前一帧略有不同。你已经训练了一个模型，通过观看视频来判断，你知道，如果第一帧中这个人的手是这样的，第二帧就是那样的，那么你可以预测它会这样移动，如果有一个匹配的提示。突然之间，它变得稍微平凡了一些，但突然之间他们开始理解它了。然后，那些在该特定领域拥有专业知识的人，而不是技术方面的人，将是那些能够用它做出出色事情的人。所以，这种炒作导航策略是积极过滤，深入研究基础知识，让你的幻灯片正常工作，然后当然要密切关注。我认为最难的部分是第三个，那就是真正密切关注。那就是你必须进入那些只是为了赚取参与度的人的粪坑，并真正地从中找出信号和噪音。但我认为，你能够做到这一点，与外界保持联系，理解阅读论文都很好，这非常重要。我认为阅读论文的信号与噪音比要好得多。但要理解你所建议的人所处的环境，他们是那些在Twitter、X和LinkedIn的粪坑里徘徊的人，这些平台本身并没有什么问题，但发布在这些平台上的东西。所以，整体格局充满了机会。绝对充满了机会。嗯，所以，我鼓励你们像安德鲁一样，继续学习，继续深入研究你能做什么，并继续构建。但前方有风险，对吧？你知道，有人还记得泰坦尼克号电影吗？还记得里面那句名言“冰山就在前面”吗？你知道，但在那之前，泰坦尼克号里有一个场景。如果我们没有被拍摄，我会展示它，但出于版权原因我不能，在那里，在瞭望台上的两个人正在冻得发抖地聊天。嗯，船顶的瞭望台是观察员用来发现前方任何冰山的。回去再看一遍电影。你会看到这两个人之间的对话是他们只谈论他们有多冷。嗯，然后画面切换到船员，他们说，“等等，他们不是应该有双筒望远镜吗？”你知道，然后船员说，“哦，我们把双筒望远镜留在了港口。”这种构图的整个想法是，他们前进的信心太足了，以至于他们不想注意任何特定的风险。即使他们有负责观察风险的人，他们也没有充分装备或培训他们。对我来说，这是AI行业今天的绝佳隐喻。前方有风险。嗯，那些风险，B字，泡沫字，你可能在新闻中读到过，它们就在那里。嗯，对我来说，机会和嗯，嗯，关于泡沫的思考是，你们大多数人可能不记得2000年代的“.com泡沫”了，但如果你想想“.com泡沫”，那是历史上最大的泡沫，它破裂了，但我们还在。那些做得对的“.com”公司不仅幸存下来，而且蓬勃发展。亚马逊、谷歌，你知道，他们做得对。他们理解了构建“.com”公司的基本原理。他们理解了在“.com”上构建业务的基本原理。当炒作的泡沫破裂时，他们并没有随之而去。有一家网站，我相信是pets.com，他们的想法是“如果你建造它，他们就会来”。他们为pets.com做了超级碗广告。他们无法处理获得的流量。而当泡沫破裂时，这些就是那种网站。所以，AI中的泡沫很可能会到来。总会有泡沫。所以，那些做得对的AI公司就像我说的，它们不仅会避免泡沫，而且会在泡沫之后蓬勃发展。而那些做得对的AI公司，在座的各位，那些正在思考AI以及你如何将其带入你的公司，以及你给你的公司提供的建议，并以正确的方式利用它们的人，也将是那些在泡沫破裂时不会被裁员，并且将能够度过泡沫并从中受益的人。所以，任何泡沫的解剖，以及我特别在AI泡沫中看到的，是这种金字塔。顶端是我一直在谈论的炒作。底部是大量的VC投资。坦率地说，我已经看到它在枯竭了，对吧？你知道，曾经只要有什么东西写着AI，你就可以获得VC投资。然后你可以出去做任何与LLM有关的事情，并获得VC投资。现在他们要谨慎得多。我一直在为许多初创公司提供建议。他们获得的投资正在缩减。嗯，被投资的东西正在改变，你知道，你知道，第二层的大量VC投资已经开始消失。不切实际的估值，不赚钱的公司被估值极高。我们都知道他们是谁。你知道，我们开始看到那些不切实际的估值被那些炒作所喂养。我也是产品，有人做了一些事情，它成功了，每个人都加入了进来。我们也随处可见。我们在“.com泡沫”中都看到了，对吧？然后，在最底部是真正的价值。你知道，我可能不应该画成三角形，它应该更像一个倒三角形，对吧？因为你知道，嗯，这里的真正价值很小。我用“vibe coding”把这些幻灯片弄出来的。所以，这是我承担的技术债务之一，你知道，嗯，但那里的真正价值，那个价值的核心就在那里，而那些为之构建的人将是那些能够生存下来的人。所以，我认为AI行业的发展方向，以及我鼓励你开始思考你的技能的方向，在接下来的五年里，将出现一个分叉。好吧，我将以一种固执的方式来描述它们，即大和小，对吧？大的AI将是我们今天看到的，大型语言模型越来越大，朝着AGI发展的愿望。Gemini、Claude、OpenAI等公司将继续朝着实现AGI或实现更好的业务价值的方向发展得越来越大。这将是分支的一边。另一边是我称之为“小”的。我们都看到了开源模型。嗯，我讨厌“开源”这个词。让我称它们为“开放权重”，或者让我称它们为“可自托管”的模型正在爆炸式地出现在这个领域。嗯，我最近读到一篇文章，关于Y Combinator，Y Combinator中80%的公司都在使用来自中国的小模型，特别是。嗯，所以中国的模型，特别是做得很好，可能是因为整体格局在那里，不像西方那样倾向于大型模型。嗯，我认为这种分叉正在发生。中国在小型模型方面可能领先，这可能会持续，也可能不会，我不知道。嗯，但关键是我们正朝着这个方向发展，我称之为“由别人托管的模型”，比如GPT或Gemini或Claude，或者你可以为自己的需求托管的模型。嗯，就像现在这一边是服务不足的。这个泡沫可能会破裂。而现在这一边是服务不足的，而这个泡沫将在以后出现。嗯，在未来两到三年内，开发者在这个领域所需的主要技能将是微调。嗯，所以，能够获取一个开源模型并为特定的下游任务进行微调。让我举一个我亲身经历的具体例子。我在好莱坞工作了很多，也与电影制片厂合作了很多。嗯，我特别幸运地卖了一部电影给一家制片厂。它仍在预制作中。它可能会永远处于预制作阶段。嗯，但作为这个过程的一部分，我学到的一件事是，制片厂的IP受到如此严格的保护，以至于令人难以置信。嗯，去谷歌搜索詹姆斯·卡梅隆，他创造了《阿凡达》，以及他卷入的诉讼，有人多年前向他发送了一个关于蓝色外星人的故事，现在因为《阿凡达》中有蓝色外星人而起诉他数十亿美元。嗯，好莱坞的IP保护程度是疯狂的。大型语言模型的机会同样疯狂。嗯，很多重点在于用于创作、讲故事、渲染等的大型语言模型。但实际上，它们最大的机会在于分析。嗯，看看电影的概要，找出什么有效，什么无效。为什么这部电影会成功，而那部不会？这部电影是在一年中的什么时候发布的，并且取得了成功，而那部没有？而电影的利润率非常低，这种分析非常重要。但为了进行这种分析，你需要与大型语言模型分享你的电影的细节，而他们绝对不会与GPT或Gemini或任何东西分享，因为他们现在正在与第三方分享他们的IP。进入小型模型，它们可以自托管它们自己的小型模型，并且它们变得越来越聪明。今天的7B模型和昨天的50B模型一样聪明。你知道，一年后，明年的7B模型将和昨天的300B模型一样聪明。嗯，它们正朝着构建使用小型自托管模型的方向发展，然后它们可以针对下游任务进行微调。与其他隐私重要的领域类似，律师事务所、医疗办公室，所有这些地方。所以，这些类型的技能在未来至关重要。嗯，所以，这就是我看到的AI领域的分叉。更早的泡沫，我认为是在更大的非自托管领域。更晚的泡沫是在更小的自托管领域。但无论哪种方式，对你来说，为了你的职业生涯避免任何泡沫破裂的影响，专注于基础知识，构建那些真正的解决方案，理解业务方面，最重要的是，多样化你的技能。不要成为那个只会做一件事的单项人才。我曾与才华横溢的人合作过，他们非常擅长编码某个特定的API或框架，然后行业发生了变化，他们被落下了。好的。所以，是的，嗯，当泡沫破裂时，整体的余波，我已经谈过一点了，资金蒸发，招聘冻结变成裁员，项目被取消，人才充斥市场。是的。>> 快速提问。我听到了很多关于他们如何以及他们非常具体地关于他们想要非常具体地解决他们的问题的人。所以，他们要求人们基本上要专注于这一点。所以，你认为如何？与实际专注于例如LLM而不是计算机视觉或非常具体的东西相比，多样化技能有多重要？对。所以，我的意思是，我认为，问题是关于英伟达，他们正在为一个非常具体、非常狭窄的场景招聘。所以，问题是，成为一个狭窄场景的专家与多样化你的技能有多重要。我总是会争辩说，多样化技能仍然更好。嗯，因为那个狭窄的场景只是那个狭窄的场景，你把所有的鸡蛋都放在一个篮子里。英伟达将是一家很棒的公司。没有任何反对他们的意思。但是，如果你把所有的鸡蛋都放在那个篮子里，而你没有得到它，那怎么办？对吧？所以，我认为真正能够，如果你是[清嗓子]对某件事充满热情，那么深入研究它非常好，但只能做那件事，我认为，你知道，我总是会鼓励多样化。当我说的多样化，就像你说的LLM或计算机视觉或任何东西一样，我认为那是其中一部分，但它就像对模型及其使用方式的了解对我来说是一项通用技能。嗯，技能的多样化是打破这一点，也是能够思考，好吧，关于在这些之上构建应用程序呢？应用程序的扩展是什么样的？在这种情况下，软件工程是什么样的？用户体验和用户体验技能呢？因为构建一个漂亮的应用程序很好，但如果没人能用呢？我看着你，微软Office，你知道，你知道，有像这样的东西，你就是，你知道，这就是我真正说的多样化，超越了，所以即使在那个，就像英伟达的单例中，能够打破那个特定的例子，但展示其他有价值的领域的技能，我认为非常重要。好的。嗯，我们有点超时了，所以，是的，我只是想，我已经谈过一点了，但我是一个坚定的“小型AI”倡导者。我真的相信“小型AI”是下一个大事。因为我们正在进入一个世界，这是我 ARM 的工作的一部分，我们正在进入一个“无处不在的AI”的世界。所以，有一个传统的，而且你刚才提到英伟达很有意思，因为有一个传统的观念是，在AI方面，计算平台是CPU加上GPU，但那也在改变，对吧？CPU，通用，GPU专家。但例如，在移动领域，嗯，有一项技术叫做me，可扩展矩阵扩展，正在进行大量创新。而这一切都是关于让你能够运行AI工作负载并将它们放在CPU上。嗯，在这方面处于领先地位的是几家中国手机供应商，嗯，Vivo和OPPO，他们最近发布了配备me芯片的手机，而这些手机的神奇之处在于，它们不需要一个单独的外部芯片来消耗额外的电力，占用额外的空间来运行AI工作负载，而且b当然，CPU是一个低功耗的设备，能够在CPU上运行AI工作负载，它们能够构建有趣的新场景，如果我举一个特别的例子，嗯，有一家公司叫做Alipay，Alipay有一个应用程序，你可以在其中，我们都见过这些应用程序，你可以浏览你的照片，搜索特定的东西，你知道，我吃寿司的地方，或者类似的东西，并用它来创建幻灯片。所有这些都需要后端服务。所以，你的照片托管在Google Photos或Apple Photos或其他什么地方。而那个后端服务运行着你可以搜索的模型，并能够组装它们。Alipay想要做的是，就像，有三个问题。问题一，隐私。你必须分享你的
第三方照片。第二个问题，延迟。您需要上传这些照片。您需要发送这个东西。您需要后端来处理这个事情。然后您需要从这个东西下载结果。然后第三点是构建这个云服务，并且启动它需要时间和金钱。所以如果他们能把所有这些都转移到设备本身，那么他们的想法是他们可以在设备上运行一个模型来搜索设备上的照片。从业务角度来看，您没有延迟。他们现在正在节省在创建这个启动服务上的钱。他们现在在 CPU 上运行 AI 来实现这一点。苹果也是那些在可扩展矩阵扩展方面投入巨资的人。您可以看到，每当他们谈论，如果您曾经看过 WWDC 或类似的任何东西，当他们谈论新的 A 系列芯片和 M 系列芯片以及其中的神经核心和那些东西时，那就是这个想法的一部分。所以，考虑到打破我们已经养成的习惯，即您需要 GPU 才能进行 AI，这是世界正在朝着的趋势的一部分。苹果可能是其中的领导者之一。因此，我对苹果及其人工智能非常看好，从 AI 的角度来看，并且，您知道，看到这种趋势并沿着这个方向发展到其合乎逻辑的结论，随着模型越来越小，嵌入式智能无处不在，这不再是痴心妄想，不再是科幻小说，它将很快成为现实，我们将看到它。所以，AI 的融合，因为更小的模型变得更智能，并且低功耗设备能够运行它们。我们看到了这种融合的到来，我看到了巨大的机会。所以，嗯，最后一部分，回到代理人。我认为，嗯，我一直说的一件事是，人工智能的一个隐藏部分实际上是我称之为“人工理解”。当您开始使用模型代表您理解事物时，当它们代表您理解事物时，您就可以从中发展出新的事物，您实际上可以开发出超能力，让您比以往任何时候都更有效率。无论是创建代码还是创建其他东西。我将进行一次快速演示，以便我们能够结束。嗯，我之前一直在谈论生成视频。所以，嗯，这张照片是，哎呀。抱歉，这里的连接不太好。我断开了。所以，这是我儿子的照片，他正在打冰球。我拍了这张照片，我说，“好吧，我认为我非常擅长提示。”我为这张照片写了一个很好的提示来捕捉他。他正在进行一次强力射门。他的球杆有漂亮的弯曲度。我问它，比如，“好吧，这是一个提示，就像你知道他进了一个球。你认为发生了什么？我们应该，我们应该看看吗？让我们看看它是否有效。啊，这是错误的视频，但它仍然显示了相同的想法。嗯，由于提示不佳或对我的意图理解不佳，如果我从 AI 的角度来谈论它，他所在的场地，这是一个练习场地，里面没有人。抱歉，暂停一下。嗯，如果我只是倒回到这里，如果我们看看这里的右上角，这就是他们存放所有垃圾的地方。嗯，但 AI 并不知道这一点，对此一无所知，所以假设这是一个完整的场地，它就开始画人。即使他射偏了很多，每个人都在欢呼，而且他手里不知怎么有两个球杆而不是一个，他们忘了他的名字。对吧？所以，我没有通过代理工作流程来做到这一点。我没有经历过 a 理解意图 b 一旦你理解了我的意图，就理解可用的工具，在这种情况下是 v，并且理解使用 vo 的复杂性，制定一个如何使用它们的计划，制定一个如何为它们构建提示的计划，然后使用它们，然后反思。所以我一直在建议一家创业公司，他们正在使用 AI 进行电影创作，我想在这里向您展示一个他们正在制作的电影样本，整个想法是，如果你想让虚拟演员和女演员有表演，你需要有情感，对吧？你需要能够传达这种情感，并且你还需要能够将这种情感置于整个故事的背景下，因为当你从一个提示创建视频时，你正在创建一个 8 秒的片段。这个 8 秒的片段需要知道故事的其余部分发生了什么，对吧？所以，如果我展示这个一会儿，它现在有点生硬。它并没有真正完美地工作。我有一些专业演员朋友在给我建议，他们嘲笑了这些表演。但试着从冰球运动员的非代理提示和这个提示之间的区别来看。希望我们能听到。我想我还是可以参加酒吧测验的。他们只是把我打倒了。我快到了。但他们不听。>> 我不会。>> 他们从不听。所以，就像这里一样，就像再次思考代理人一样，正如我之前所说的，将其分解成那些步骤，使我能够使用与我之前展示的同一个引擎，它会失败，但能够展示一些有效的东西，并且能够做到 [音乐] 我刚才提到的那些描绘情感的事情。所以我知道我们已经超时了，对此很抱歉。如果有人有任何问题，我可以回答。我也看到了安德鲁在这里。他在后面。我真的想非常感谢您的关注。我真的很感激。 [掌声] >> 是的。是。>> 这是一个很好的问题。只是为了重复一下视频，代理工作流程的使用带来了多少改进，与失败的那个训练集中的冰球内容不足相比？嗯，我没有进行一对一的比较，所以只是凭我的直觉。嗯，当我看着我把它分解成工作流程时，我说，“好吧，我创建了像这样的场景，当我直接为自己做的时候它们很糟糕，没有基础，没有代理，没有人工理解。”当我把它分解成步骤时，就像，好吧，在这个场景中，女孩坐在长椅上，她很沮丧，有人在和她说话，他想安慰她。嗯，将这个以及整个故事以及我拥有的限制，例如镜头必须是 8 秒长，清晰的对话以及所有这些事情，提供给一个大型语言模型。然后从那个模型中理解我的意图，LLM 最终会生成一个比我曾经拥有的更健谈，比我曾经拥有的更具描述性的提示。LLM 比我所拥有的更了解什么是一个好的镜头，什么是一个好的角度，什么是一个好的情感，我可能花几个小时来描述它。所以，代理流程中的第一个步骤，它为我做了，并且理解了我的意图，这是巨大的。第二步是，嗯，我知道它将使用的工具。所以我明确说明了我将使用哪个视频引擎。我使用 Gemini 作为 LLM，希望 Gemini 熟悉 VO，你知道那种东西。所以要理解使用 VO 做事情的特殊性，我学到的东西，例如，VO 非常不擅长处理高动作场景，但非常擅长进行慢速摄像机拍摄来表达情感，就像您在此案例中看到的那样。所以 LLM 从我声明我正在使用它作为工具，然后进一步构建了一个提示，然后进一步从中改进了提示，然后第三部分实际上是使用该工具来为我生成它。使用 VO 之类的东西生成视频，我认为每次生成大约四段视频的积分成本在两到三美元之间。所以我想做的最后一件事是生成大量大量的视频，然后把钱扔进无底洞。但是所有这些令牌花费，我之前为了理解我的意图然后制定代理计划而花费的，都保存在后端，在那里它得到了正确的处理，就像，你知道，可能不是第一次就得到正确的处理，但很少需要超过两三次尝试就能得到一些真正真正好的东西。所以我想，嗯，虽然没有进行一对一的比较，但我确实认为行动计划和通过这样的工作流程非常非常有效。还有其他问题吗？想法？评论？是的。在后面。>> 这么多年来，AI 行业最让我惊讶的是什么？哦，那是个好问题。嗯，最让我惊讶的是，嗯，而且可能不应该让我惊讶的是，炒作占据了多少。嗯，我实际上，我老实说认为很多处于重要决策职位的人以及类似的人能够比他们看到的更好地看到信号。嗯，我认为另一部分是，嗯，对立即利润的渴望而不是长期的收益也让我非常惊讶。嗯，让我分享一个故事，嗯，在这方面，在我们和安德鲁在 Coursera 上教授 TensorFlow 专业课程之后，谷歌推出了一个专业证书，这个专业证书的想法是，我们将进行一次严格的考试，在严格的考试结束时，如果您获得了证书，它将是一件非常有声望的事情，可以帮助您找到工作，尤其是在 TensorFlow 是一项非常抢手技能的时候，可以找到工作。嗯，运行这个项目每年花费谷歌 10 万美元。好的，九牛一毛。不是很多钱。嗯，它带来的善意是巨大的。嗯，我可以讲两个故事，我很快讲一个故事，有一个年轻人，他公开表示，在谷歌的一些广告宣传中，他住在叙利亚，嗯，我们都知道叙利亚在过去几年里发生了巨大的内战，他获得了 TensorFlow 证书。他是叙利亚第一个获得它的人，它使他摆脱了贫困，他能够搬到德国并在一家德国大公司工作，我，但我在阿姆斯特丹的一个活动上遇到了他，他告诉我他的故事，现在因为他在那家德国公司的这份工作，他能够支持他在家乡的家人，并将他们从战乱地区转移到和平地区，这一切都因为他掌握了这项 AI 技术，而且有很多这样的故事，非常鼓舞人心，非常美好的故事。但当时让我惊讶的是，嗯，有时对这方面的投资不足，因为公司从中没有产生任何收入。我们特意将其保持为收入中性，以便降低考试价格。我们希望它能够自给自足。它最终没有实现收入中性。它最终每年花费公司大约 10 万到 15 万美元。所以他们取消了它，你知道，这很可惜，因为所有这些潜在的善意。但我认为这些是我立即想到的最让我惊讶的两件事。嗯，然后我想我还会说的一件事是，那些能够通过 AI 取得成功的人，而你可能不会认为他们会是那些通过 AI 取得成功的人，这对我来说一直很鼓舞人心。所以请允许我再讲一个故事。我有一个好朋友。我刚才展示了冰球。我有一个好朋友，他是一位前职业冰球运动员。这里有冰球迷吗？好的。你知道，这是一种残酷的运动，对吧？你在冰上看到很多打架和很多事情。他 13 岁就辍学了，专注于滑冰。他总是告诉大家，他是个没文化的人，因为他没受过教育。我和他完全相反，你知道，这就是为什么我们相处得这么好。嗯，他因为脑震荡问题退出了冰球。他现在经营一家非营利组织，冰球场非营利组织。大约三年前，嗯，我们正在喝啤酒，他说，“告诉我关于 AI 和这个 ChatGPT 的事情。它好用吗？”我说，你知道，只是分享了整个事情。是的，它很好。以及所有那些事情。这显然是一个有问题的提问，我不知道为什么。但他作为他非营利组织的一部分工作是，他每季度必须向董事会展示运营结果，以便他们能够获得充分的资助，因为即使他们是非营利组织，他们仍然需要钱来运营。他每年花费 15 万美元以上来聘请顾问来提取他们正在提取的所有不同来源的数据。有像在所谓的泵房里的机器，它有一个压缩机来冷却冰，还有电子表格，还有账目，以及所有这些东西，他一点技术都不懂，但他需要处理所有这些数据。所以他做了一个实验，他让 ChatGPT 来做。这就是有问题的提问，就像问我它好用吗。所以我们讨论了一下，然后他告诉我原因。所以我看了一下结果，因为他上传了电子表格，他上传了 PDF 以及所有这些东西，并让它组装成一份报告。现在他自己用 ChatGPT 做报告大约需要两个小时，而且它奏效了，而且效果非常好。他每年节省的 15 万美元咨询费现在用于帮助贫困儿童购买冰球装备、滑冰装备、课程以及所有这些东西。所以，它从一家昂贵的咨询公司手中转移到了人们手中，因为这个家伙，他说他是世界上最笨的人，你知道，但我希望他没有看这个视频。嗯，而且他说，你知道，但我后来告诉他，恭喜你，你现在是一名开发者，对吧？他不喜欢这样。但是，[笑声] 你知道，但是像这样的惊喜，他这样的人获得了超能力，他一点技术都不懂，但他能够有效地构建一个解决方案，为他的非营利组织节省了 10 万到 15 万美元。以及像这样的事情总是以一种非常令人愉快的方式让我感到惊讶。>> 是的。抱歉，我接下来会找你。抱歉。是的。>> 我认为像我们这样的工程师，很容易。对我们来说，更容易。因为我们可以理解信号来自这些知识，就像>> 是的。所以只是为了重复一下视频中的问题，对于像我们这样的工程师来说，有时很容易驾驭炒作，从噪音中看到信号，但对于那些没有我们相同培训的人呢？嗯，我认为这是我们成为他们值得信赖的顾问的机会。嗯，并真正帮助他们理解它。嗯，我认为炒作故事中最大的部分就是理解奖励机制，对吧？你知道，一切都奖励参与而不是实际实质。对我来说，第一步就是看穿这一点，就像我刚才讲的关于我朋友的故事，你知道，他看到了所有这些东西，但他不愿意拿自己的职业生涯去冒险，你知道，但他需要那种建议，并开始剥离他所做的事情，以及他做得对的地方和做得不对的地方，你知道，所以将自己定位为值得信赖的顾问，而不是像未经培训的人可能犯的错误那样，我认为是关键。嗯，而且，你知道，只是理解普通人通常非常聪明，即使他们可能不是某个领域的专家，并利用这种智能，帮助他们，嗯，培养和发展它，你知道，嗯，并引导他们度过他们会遇到困难的部分，让他们在他们非常非常擅长的领域闪耀。>> 好的，这边有一个。>> 我有一个关于科学研究的问题。>> 好的。从您的角度来看，您认为它是一个好主意，那么，嗯，AI 和机器学习在科学研究中的应用，它是一个好主意，在哪里应该谨慎？嗯，嗯，我最初的直觉是，我认为这总是一个好主意，对吧？嗯，我认为，嗯，使用您可用的工具没有坏处，但要始终仔细检查您的结果，并根据现实情况仔细检查您的期望。嗯，我一直喜欢在研究中尽可能多地使用自动化。我本科是物理学，嗯，很多年前，我在实验室里非常成功，因为我通常通过电脑自动化那些别人用手写笔和纸完成的事情，所以我可以快速行动。所以在这方面我确实有偏见，但我想说，对于大多数研究，对于绝大多数情况，我认为，嗯，使用您拥有的最强大的工具，但要检查您的期望。关于这方面的一个小故事是，嗯，一个琐事问题。西欧最贫穷的国家，有人知道吗？>> 那是什么？>> 西欧是威尔士。所以，嗯，我实际上在威尔士读本科，我回去给那里的大学做了一些讲座，嗯，我遇到了一位研究人员，他正在研究脑癌，使用计算机成像和各种类型的计算机成像。我问他，您最大的问题是什么？您研究的最大障碍是什么？这大约是八年前，他的回答是，无法获得 GPU。嗯，因为对他来说，能够训练他的模型并运行他的模型，他需要能够访问 GPU。嗯，他所在的部门有 10 名研究人员共用一个 GPU，这意味着每个人只能用半天，对吧？周一到周五。他的半天是周二下午。所以，在他的情况下，他会花所有不是周二下午的时间来准备他的模型运行或模型训练或所有这些事情。然后周二下午，一旦他能够访问 GPU，他就会进行训练，对吧？然后他会希望在那段时间里他能够训练他的模型并获得他想要的结果。否则，他需要等一周，你知道，才能再次获得 GPU。嗯，然后我向他展示了 Google Colab，对吧？有人用过 Google Colab 吗？对吧？您可以在云端免费获得 GPU，以及类似的东西。那个可怜的家伙的大脑融化了，对吧？嗯，你知道，因为我拿出手机，向他展示了一个在我的手机上运行的笔记本，在 Google Colab 上运行，并在上面进行训练，这彻底改变了他研究方面的一切。嗯，而且，你知道，现在是免费的 Colab，他拥有的比他共享的 GPU 多得多。所以我想，嗯，对于像他这样的人，嗯，机器学习是他研究的重要组成部分，但他被它严重限制了，能够扩大其访问范围最终极大地推进了他的研究。我不知道它最终去了哪里。我不知道他做了什么。自从那以后已经几年了，但你知道，当你问这个问题时，这个故事就浮现在脑海中。还有其他问题吗？还有什么？随时问我任何问题。哦，是的，前面这里，社会性或社会性。>> 所以 AI 可以成为社会平等或社会不平等的推动力吗？嗯，我认为答案是肯定的。它可以是两者兼而有之，也可以两者都不是。我的意思是，我认为最终的想法是，如果，在我看来，任何工具都可以用于任何目的。所以重要的是教育和激励人们朝着正确的方向使用事物。嗯，治理只能应用到一定程度，有时治理会比它解决的问题更多。嗯，所以我总是喜欢假设善意地生活，但为恶意做准备。在 AI 的情况下，我认为没有区别，我所做的一切，我所建议的一切都是假设人们会用它来做好事，但也要为它被滥用做好准备。嗯，我之前展示的糟糕例子我认为是善意而不是恶意。嗯，我看到的绝大多数这样的错误是善意被错误地使用，而不是恶意。但我想说的是，这是我能给出的唯一格言，唯一建议是，总是假设善意，但为恶意做准备。 AI 本身没有选择，对吧？这是人们如何使用它的问题。安德鲁，你想要结束语吗？>> 我认为他们正在运行。好的，谢谢你，安德鲁。谢谢，[掌声]