Transcription
如果你使用最好的人工智能，它们知道的比人类律师多吗？它们能在许多话题上比人类律师更好地进行推理吗？它们能比人类律师更好地找到引文吗？它们能以低得多的成本和更快的速度做到这一切吗？答案基本上是肯定的。所以，本着泰勒今天将要谈论的精神，我决定让人工智能帮助我写一篇关于泰勒·科万的介绍。所以我现在要读的字，我一个字都没写。这是百分之百人工智能。我基本上问了 ChatGPT，请它帮我写一篇关于泰勒·科万的介绍，他是我们今年的第一位演讲者。我是 UATX 的校长。所以，你知道，请帮我把这个东西建立起来。那么，我们开始吧。
大家好。作为 UATX 的校长，我非常荣幸地欢迎大家来到一个与一位塑造了整整一代人对经济学、文化、创新以及坦率地说对思考本身看法的对话。泰勒·科万不仅是世界上最有影响力的经济学家之一。他也是世界上最伟大的智力激励者之一。通过《边缘革命》（Marginal Revolution）、《与泰勒对话》（Conversations with Tyler）、他的书籍以及他为新兴企业所做的非凡慈善工作，泰勒树立了过着充满好奇心、纪律性和彻底开放心态的生活的榜样。在 UATX，我们经常谈论培养有勇气思考者和领导者。泰勒体现了这种精神。他一生都在问别人忽略的问题，在共识变得陈腐时挑战它，并支持任何地方出现的有才华的人。在一个循规蹈矩的时代，他展示了独立思考如何仍然能够改变世界。老实说，他也是当今在世的最贪婪的文化杂食者之一。无论是通货膨胀、印度古典音乐、人工智能、经济增长，还是在皇后区哪里能找到最好的饺子，泰勒都有一些原创、生动且常常令人惊讶的见解。更重要的是，他邀请我们所有人与他一起踏上这场智力冒险。而我认为，这就是为什么请泰勒来这里对 UATX 如此合适。这所大学的创立是基于这样的信念：思想很重要，求真需要严谨和勇气，而学生在与拓展可能性边界的思想交流时会茁壮成长。泰勒·科万的工作充分体现了这一切，甚至更多。
所以在实际欢迎他之前，我问了最后一个问题。我说：“好吧，这很不错。我喜欢它。你喜欢吗？”我认为这很不错。人工智能在这里说了什么？嗯，然后我问 ChatGPT，好吧，如果你读过《边缘革命》，你就会认出这个。泰勒是被高估了还是被低估了？在几乎所有有意义的方面，泰勒都被低估了。原因如下。这都是 ChatGPT 说的。他的影响力比大多数人意识到的要大得多。一、仅新兴企业就足以说明他被低估了。三、他是少数几个真正独立的思想家之一。四、他的智力范围令人难以置信。那么，废话不多说，请欢迎泰勒·科万来到 ATL。
我非常高兴和荣幸今晚能在这里。你们中的一些人可能知道，我是奥斯汀大学的顾问委员会成员，我也认为这是一种荣誉。我并不觉得我提供了多少建议，甚至不觉得我应该。这是我第一次来这里。我从下午 3:30 就到了。每个人都非常友好。有两件事让我印象深刻。第一是学生们有多么出色。第二，正如我向卡洛斯所说，我喜欢你们的空间布局。我在一个大校园里教学，这对于我的学校及其 40,000 名学生来说是必要的，但在这里你们都挤在一起。我用了“肩并肩”这个词。这让我想起了华尔街早期的一些交易公司，你想和人们交谈，问他们问题。他们就在那里。你抓住他们。你知道，我之前看到了一个国际象棋盘。有所有舒适的家具。有两人可以会面、五人可以会面、也许八人可以会面的空间。这里的物理空间给我留下了非常积极的印象，这可能比计划更像是自发演变的结果。但如果你好奇我的第一印象是什么，那就是这两件事。
自从我 2013 年出版了名为《平均值》（Averages Over）的书以来，我一直在深入思考一个问题：人工智能将如何塑造世界。自从几年前 GPT-4 发布以来，人们现在对这个话题的兴趣比 2013 年要大得多。但尽管如此，我们现在已经进入了人工智能革命。我只是想分享一下我对它将如何影响教育的最新看法，我也认为这可能对你们这所大学有影响。所以，在我之前与学生们会面时，你们中的一些人也在场，有人问我，哪些群体将获益最多，哪些群体将损失最多。我认为收益将远远大于损失。但让我印象深刻的是，如果我正在寻找那些至少有可能损失最多的人群，那就是你们在面前的这群人。不是你们所有人，也不一定。我相信志愿服务。也就是说，这取决于我们。你们所有人都有可能成为巨大的受益者。但如果我考虑人工智能对收入和财富分配的直接影响，它们将占据很多工作，并使这些工作变得非常不同。不是更差的工作，也许不是薪水更低的工作，而是非常不同的工作。
所以，我认为最简单的例子就是法律工作，其中很多已经发生了。几年前，法律助理只是收集了大量关于不同法律问题的信息，即使没有人工智能，仅仅是互联网和其他发展。但当然，有了人工智能，这些工作现在已经大不相同了。你可以问人工智能，它会告诉你很多事情。如果一家律师事务所提出一个保密问题并将其发送给人工智能，那么会存在一些技术和法律问题。他们实际上非常不愿意这样做。所以，到目前为止，这些变化还没有完全实现。但如果你只是问这个问题：如果你使用最好的人工智能，它们知道的比人类律师多吗？它们能在许多话题上比人类律师更好地进行推理吗？它们能比人类律师更好地找到引文吗？它们能以低得多的成本和更快的速度做到这一切吗？答案基本上是肯定的。
我知道很多人不相信这个说法。我在这里不会过多争论。我只想说几点。第一，大多数人并不使用最好、最昂贵的模型。也许他们不应该。也许目前最好的模型每年花费 2,500 美元。比如，对于法律问题，那就是 GPT 5.2 Pro。但即使撇开这一点不谈，一些大公司也有他们尚未发布的模型。它们不具成本效益。但如果你根据你眼前所见来评判这些东西有多好，那是一个大错误。
所以布伦丹·弗伊（Brendan Fuy），他是 Marore 的联合创始人，一家人工智能公司。我曾与他进行过一次播客。它昨天发布了。据他估计，他会给所有这些模型打分和评估。他的公司就是这么做的。他认为它们每年都在改进约 30%。所以，如果你知道复利回报率是如何运作的，经济学家有时会使用大约 70 的法则。70 法则意味着，如果你每年增长 1%，你知道，你将在 70 年后使你的效率翻倍。如果你每年增长 30%，那么你将在不到两年半的时间内使你的效率翻倍。所以，模型因为这些回报在复利增长而变得非常快。我们不确定能持续多久，但事实上，在大多数考试中，最好的模型（可能已发布，也可能未发布）在大多数领域都胜过了人类。模型还具有高情商。你知道，它们在处理情绪方面非常出色。如果你给模型提供医疗诊断，它们就能通过医学考试，通过律师资格考试。在人类医生评分的诊断测试中，模型比人类医生做得稍好一些。如果我进行一次假设的经济学竞赛，在我和一个非常好的模型之间，我不会赢。我可能在某些问题上获胜，但即使在约三分之一的问题上我也无法接近获胜。
这就是我们生活的世界。这是一个人工智能发展非常缓慢的世界。所以你可能会对模型有多好产生错觉，因为我们生活的大部分方面还没有发生太大变化。有一句名言，比尔·盖茨引用过。它可能来自比尔·盖茨，但大意是人们往往高估短期内的变化程度。变化非常缓慢，而他们又低估了 10 到 20 年时间跨度内的变化程度。这就是我们所处的世界。
我今年 63 岁了。我向你们保证，我没有任何烦恼。如果我必须的话，我可以像他们说的，“耗尽时间”。这不是我打算做的，也不是我现在正在做的。但如果你是一名学生，我猜你不是 63 岁。你的职业生涯还很长。此外，生物医学科学的进步很可能意味着你将死于衰老，而不是癌症或心脏病。所以真的，我认为在座的很多人将活到 97 岁。所以在此期间，有很多年需要你们去弄清楚。
现在，我认为在美国，任何时候都有一些工作在等待人们。这些人来自好家庭。我称他们为“上层中产阶级”。我不是指亿万富翁。但你们可能来自康涅狄格州。比如，你们在奥斯汀大学有来自康涅狄格州的人吗？我想有。我遇到过几个康涅狄格州的人。或者你们来自加利福尼亚州、新泽西州或马里兰州郊区的一些地方，你们可能不会成为亿万富翁，但你们有很好的父母，他们可以送你们去最好的学校。我知道这里的学费是免费的，但其他学校不是免费的，对吧？父母必须有很多钱，你们的父母人脉很广，并且期望你们在咨询、法律、金融，也许现在是科技领域找到一份工作，或者你们可以退而求其次成为一名程序员，你们也将加入“上层中产阶级”。事情一直都是这样。对于来自我猜想的许多（但不是全部）你们的家庭的人来说，这是很美好的生活。在我看来，我强调“在我看来”这个词，但我认为那些日子正在迅速结束。
这首先发生在编程领域，现在可能 80% 的工作是由人工智能完成的。我并不是说我们可以不顾人类，或者我们不应该培训人类。但如果 80% 的工作是由人工智能完成的，你必须非常担心需求的弹性。会有多少工作？这会因情况而异。但未来的工作将属于那些能够与人工智能合作的程序员。在律师事务所，就像我之前提到的例子一样，真正重要的是你是否能够管理一个本身就是法律知识和法律推理的知识库的人工智能。这完全是另一回事。谁擅长与人工智能合作？谁擅长管理人工智能？简单的事实是，再次强调，这是我的看法，但那些过去擅长旧事物的人，与那些将擅长新事物的人是不同的一群人。那些将擅长新事物的人是那些擅长自学的人。他们不必来自好家庭。他们可能不是那种从小就期望“我有一天会成为律师合伙人，赚取 130 万美元，并在某个郊区买房子”的人。他们是雄心勃勃、充满活力、非常灵活的人。由于人工智能变化很大且变化迅速，他们需要一次又一次地自学这些人工智能技能。所以，那些终身学习者，以一种非常严苛的方式，这实际上会让很多人感到压抑。再次，我认为成功者与这些人之间存在一些重叠，但那些人将是大多数领域中新晋的成功者，也就是你们这些能够与人工智能合作的人。
现在的好消息是，如果你决定将自己塑造成那样的人，你的影响力将比以前大得多。所以最成功的公司可以更大。就像简单的电子邮件或互联网一样，它们让管理帝国变得更大。经营 OpenAI 的 Sam Altman 预测，或者我和他几次争论过，第一家拥有一个员工的十亿美元公司何时会出现？这有点棘手，比如是否有承包商，是否有顾问，如果有两个员工呢？如果是一对夫妇呢？但我和他都认为在几年内，有时他会乐观地说，一年内，我们将拥有一名员工的十亿美元公司。我认为士气真的很重要。你需要两个人。你知道，Midjourney，这家图像公司，是最好的图像公司之一。你们很多人都玩过它。当他们做出突破性技术时，他们只有七个人。不是一个人，不是两个人，而是七个人。所以，我们已经有一家你们大多数人都听说过的大公司，他们用七个人做到了。所以会有更多的新企业。初创公司将越来越多地围绕人工智能展开，而那些在精神上、灵魂上或性情上非常适合做新事物并主动采取行动的人，将远远超过那些将努力学习，在布朗或康奈尔大学取得好成绩，并成为律师合伙人的“上层中产阶级”孩子。这样的人会更少。那些成功的人将管理这些更大的法律帝国，并赚取更多的钱，但他们会更少。然后那些主动采取行动并围绕人工智能建立新公司的人将变得更加富有，拥有更多的机会和影响力。简而言之，这就是我认为世界将如何改变。
所以，这与你们所有人有关，我对你们作为一个群体了解不多，但我知道你们非常精英，而且它将影响你们。这是我的第一个核心信息。所以，我认为很少有（如果有的话）行业能免受此影响。如果我看看人工智能的改进速度，或者即使是它们目前的水平。我认为它们需要 10 到 20 年才能真正从根本上改变世界，因为制度是僵化的。如果我去我自己的大学，问人们，我开过这些会议，他们会说，“嗯，我们有新的作弊政策。我们要努力阻止我们的学生用人工智能作弊。”这可能是对的，也可能不是，但这就是它的全部内容。如果你可以用人工智能作弊，也许你需要学习一些不同的技能，教育本身也需要重组。人们会口头上赞同，但没有多少学校认真对待这一点，即如果所有机构都在改变，学校也需要改变。
所以，我从一开始就对奥斯汀大学感兴趣的一个原因是，你们是新的，你们很小，你们有一个董事会，我认识你们董事会的一些人，他们非常愿意做事情和尝试，而你们就像一个实验，对吧？你们是。如果你选择来这里，你也是一个实验者。这很棒。所以我对此非常看好。但这是一个地方，无论应该用人工智能做什么，都有机会真正做到。所以，在一年中的任何一年，我都会在大学里做很多演讲，或者参加很多会议或讨论小组，我几乎总是感觉我在和学生或教职员工交谈，但我从来没有和机构交谈过。但在这里，我感觉我也在和机构交谈。我们可以想象一个与现在不同的未来，这所机构也许至少在一定程度上能够实现、想要实现、并成功实现。我去耶鲁大学，我会在那里发表演讲。就像我在对着风大喊一样。甚至不是对着风大喊。就像没有喊叫，没有风。我只是在和听众中的个人交谈，这很好。我乐意这样做。但这里真的不同。所以，我只想说，请不要忘记你们作为机构和作为个人有多么特别。对我来说，你们的存在以及你们所有人都选择来这里，无论是作为教职员工、工作人员、学生，还是其他身份，都非常令人惊叹。
所以，我一直在思考如何改变大学教育。我将从概述我提议的激进描述开始，这显然即使在这里也过于激进。但我觉得概述激进版本很好，因为它能让人们有点警醒。所以，我的激进版本是，我仍然不认为每所学校都应该复制其他学校。我仍然希望有一些学校可能完全不使用人工智能。它们禁止人工智能，禁止互联网，你知道，它们禁止英语。每个人都必须说法语。我们有这样的私立高中。华盛顿特区附近有一所法语私立高中。人们说它很棒。它完全是法语，或者主要是法语。学生们也学习德语。我认为我们拥有这种多样性很棒。所以，我希望有一批大学与众不同，就像奥斯汀大学一样，但至少对于一批学校来说，我认为三分之一的课程应该是如何使用人工智能，而不是一门课。三分之一的课程。现在，要说清楚，这并不意味着在这三分之一的课程中你什么都不学。所以，你通过将人工智能应用于具体问题来学习如何使用人工智能。所以，有人在之前的会议上问我，我们还读《荷马史诗奥德赛》吗？顺便说一句，这是我最喜欢的书之一。也许吧。但你学习使用人工智能的方式是学习如何使用人工智能来揭示《荷马史诗奥德赛》的一些秘密，例如。不一定是荷马。但要清楚，当我说的三分之一是关于使用人工智能时，你也在学习很多其他东西。无论该机构决定什么为优先。我希望是经济学，但你知道，随便什么。所以，你并没有从其他事情中抽出这三分之一的时间。但你在这三分之一的时间里做的是教授你们一生中将主导人类存在的学习模式。
据我所知，大多数学校，我每年都会访问不少学校，他们根本没有这样做。可能有人私下里和他们的学生一起这样做，但在机构层面，学校并没有将三分之一甚至十分之一的课程用于教授人们如何使用人工智能。所以，我很想看到一门关于如何使用人工智能学习经济学的课程，如何使用人工智能学习《荷马史诗奥德赛》，学习莎士比亚，再次强调，随便什么。在编码方面，这已经完成了。事实上，现在每个人都知道这是必须做的。我只是说，我们已经完成的编码工作，我们应该开始对所有事情都这样做。所以，三分之一，这是一个很大的数量。而三分之一的教职员工讨厌这个。我也是教职员工。教职员工的激励是继续做他们一直在做的事情，并以同样的方式教学。我认为这必须改变。所以，这是一个激进的提议，因为它违背了教职员工的利益，而且我经常看到学生在人工智能方面比教职员工更好。并非总是如此，而且我认为情况正在改变。我认为去年实际上在教职员工方面取得了很大的进展。但对教职员工来说，这仍然是一个巨大的调整，他们必须停止做他们可能几十年来一直在做的事情。
所以，还有剩下的三分之二。再次，这应该因学校而异。但在这另外的三分之二中，我设想三分之一是写作，你学习如何写作以学习如何思考。我不相信未来对人类作家的需求会那么大。我确定会有。我们想读 P 和詹姆斯·乔伊斯。也许人工智能永远做不到。我们可能想读一位专栏作家。我想知道巴里·韦斯（Barry Weiss）的想法。无论我是否认为人工智能比她更正确。我想知道巴里·韦斯在想什么。所以巴里·韦斯会写专栏或发表演讲，随便什么。你在听我说话，你不是在听人工智能，对吧？所以，这三分之一将是写作，我认为其中一些必须是锁在房间里用笔和纸写作。其中一些可以是口试。当然，你需要学习如何说话。但认为我们需要这整个三分之一的时间都让每个人锁在房间里是错误的。如果你从统计抽样的角度来看，你知道，现在有大量的作弊行为。不是在这里，而是在其他地方，对吧？而且没有人对此做太多。如果你把人们锁在房间里 3% 的时间，测试他们的笔纸写作，以及他们提交的所有其他论文都是家庭作业，然后比较这两份成绩，如果存在差异，你只需进一步调查。你不会开除他们。你不会把他们送进监狱，但你会调查。也许会使用人工智能。我不确定你是否能确定地定罪。但你会监控这种情况。我认为，仅仅通过一个明确的计划来比较人们在房间里的表现和他们提交的其他论文，就可以大大降低作弊率。你不必把所有东西都锁在房间里。你只需要进行抽样。这绝不会消除作弊，但我认为它会大大降低作弊率。这就是我提倡的。我认为这仍然非常重要，无论技能是什么。我谈论的是写作，但它也可能是算术，可能是各种其他技能。人们需要拥有它，即使只是为了学习如何思考。而且我仍然认为偶尔会有人类写作。我为不同的媒体撰写专栏，并且在过去几年里我一直在跟踪人工智能。我从不使用人工智能来写专栏。我不允许这样做，但我也根本不想这样做。对我来说，写作是乐趣所在。但有几次，我写了一个专栏，然后写完后，我会去问人工智能，你知道，写一个关于这个的专栏，很多时候它比我写得好。我并不是说我同意它，就像我同意我所说的一样，但我诚实地看待它，谁写了更好的专栏？你知道，我不想总是做出最终判断。有时人工智能听起来有点做作，但再次强调，你总能训练它。它正在迅速改进。还有更好但尚未发布的模型，它们尚未具有成本效益。所以，我看到了预兆。我个人做的一件事是，我走得更远。我旅行得更多。我更多地与人面对面交流。我做更多的演讲，因为人工智能根本做不到这一点，对吧？你甚至在 Zoom 上也不是在听我说话。你想要我，真正的我，在这里。而我在这里。所以，我至少把我的工作量增加了一倍，我写得少了。这是我理性地回应，即使在我 63 岁的时候，我有了终身教职。我在很多方面都很安全。我不必这样做，但我确实想增加价值，这意味着我应该多出去走走，多认识人。
此外，当被问及未来的工作会是什么样子时，它将更多地基于你的导师是谁？谁能推荐你？你的网络是什么样的？现在每个人都可以提交一份完美的申请，附上一封完美的求职信。如果存在作弊，成绩也变得不那么重要。那么公司如何越来越多地招聘员工呢？首席执行官们也这么告诉我。我经常进行这种对话。他们会寻找那些被他们亲自推荐的人。所以，如果我认识更多的人，我也能帮助更多的人。更多的人可以通过推荐我来帮助我。所以我只是更多地出去走动。
所以，大学还应该教授的另一件事是，他们已经做了很多了，要说清楚，即使是通过兄弟会或足球队这样的事物。我知道你们这里没有所有这些，但只是更明确地教授人们如何建立人脉，如何找到导师，如何成为导师，如何成为一个好的被指导者，这些都是至关重要的技能。你可以将它们与其他课程捆绑在一起，这很好，但我认为所有这些都需要教授得更多。
所以，有一部分是关于如何使用人工智能。另外三分之二，很多是写作、思考、计算、统计，以及任何你特别想学的东西。如果你能学会如何通过人工智能来学习它，我的意思是，这很棒。所以，我之前问了，奥斯汀大学提供多少门课程？估计有 35 门。我认为这对于一所新学校来说很棒，但如果你问一个简单的问题，有多少潜在的课程？我的意思是，你可以说无限，但实际上，它比这个少一些，但我仍然认为有数千门课程是人们可能想上的。比如，现在，也许答案是肯定的。但奥斯汀大学是否提供一门关于都铎英格兰的课程？有没有人？没有，没有关于都铎英格兰的课程。这并不是一个非常晦涩的话题。英格兰，一个重要的国家，新教改革，亨利八世，你知道，莎士比亚即将到来。这是一件大事。所以，假设你想提供一门关于都铎英格兰的课程。举手示意。也许你会给我惊喜。你们有多少人非常想上一门关于都铎英格兰的课程？举手。这相当不错。也许你可以提供一门关于都铎英格兰的课程，但我可以变得更晦涩一些，也许会有一只手举起来。再次强调，即使在一所大得多的学校里，你将如何容纳它呢？总的入学人数在下降，教职员工的成本越来越高，终身教职是一个奇怪的、混乱的系统等等。所以，我想我所做的就是想出一个简单的模型来提供一门都铎英格兰课程。让它出现在屏幕上。这是一个非常主流的模型。我需要向上滚动。我不确定这是否是教授人工智能生成课程的正确方法。这只是人工智能生成课程复制常规课程的方式。你可能会想，嗯，如果人工智能如此出色，我们应该更激进地改变模型。我对此表示同情。但想想看，我们可以从复制现在教授课程的方式开始。
所以，我想我们快到顶了。我拿出了我值得信赖的 ChatGPT 5.2。这是付费的专业版，每年 2,500 美元，但我告诉你，如果我不得不支付十倍的价钱，我也会毫不犹豫。我输入了一个提示。我只是问它。如果你现在看屏幕顶部，我们已经滚动完了。请为一门关于都铎英格兰的高级本科课程制定一个阅读列表。哦，抱歉。它应该考虑重要的政治、经济和历史问题、宗教和改革。它应该涵盖民族国家的兴起、后来的自由主义的兴起以及西方的兴起。这是你们，奥斯汀，对吧？这是正确的提示，或多或少。阅读列表应该侧重于本科生实际上可以获得的书籍和文章，并且没有价格过高的书籍或教科书。提示非常重要，这是一项技能。你想要输入这样的东西，否则你得到的东西就不是那么有用。它在某种意义上过于字面化。你希望它是人们可以获得的，并且不会花费他们很多钱。
所以，这就是我的提示。然后它给出了一个冗长而详细的答案。核心书籍、学生可以无障碍访问的原始资料、12 个主题阅读列表、主要阅读、次要阅读、宫廷、议会、国王、与罗马的决裂等等。我把它发给我的一位好朋友。她是英国都铎英格兰的著名历史学家。我问她，你觉得怎么样？她用了“令人震惊地好”这个词。她是一位非常著名的都铎英格兰历史学家。她对它的好感到震惊。但如果你觉得这还不够好，或者你认为它有错误，你知道，只需通过 Claude、Gemini 进行事实核查，让它变得更好。所以，想出这个列表大约花了半个小时。顺便说一句，在这半个小时里，我不用坐着看它。它真的没有花费时间。你可以向下滚动。我会把链接发给组织这次讲座的人，这样你们都可以拿到链接。我说：“请把它变成一个可以立即教授的为期 14 周的课程大纲。”我没有事先要求。它给我的东西有点零散。假设学生可以访问 JSTOR。然后它就这么做了。都铎英格兰 14 周的后勤安排。每周的阅读列表、学习目标、必读书籍、阅读材料如何工作、作业、评分。再次，你可以改变它。你不是它的囚徒。但如果你想象那些被剥夺了都铎英格兰课程的可怜学生，他们会去人工智能那里，为自己创造这个。然后，我现在问它接下来，你知道，你必须以某种方式给人们评分。我们只是在滚动。滚动。滚动。哦，我怎么问的？现在，请制定一个选择题测验、一个论文测验，并确定这个测验是基于阅读材料的，它可以评分等等，等等，等等。
现在，我并不是说这个过程中不需要人类。我认为有些学生可以做到这一点，而无需任何人类。我的猜测，我非常主观的猜测是，即使在一所非常好的学校里，也只有 15% 到 20% 的学生是这样。但现在教职员工的角色就是成为一名教练。就是教学生如何完成这个过程，如何让这个过程奏效，如何制定一个可行的教学大纲，如何有意义地给自己评分。所以，那位教职员工，我不知道他们是否对都铎英格兰一无所知，但我感觉我可以成为那个教练，而我远非都铎英格兰的专家。它可以是我的墨西哥，化学中的某些东西，再次，如此多的主题。而教练所做的就是指导、引导、激励，告诉学生什么时候学生偏离了航线或没有取得任何进展。但实际的教学是通过人工智能进行的，它是一个无限耐心的教科书。这取决于机构购买的计划，但边际上，这样做成本为零，字面意义上的零。有一些前期成本，仍然相当适中。瞧，你就有一门人工智能生成的课程。再次，我认为你可以在没有人为教师的情况下做到这一点，但这并不是我的主要模式。我的主要模式是有些人为协助。你有一个教练，每两周检查一次，教你更多如何提示。如果你遇到困难，他们会帮助你。如果你找不到阅读材料，也许它实际上不在 JSTOR 里。他们会告诉你一个好的提示是什么，以获得一些其他的阅读材料。随着学生完成几门这样的课程，我认为教练平均来说可以做得少一些，因为学生们明白了它的运作方式。
现在，对我来说有趣的是，最近有一篇论文发表了，大约三周前。有一家名为 Learn LM 的公司。他们使用大型语言模型，并对其进行改进，使其成为更好的导师。所以，这只是基本的 GPT，但有人正在构建具有内置功能的模型，以使辅导更容易。Learn LM 团队、谷歌和一家名为 Aidi 的公司写了一篇论文。这是英国的一项随机对照试验。所以，随机对照试验并不完美，但它们相当不错。这是中学。所以，13 到 15 岁的孩子。所以，13 到 15 岁的孩子可以做到这一点。有 165 名学生。这是关于数学的。我想说，平均而言，数学对人们来说是一个不太愉快的科目。不是每个人。很多人喜欢数学，但如果它能教数学，我认为你不是在选择最简单的例子。它不是，“哦，它可以教人们编织篮子。”实际上，编织篮子也很难。但是的，它能做到数学。结果是，那些只接受人类导师辅导的人，你知道，在 60% 的时间里做得很好；那些接受增强型 LLM 辅导的人，在 66% 的时间里做得很好。在随机对照试验中，所以由人工智能教授的人做得更好。这只是一个论文。这只是一个研究。你不应该对一篇论文反应过度。但再次强调，模型正在变得更好。我们对如何使用它们也越来越了解。我只是认为我们正处于一个教育将非常混合的未来。有很多主题你可以自己学习。我提出的这个模型，它给你一个阅读列表，我怀疑这甚至不是最好的模型。这只是一个我们都习惯的模型。我们知道它是如何运作的。所以，你可以看到我们可以以某种方式复制它。但很多这些阅读材料，直接使用 LLM 通常比阅读更好。至少我认为是这样。并非所有人都可能同意。但你总有一个备选方案，那就是复制我们现在所做的。我怀疑，再次强调，我使用“怀疑”这个词是非常主观的，最终你想做的是，在一些指导下，让个人自己去使用人工智能，让他们去做。而最后的成绩可能不是字母或数字，而是你只是问人工智能，你觉得怎么样？它是一个分析优势、劣势、他们在哪里擅长推理、在哪里不够耐心等的摘要。你可以生成一个 10 页的版本，一个一页的摘要。你可以把它变成一个数字或字母。也许这取决于院长想要什么，雇主想要什么，没有人知道，对吧？但通过让人们做他们的事情，你可以有一个更丰富的评估体系。而且我认为 LLM 会学到很多关于你的工作习惯，如果你花很多时间与它们相处，并且你写了正确的提示，并且你问它们，我如何改进我的工作习惯？你知道，不要对我那么谄媚和积极。我知道你在推销自己的产品，但我想要一些负面的批判性反馈。你在我的工作流程中看到了哪些弱点？它们会告诉你。而且，如果它们有足够多的你的数据，它们就会神奇地正确。
所以，再次强调，复制课程，这很棒。这就像一个我们可以采取的中间步骤。但从长远来看，这可能只是你处理这些事情，它们会产生关于你的报告。作弊的问题一直存在，就像现在一样。但我认为你需要做的是花一些时间与人们在一起，你知道，被关在笼子里或被关在房间里，他们在房间里使用 LLM，但你要确保他们不使用 Claude 来操纵 GPT 或使用 Gemini 来操纵 Claude。如果你能证明 3% 的产出是真实的，然后你让 LLM，即人工智能本身来比较，比如剩下的东西，那真的是那个人吗？还是他们在用 Claude？这不是一个完美的方法。而且，如果存在很大差异，我不会把人们送进监狱。但我认为这会比我们现在看到的情况更能阻止作弊。
所以，我的愿景是，我们可以教人们更多，更多样化。我们可以以更低的成本做到这一点。我认为教职员工本身不是输家，但他们确实必须在某些情况下改变他们的角色，并非所有情况。比如，你可能只是一个写作指导老师，他仍然是一名写作指导老师。你教如何使用 LLM 进行语法检查，但你基本上做同样的事情。但更多的教职员工必须成为鼓舞人心的导师、教练、向导。他们必须跟上人工智能的步伐，这是一项艰巨的任务。它变化很快。它不像微积分那样，你学一次就学会了。你知道，求导。你学一次，你一生都会学会。你只需要记住它。学习人工智能，你必须不断学习。我不是说每五年一次。我的意思是，大约每三个月一次。事情通常会发生很大的变化。这个速度在某个时候会放缓，但现在我们正处于其中。所以，这就是我现在正在思考的。我只是觉得没有人真正知道什么会奏效。它正在改变它正在触及的一切。没有理由认为教育会免疫。我们确实需要将人际接触和动力置于教育的中心，但我们现在称之为学习的很多内容正在被革命化。
当我自学时，比如我经营一个播客，这是我自己的事情。这是泰勒。它叫《与泰勒对话》。我爱做什么就做什么。没有人告诉我该做什么。我不是为此付费，但它就像我的利润中心。这是我的外展。这是我的事业。这是我所做事情的重要组成部分。所以，我想在当前的人工智能出现之前做好。如果我为客人做准备，我可能需要购买 20 到 30 本书并阅读它们，这既昂贵又缓慢。然后亚马逊上还有所有这些二手书。它到了吗？我信任第三方经销商吗？你在跟踪。这很麻烦。现在，也许我会买四到五本书，读完这些书，然后开始问人工智能问题。我的准备速度大约是以前的两倍。我花在书上的钱少了很多。我觉得我学到了更多。我不确定播客是否更好，但它并没有变差。这至少使我的生产力翻倍，还为我节省了一些钱。这就是我内化的学习。我看到我的生产力翻倍，为自己省了一些钱。也许这只是我，而且这种公式对其他人不起作用。这是可能的，但我猜我就是不相信。我认为教育可以不同，应该不同，将会不同。我认为首先会这样做的是初创公司。高等教育中的初创公司太少了。对我来说，这令人沮丧。正如我一开始所说，这也是我为什么对我们拥有的初创公司如此兴奋的原因之一。这其中之一。所以，无论如何，这些只是我的基本评论。有很多时间可以提问，但这就是我想概述的愿景。我对此深信不疑。我非常确定我们不知道如何正确地做到这一点，但我同样坚信我们需要开始尝试。感谢大家的到来和聆听。
所以，我想问一下，你认为社会信号或地位信号将如何影响人工智能的进步，以及它接管各种机构的速度？我认为，人们对真实艺术而非人工智能艺术的偏好，部分可以解释为地位信号，你知道，表明你了解这位艺术家，或者你能负担得起这位艺术家的作品。所以，你认为，你认为是否可能存在更多的地位与真实教育与人工智能教育相关联？给予其中一个，而不是另一个？以及基于此的阶级划分。
这是一个非常好的问题。你知道，有长期和短期。所以，短期内，在企业环境中，你可以很容易地想象一位企业首席执行官不愿意问人工智能对他的决策的看法。我经常收到人们的电子邮件。在很多情况下，我开始回复，问人工智能，它比我知道得多。但这就像我说我地位低下。我愿意这样做。就像我不需要他们一样。他们不付我钱。他们没有给我任何好处，但也许我通过不成为他们关于都铎英格兰问题的答案的“大师”而降低了我的地位，因为坦率地说，我不知道他们关于都铎英格兰问题的答案。我可能会推荐露西·惠廷（Lucy Whitting）的《都铎英格兰》（Tudor England）这本书，我知道这本书，而且它是一本好书，但实际上更好的答案是问 GPT，但要确保你支付的是好模型，或者问 Gemini，现在的好模型是免费的，目前可能不会一直免费。但还有所有这些其他的后续效应。一种可能是，完全在人工智能之前完成的事情会获得更高的地位。我不太确定这是否是长期的。就像我们有录制音乐一样，起初它的地位比现场音乐低。也许对于古典音乐来说，它仍然地位较低，但人们听的大部分都是通过耳机播放的录制音乐。没有人认为这很糟糕。它并不是真的地位较低。这是流行音乐。所以，我认为中期会有巨大的地位转移到人工智能上，但会有一个过渡期，在那里，使用人工智能的公司和机构，其余的人会感到受到威胁，他们会觉得，“嗯，这会降低地位。”我想起了彼得·蒂尔（Peter Thiel）的著名评论，他半开玩笑地说，在生活中做得非常好的方法是投资那些地位非常低的事物。这是半开玩笑的。但你看看加密货币，起初它的地位非常低。它的地位仍然非常混合，但它已经更加成熟。我认为人工智能将经历一个漫长而颠簸的道路，最终达到高地位，但再次强调，沿途会有很多颠簸。这也是学校不太热衷于此的原因之一，因为它们担心自己的地位。
谢谢。
好的。你好。我有两个问题。也许我稍后可以问你另一个问题。我想我的主要问题是，你提到学生们可能已经比他们的老师更擅长使用人工智能了。我知道这里的很多人每天都在使用它来理解文本，做一些副业项目。而且坦率地说，使用人工智能并不难。就像提示并不需要非常困难的技能。当然，需要一些时间来适应，但这不是你必须强迫学生花三分之一的时间去做的事情。从自由主义的角度来看，人们已经在使用了，他们做出了自由选择去使用它，并与之互动。你为什么要强迫他们与之互动呢？
总有更好的方法。而且我认为，如果仅仅是提问，那并不难，正如你所说。但如果涉及到组织你的工作流程，真正利用人工智能，比如重组一个机构，使其人工智能更加核心，而不仅仅是一个附加项，那将非常困难。我的意思是，你可以说没有人或几乎没有人知道如何做到这一点。一些程序员正在学习。我问过 Sam Altman，这是最近在一个公开的播客上。你知道，什么时候 OpenAI 的财务部门将主要由人工智能运营？他不知道。而这就是 Sam Altman。他几乎不是人工智能的看跌者，对吧？所以，如果他……
不知道，这很重要。但这些是我们需要教给人们的技能。不仅仅是为简单的查询进行提示，而是如何实际使用它来写作、验证、评审研究论文。我认为这根本不简单。嗯，教人们如何跟上人工智能的步伐并不简单，因为它变化太快了。所以，我或许，你知道，我说三分之一是为了戏剧性。如果你想把我砍价到 29%，我也会同意。但如果你说，“哦，我的大学有一门关于如何使用人工智能的课程。” 我就会竖起手指摇晃。不，你们还没到那一步。嗯，这是大事，而且它确实与人类在余生中所做的事情息息相关。>> 好的。谢谢。>> 感谢您的发言。我是奥斯汀联盟协会的主席，也就是 UATX 的辩论协会。去年，我们的一位创始人，尼尔·弗格森爵士，发表了与您截然相反的演讲。>> 哦，我认识尼尔，也读过他在这方面的文章。是的，>> 没错。嗯，我想先问您，您愿意和他辩论吗？其次，您会如何回应他的论点，即大型语言模型会威胁到学生思维的萎缩，而为就业做准备的最佳方式是尽可能地提升自我？嗯，我认为，如果你将课程的三分之一用于写作和其他一些基本技能，辩论可以算在内，口头陈述可以算在内，嗯，技能就不会萎缩。事实上，我们正在将教师从大量死记硬背的信息呈现中解放出来，让他们真正地激励人们去真正学习那些基本技能，而他们现在并没有。你看到最近加州大学圣地亚哥分校新生入学的那项研究了吗？他们拥有像样数学技能的比例。我忘了具体数字了，但即使是我也感到震惊。>> 我一生都是教授。所以，嗯，我很乐意和尼尔辩论。我我很乐意就人工智能问题与尼尔辩论。我认为人工智能也会胜过他。但部分原因在于萎缩，我们需要引导教师的精力，真正确保你们三分之一的时间用于写作、分析、辩论，并由人类和人工智能共同评分，而且我们可以做得更好，而且成本更低。>> 谢谢。随着我们开始自动化，你知道，很多工作因为很多工作都被编码了，嗯，通过人工智能，你认为我们最有可能忽视的是什么？嗯，我认为你已经触及了这一点，但你将如何实际设计学校，嗯，以便儿童和学生真正发展出成功的关键技能，而不是仅仅依赖它？因为很多新的人工智能学校都在大量使用它，然后就有这样的问题：你如何确保他们仍然有判断力来真正辨别他们想法的价值，或者它与服务人类有多相关。人工智能的一个好处是，你可以随时随地以非常低的成本测试人们。这实际上会让学校感到不舒服，因为如果学校失败了，我们可以很快地了解到。所以我认为关键在于实验。没有人确切知道它应该如何运作。就像我给你我的愿景，但我完全理解。我们主要想要大量的实验，但要愿意随时进行测试，并接受表明我的方法失败的结果。这很容易做到。我们缺乏的是真正这样做的意愿，这并不真正符合学校的利益。学校的利益是让人们通过，分数膨胀。很高兴看到这里不是这样做的。嗯，但我们需要做得更多，并且要一直衡量我们的方法是否有效，但我相信，如果你真正投入三分之一甚至更多的时间，如果你愿意，将教师的精力投入到这些基本技能上，并且你一直、一直测试，你将获得比过去更好的结果。>> 好的。谢谢。>> 感谢您的演讲。您将教师或教授描述为仅仅成为教练，甚至不必是主题专家，而是在您查阅人工智能时指导您，这似乎非常孤独，而且非常个性化，您如何防止这种情况加剧我们在学校里存在的孤立效应，即每个人都在学习自己的东西，我们彼此之间的距离越来越远，我们无法真正拥有一个共同的知识基础来讨论问题。>> 我不认为必须如此。如果一所学校愿意，它可以将人们分成更大的单位。但当我问有多少人想要一门关于英国都铎王朝的课程时，我好像看到了七八只手。你是否会雇佣一名教师来做这件事，我不知道。但这七八个人可以一起上课，互相学习，不那么孤单。我认为你会看到很多两人、三人、五人组成的团体。如果团体有 13 人，你知道，就开一门课，对吧？在什么人数下你可以负担不起开课，将取决于机构有多少钱。但我认为学校可以促进人们的协调。哦，这里有三个人。他们想在墨西哥攻读硕士学位，有七个人想攻读英国都铎王朝。如果需要，你实际上可以更频繁地进行更多的互动。嗯，人们想要什么，我不确定。很多人似乎已经变成了这些奇怪的独行侠。我不知道如何解决这个问题。你不能强迫他们做所有这些。就像所有这些人，他们甚至不去约会。你读了这些东西，就像，这些人怎么了？我没有答案。但我认为，至少人工智能教育的基本结构可以非常有利于团体。但如果你真的想学习一些别人不在乎的东西，我想你就得靠自己了。但是，你看，你可以有一个 WhatsApp 群组，你可以在北美各地与七个人一起完成。没有理由你不能这样做。所以总有一些其他的事情你可以尝试。>> 谢谢。>> 所以在我看来，那些成为教练的老师似乎不需要太多了解他们曾经教过的主题。那么，是什么阻止了学生，例如，成为他们自己的教练呢？>> 嗯，他们一直在这样做。我的意思是，我几乎每天都会遇到和交谈的人。我的意思是年轻人，你知道。我经营着一个叫做 Emergent Ventures 的项目。我主要与年轻人进行 Zoom 通话。我每周大约有 10 次，而且其中绝大多数。他们是精英学习者。他们不都来自富裕家庭。他们可能来自贫穷国家，但他们几乎都这样做。所以这种情况已经发生了。真正的问题是学校是否应该参与其中，还是应该被排除在像聪明人发现的最有效的学习方式之外？我说要参与其中。但如果你所做的一部分是赋予人们独立完成这项的能力。嗯，也许从长远来看，比如大学教育是三年而不是四年，我没意见。同样，学校可能不喜欢。收入，我理解所有这些，但我认为这可能是一种改进，而且我们无论如何都会朝着这个方向发展。而第二、第三阶效应将是显著的。所以，嗯，是的，人们可以自己做这件事。你知道教练需要什么吗？我认为我们需要实验，但如果你在教一门关于英国都铎王朝的课程，我不知道你必须是安妮·博林的专家，但对历史推理的好坏有一个大致的了解，我确实怀疑这很重要。所以，那些在历史方面受过一些训练，在与学生打交道方面受过一些训练的人，嗯，我们应该如何培训我们的培训师本身，嗯，他们更像教练。你必须教他们这项技能。你知道，我成了一名教授。没有人教过我如何教学。我拥有哈佛大学的博士学位。没有人花三秒钟教我如何沟通、如何激励、如何启发、如何做任何事情。什么都没有。在某种程度上。我被教导如何写研究论文，这很重要。但其余的都是零。这一点也应该改变。这并不是我在这次演讲中关注的重点。但你知道，第二和第三阶的变化，你希望有些人成为某种通才，并且他们拥有这样的技能：我应该让学生联系哪些其他人或资源？这是一项相当难以捉摸的通用技能，但我认为它也变得越来越重要。>> 谢谢。如果你要推荐四门适合我们这个年龄段的人学习的课程，比如——使用人工智能，哪些是最重要的课程？>> 嗯，这真的取决于你想做什么。我能问一下你初步想做什么吗？我打算无论如何都说经济学，但这只是我的偏见。当你问它问题时，就像你显然应该问的那样，嗯，泰勒·考恩会如何回答这个问题？不，我没开玩笑。我的意思是，你可以定制。你可以让约翰·梅纳德·凯恩斯教你这门课。米尔顿·弗里德曼。我发现很多人工智能模型，当你进行比较和对比时，它们会给出特别好的答案。所以，如果我问什么导致了通货膨胀，我得到了一个很好的答案。但如果我问它比较和对比弗里德曼和凯恩斯以及他们的通货膨胀理论，无论你同意哪一个，也许你都不同意他们，但你会得到一个好得多的答案。这就像一个提示技巧。这取决于模型上下文。所以，嗯，是的，我喜欢人工智能的一点是，这只是我自私地说，它非常了解我。我写了 23 年的在线博客，完全公开访问。我猜我做了 600 次播客，公开访问。我写了，我想，18 本书。它读了所有或大部分。所以，有一大群人。我曾经为北弗吉尼亚地区写过一个餐饮博客。那里有一大群人。他们想出去吃饭。他们说，“哦，在奥斯汀的哪家墨西哥玉米饼店是泰勒·考恩想去吃的？”这是一个很好的答案，至少对泰勒·考恩来说是这样。我不是说你的品味一样，但要富有想象力地思考如何使用它，并填入角色。你知道，它可以是安东尼·波登。它可以是，嗯，一个来自墨西哥农村的人，一个来自墨西哥城的人。你越有创造力，就像你越了解提示，你吃的食物就越好。所以，嗯，是的，天空是极限。但人工智能对我非常友好，因为我多年来产生了大量的产出，而且活着的、比它更了解我的人并不多。>> 感谢您今天的时间。我的问题是，在未来五年内，哪家人工智能公司将赢得人工智能竞赛，为什么？>> 我不知道。嗯，我多次访问过主要公司。我给他们所有人留下了深刻的印象。我认为目前的模型质量大致相等。对于图像，我会说 Gemini 明显是最好的。对于我称之为美学的东西，我更喜欢 GPT，但这更主观。嗯，对于追踪数据源，我推荐 Gemini。最好的作家可能是 Claude。我最常使用 GPT。它似乎最了解我，而且它有所有的记忆。你可以说我有点被锁定了，但我认为这三个主要公司都非常好，而且都足够好。我不会过多地纠结于使用哪一个。嗯，现在谁会赢？我想我预测他们都会做得很好。但如果，你知道，其中一家被另一家收购了，你知道，这不会让我感到震惊，这种情况经常发生。所以我认为他们都有令人难以置信的人才库。而且，嗯，我知道我们正在花费所有这些钱购买数据中心，但大型科技公司的利润仍然略高于其资本支出。所以，对于那些大公司来说，这并不是以债务融资的。让我们拭目以待。>> 谢谢。你好。我今晚的问题是，人工智能和 LLM 应该如何用于支持宗教教育？有些学生选择进入神学院或拉比学校。嗯，人工智能是否对这种教育构成危险，因为宗教与我们作为人类的身份息息相关，还是有特定的应用可以用于这种教育？我会先区分文本密集型宗教和非文本密集型宗教。例如，犹太教是相当文本密集型的，而我发现人工智能在解读希伯来圣经的不同读法方面非常有用。基督教显然，新约非常重要。旧约取决于你是什么样的基督徒，但它比犹太教的文本性稍差，但仍然非常有用。对于伊斯兰教，所有这些宗教都应该更容易学习。有一位拉比，他是我的一位好朋友。他对人们如何使用人工智能学习犹太教感到非常印象深刻。我问了他很多次，“你对这个答案怎么看？”他是一位非常著名的拉比。他写了大约 20 本关于托拉的书，嗯，他对它的好感到非常惊讶。所以，嗯，如果现在你问我，佛教是否会受益？嗯，对佛教文本的了解会有所帮助。嗯，你能用人工智能让你成为一个更好的冥想者吗？就像美国佛教徒喜欢冥想。它在其他形式的佛教中并不那么重要。我我只是不知道。但是的，我的直觉是，它在某种程度上会偏向文本宗教，而不是其他宗教。但绝对来说，学习所有这些宗教都容易得多。所以，嗯，这对宗教应该是有益的。还有另一个问题。是否会有人奇怪地开始将人工智能视为神或神灵或神谕？我认为我们正在看到这种情况。也许这是一个令人担忧的问题。嗯，让我们拭目以待，但如果它变得更令人担忧，我不会感到惊讶。>> 谢谢。>> 嗨，感谢您的演讲。我想问您，您是否认为人工智能会缩小或扩大我们的世界，我之所以这样问，是因为你知道互联网本应极大地扩展我们的世界，在很多方面确实如此。它让我们能够接触到如此多的知识和我们以前无法接触到的东西。然而，互联网做的另一件事是，它将人们，尤其是我的这一代人，隔离开来。我们不再生活在一个共同的世界里，而是生活在我们自己的算法世界里。我们有一些人称之为精神分裂症文化，无限碎片化，无限以自我为中心，嗯，这让我想起你开始谈论——你知道，人们试图设计他们自己的大学课程，例如，因为我认为这几乎与大学的宗旨背道而驰，大学是一个机构，它将世代相传的普世知识传授给你，几乎无论你认为你应该学习什么知识，它都会给你，它试图为你构建一个世界，而不是让你进入它，构建你自己的世界。嗯，我认为人工智能的使用，虽然非常有用，至少，你知道，作为一个非常先进的搜索引擎，在我看来，它会进一步孤立人们，因为它只根据你认为要问的东西做出反应，嗯，以及你头脑中的东西。那么，这如何影响，我想，我们的现实感或教育？>> 你提出的问题有很多。一个问题是这个问题有多糟糕？但我想说，如果这是一个问题，你很容易让一所大学说，嗯，如果你想上一门课，你需要三个人作为一个小组工作，少于三个人不行。设定人数为五人、四人，我不知道，再次尝试，然后它就会把人们聚集在一起。我还想说，三分之一的教学是关于如何使用人工智能。我想我们会教人们如何使用它来建立友谊，人际关系。我们从未用互联网这样做过。这可能不容易。我不确定。现在，我们甚至不尝试教这个。我想让我们尝试教这个。嗯，我不认为它必须是孤立的。我不认为互联网必须是孤立的。在过去的 20 年里，我认识的大多数人，其中许多人我现在已经是相当好的朋友，或者可以说是普通朋友，我认为我几乎都是通过互联网认识他们的，或者接近全部。所以，这取决于你如何利用它。嗯，你可以用它来把人们聚集在一起，但如果一所大学需要推动我们组成团体，你知道，就让他们去做吧。>> 谢谢。人类能做什么而人工智能不能？我听到的一个观点是，人工智能纯粹是输入到输出，而人类拥有创造力，即无中生有地创造东西。人工智能可以做到这一点。嗯，你知道，它们正在解决人类尚未解决的数学问题。它们写出了人类以前没有写过的诗歌。嗯，没有理由认为人工智能无法变得更具创造性。我们正在训练它们变得更具创造性。我们根据创造力给它们评分。我听了很多人工智能音乐。不久前我参观了 Sunno 公司。我还不喜欢那种音乐。它比一开始好多了。而且我认为一年后，会有一首新的、有创意的 AI 歌曲，我会非常喜欢，并且会享受它。嗯，喜欢它也涉及到一些棘手的问题。我明白。但是的，人工智能很有创造力。毫无疑问。等着吧。它们会更有创造力。>> 谢谢科恩博士。感谢您今晚的到来。嗯，我认为他之前的问题已经很好地引出了我的问题。嗯，我我我将扮演魔鬼的代言人，质疑人工智能具有创造性的观点，因为最终我认为它在某种程度上是在操纵现有的文本语料库。所以我的问题将更侧重于知识的前沿。您是否担心可能会遇到一个问题，即人工智能被训练成人工智能生成的知识，并且它只是变成了一个递归效应，出版商或作者等的产出可能或多或少地与人工智能生成的产出相同，或者听起来一样，等等。然后，这些诗歌或创意作品都会开始听起来一样。>> 嗯，如果真是这样，那么人类就有足够的空间发挥创造力。所以，如果你想象一个思想实验，将人工智能训练成 1580 年之前的所有著作。顺便说一句，有些人正在这样做。我还没看到他们的结果，但你有一个人工智能，它的思维方式就像 1580 年的人工智能一样。那个人工智能能写出莎士比亚的作品吗？虽然实验还没有完成，但我很确定答案是否定的。对吧？所以，人类在这个未来中扮演着独特的角色，这很好。人类的产出将与人工智能的产出竞争更激烈。嗯，不是每个人都喜欢这样。我认为这没关系。但请记住，人类的创造力是将碎片组合起来。你看看一出莎士比亚的戏剧，然后阅读它所引用的来源。通过人工智能来做这件事很棒。顺便说一句，你知道，量体裁衣，莎士比亚有他的来源，他操纵了它们，他从不同的地方取材，并且有创造性的元素，但就像大多数人类一样，他们一开始并没有那么有创造力，而且很多人的创造力是合成的，而且有独特的元素，我认为读者、听众等等将永远、永远、永远要求独特的、人类的元素，这是我们世界的一个很好的特点。但是，你知道，人工智能能做到吗？嗯，我认为现在我会说，人工智能可以写出一首与巴勃罗·聂鲁达的平均水平相当的诗。现在，要说清楚，聂鲁达写了很多。我不认为巴勃罗·聂鲁达的平均水平的诗歌很棒。我认为它还可以。在我看来，人工智能已经达到了这个水平。没有理由认为人工智能会立即停止进步。所以，它们会写出更好的诗歌。我想读那些。我最终对丁尼生和莎士比亚更感兴趣，因为他们是人类，但我想要一个更大的选择范围和更多的选择，我认为我将会得到。谢谢。嗯，感谢您的演讲。嗯，我对您提出的关于如何防止作弊的想法非常感兴趣，无论是通过人工智能与笔和纸，还是通过人工智能与人工智能在较小的房间里。我唯一的问题是，您是从哪里得到 3% 这个数字的，即我们所做工作的 3% 应该被“圈禁”起来？>> 这取决于你有多少门课和多少次考试。我只是把它看作是最佳抽样理论中的一个问题。所以，如果有人作弊，你需要看他们真实工作的百分之多少才能看出区别？我实际上认为这非常少。所以，假设我们正在上这门关于英国都铎王朝的课，有人用 Claude 作弊了整个课程。如果你只是把这个人叫到房间里，问他一个问题，你对伊丽莎白一世了解多少？我猜，一个问题就可以让你知道他是否在作弊。不是百分之百确定，不是你会让他离开你的学校。也许如果你惩罚他，你知道，他可以起诉你。这取决于你所在州的法律，但你只需要让他坐下来，然后说，“看，就像你什么都说不出来关于伊丽莎白一世。算了吧。”然后让他尝试其他课程。如果这种情况一直发生，嗯，你会让他自己辩解。哦，我就是太紧张了。你知道，如果一个人问我，我答不上来，但我在机器面前表现很好。我的意思是，这是他们需要处理的生活问题。嗯，你也会遇到一些这样的情况。但我认为你知道，即使只有一个问题，如果它提得好，你也会很快知道。所以，如果你想要 3% 来获得更多确定性，那也没关系。但我会说，一个好的问题基本上你就会知道。好的。