Transcription
宏大的愿景是你可以通过 Bobo 学到任何东西。任何你曾经认为太难学的东西，我们至少可以让你入门，让你觉得它是可以实现的。>> 为什么需要一个单独的应用程序？比如为什么 CHBT 不是学习新事物的理想方式？>> 一个真正的学习平台必须作为一个学习平台来构建。LLM 被构建为通用工具，但鉴于它们的核心并非为学习工具而构建，它们缺少很多东西。[音乐] Near，欢迎来到节目。>> 谢谢邀请。>> 嗯，所以对于不知道的人来说，你是 Obo 的联合创始人兼首席执行官。嗯，我不知道你的简短介绍是什么，但从我的角度来看，它就像一个人工智能学习应用程序，可以为你按需制作一次性课程。嗯，这很酷。嗯，你可以告诉我我哪里说错了。嗯，但它确实是一个非常好的应用程序。我认为它与你一直在思考的很多事情都很契合。嗯，嗯，在做 OBO 之前，你最出名的是经常写文章。嗯，嗯，你是 Spotify 的副总裁兼全球有声读物负责人，在此之前你是 Ankor 的联合创始人。很高兴你来到节目。>> 谢谢邀请。是的，我回想了一下我为 Every 写的东西，我确实认为它非常符合 Obo 的品牌，因为我写了很多关于试图让人们意识到他们可以学习和理解那些他们可能感到畏惧和认为太难学的东西。我喜欢你这样做，因为我认为嗯，我认为人工智能对学习非常有益。它在很多不同的方面拓展了我的思维。嗯，我想直接问一个棘手的问题，那就是为什么需要一个单独的应用程序？比如为什么 chatbt 不是学习新事物的理想方式？>> 它们令人难以置信。我现在老实说在生活的每个方面都使用它们，我知道你也一样，我认为对于认识到它们有多强大的人来说，这种情况越来越普遍。但是，LLM 被构建为通用工具，就像你可能拥有的最普遍的通用工具一样。嗯，我花了很多时间思考学习。我花了很多时间从一个想要在这个领域构建产品的企业家的角度来思考它，也从一个每天使用这些产品来教自己东西的人的角度来思考它。我经常自学，而且已经很多年了，我从根本上相信，虽然聊天非常强大，但它并不是人们学习的主要方式。大多数学习是被动的。它不是主动的。它不需要精益的参与。你一生中大多数学习都是被动地通过消费内容来完成的，偶尔会有主动参与。你一生中大多数学习都是多模态的，对吧？它不是坐着以一种特定的方式消费和参与内容。它是通过例如在线拼凑不同的格式来完成的，对吧？每天，我敢打赌你都会这样做，而且听到的每个人都会这样做。你对某件事感到好奇。你在新闻中读到某件事。你识别出一些你不太了解的事情，然后你在互联网上深入研究以尝试学习这些事情，你不会仅仅默认使用 chat GPT 或其他 LLM，尽管它们非常非常强大，你可能会将它们作为你用来学习的工具库中的一个工具，但它们只是一个模态。人们通过多模态学习，对吧？所以你会从 chat GPT 开始，然后你会谷歌一些东西，你会进入维基百科，你会去 YouTube，而且你并不孤单，因为数十亿人每天都在这样做。每天有数十亿人使用互联网来学习，并利用这些不同的格式和平台来拼凑学习体验。所以回到你的问题，我认为 LLM 是拼图的一部分，对吧？我认为它们能够实现拼图中的一个重要部分，但鉴于它们的核心并非为学习工具而构建，它们缺少很多东西。我认为一个真正的学习平台必须作为一个学习平台来构建。嗯，正如我相信许多你的嘉宾可能在节目中正在构建的真正的填空平台，那些必须由专注于特定用例的人来构建。>> 这真的很有趣。我想回到你说的让我震惊的一件事，那就是大多数学习是被动的而不是主动的，或者基本上好的学习是被动的而不是主动的。我理解对吗？因为我本来以为是相反的。嗯，所以我的思维模式是学习如何运作，就像对我来说，它非常注重在上下文中学习。我需要做一件具体的事情，所以我想了解如何做这件事，以及它可能如何融入我所知道和想要做的所有其他事情，这对我来说感觉非常主动。我确实花了很多时间阅读，我想这是被动的，我确实在学习东西，但我只是没有真正，如果我必须打赌你会说什么，我会说学习是主动发生的。嗯，我认为我们正在谈论的可能是两个不同的维度，对吧？你谈论的是意图和目标。学习的目标在哪里？我相信最好的学习是通过高意图、高能动性和显著的目标驱动的动机来实现的。这实际上是我们经常谈论的事情，就产品而言。人们今天已经在使用 OBO 的大多数用例都是以目标为导向的。人们进来，他们说，“我知道我想完成什么。我想擅长 X，或者我想能够，你知道，贷款买房。我对此一无所知。或者我想获得这项特定技能，以便在工作中提升自己，或者我想通过这项特定考试。”所有这些都属于这种高意图目标驱动动机的范畴，我认为这与你实际学习事物的维度不同。所以我确实认为高意图非常重要。它是最能激励人们的东西，这就是为什么构建一个能够利用他们的目标并尽可能快速地拥抱一条通往目标的道路，并让他们看到他们能够实现这个目标的产品非常重要。但是，如何实际向他们呈现材料的问题触及了另一个维度的核心，那就是我认为是被动与主动，或单模态与多模态。如果你回想一下学校，你就会想到你曾经有过的最好的老师，你学习的大部分时间都是从他们那里学习，他们带着关于如何教你的观点来教你。你坐着听他们讲课，或者看书，或者其他什么。你没有积极参与对话。这并不是说积极参与不重要。我认为它是人们能够取得很多学习成果的强化方式之一，但它不是主要机制，对吧？LLM 所做的就是将责任推给用户，推给你作为学习者，让你明确你想要实现什么以及如何实现它，并提供持续的反馈。人们不是这样学习的。就像你在学校时，你没有给老师持续的反馈来让他们调整课程一样。老师不会问你关于如何最好地构建课程以及下一步去哪里的问题。这就是我所说的被动与主动。>> 这说得通。这完全说得通。我认为，嗯，也许有一件事我有点把它纳入我的世界模型。也许有一种方式可以这样说，我想知道你会怎么说，LLM 本身是令人难以置信的学习机器，人们以这种非常低意图的方式不断学习新事物，每天至少我都是这样。有时是你生活中的某些类别，你会想我真的只想真正学习这个东西，我想获得相当于学位的东西，或者文凭或证书，或者其他什么。在这些情况下，你确实需要一个真正的老师，他像思考课程一样思考，而不仅仅是阅读这本书，我被某个特定的角色吸引，然后我就会和 HGBT 一起深入研究。这就是你所想的吗？>> 是的。我认为 OBO 不是一个快速答案平台。有很多方法可以快速找到答案，对吧？互联网。我的意思是，如果你考虑一下，有很多方法可以思考 LLM，我认为我知道，你知道，你写过关于这个并探索过很多嗯，很多不同的观点，但就其核心而言，LLM 的核心是一个信息压缩机，它只是获取互联网的巨大信息，并以更个性化、具体、快速、压缩的方式为你提供信息。它就是这么做的。它只是获取互联网上所有人类知识的内容，并将其压缩成可以浓缩成来回对话的内容。所以那里有一个假设，即人们应该使用 LLM 来获取快速简洁的信息，对吧？它不是为了长篇内容而设计的。然而，学习，真正的学习，人们真正想要的，无论它是什么，人们想要实现的目标都需要承诺，需要你坚持下去，需要你采取多个步骤。任何在 LLM 对话中花费了超过几分钟来尝试做任何比快速信息更长的事情的人，可能都知道 LLM 在这方面并不擅长，对吧？它们很快就会失去上下文。它们不会保持专注。它们很容易偏离你最初设定的路径。然后我认为这是个问题。这实际上是我们经常在 OBO 谈论的事情，那就是如何让用户与我们的平台互动，让他们偏离并提问，并使其个性化，同时继续提供脚手架，始终将他们带回到他们为自己设定的核心目标。我认为这是 LLM 并不擅长的事情。>> 我想向大家展示产品。我认为它非常酷，我认为这将为我们提供更多具体的东西来讨论。嗯>> 听起来不错。我可以选课主题吗？>> 是的，当然。现场演示。这从未出过错。这是>> 我们正在直播，各位。嗯，好的。嗯，好的。我想上的课程是嗯，我想上维特根斯坦的哲学研究课程。我敢肯定它能做到。但我不确定的是，你告诉我，我理想中的这门课程是它使用了完整的文本，这些文本可以在网上免费获得，而且课程的每个单元都是用格言或者段落来写的，就像子部分一样，课程的每个单元都是嗯，它取其中一个子部分，然后解释它，谈论理解它需要知道什么，然后继续下一个。也许这是一种可怕的学习这本书的方式。但这是我的愿景。>> 有趣。嗯，两件事。首先，你得帮我拼写。但这个特定的用例，我认为嗯，看看它会产生什么会很有趣。也许它不是最好的例子，因为我们在这个引擎中构建的东西之一是，我们希望事情感觉嗯，轻量级且可实现，从嗯，达到里程碑的角度来看。所以可能会发生的一件事是，它会减少，听起来你设想了这个课程的范围相当大。它会默认尝试将其缩减到要点，因为它希望让你感觉你在取得进展，并达到重要的里程碑，而不是给你一个看起来像一个无法实现的千章长。>> 我明白了>> 课程。>> 我也很乐意把它作为其中的一部分，比如前 30 个，前 30 个部分或类似的东西。那样会更好吗？>> 让我们看看。让我们看看它会怎么做。我不知道。让我们看看。嗯，好了。怎么拼写？所以，维特根斯坦嗯，维特根斯坦 wi t Gen Stein Vickenstein。>> 好的。>> 嗯，维特根斯坦的哲学研究。嗯，哲学研究。我会说给嗯，你知道，拿出第一部分，然后给我>> 我会说一部分不够清楚。我会说前 30 个子部分。>> 好的。嗯，并给我上下文，以便我理解它们。>> 理解每一个。是的。>> 好的。>> 是的。太棒了。理解它们。>> 有趣。完美。嗯，是的，你知道，有趣的事情之一，这是一个艰难的平衡，我们必须做到，因为我们正在构建这个宏大的愿景是你可以通过 Bobo 学到任何东西>> 并构建一个能够专注于维特根斯坦，同时教人们他们想学的其他所有东西的平台。这真的很令人兴奋，一个真正令人兴奋的平衡，要弄清楚如何赋予平台嗯，自主性和广度来涵盖一切，同时又对其所做的事情有自己的看法，因为就像我说的，一个真正的学习平台必须以学习用例为出发点来构建，所以我们必须对教学方法和我们应该如何呈现信息以及被动与主动的平衡有自己的看法。嗯，所以，这是我们的课程，所以 obo 创建了一个，让我打断一下。所以，这太棒了。这太酷了。嗯，就像对于听众来说，它现在是一个有很多不同部分的页面。有一个标题写着维特根斯坦的哲学研究，前 30 个子部分。有一个介绍。它有一个解释。它有一个播客。嗯，然后它有很多子部分。我认为你做得很好的一件事是，显然很难一次性制作一门课程，在很短的时间内。而且看起来你正在并行生成很多不同的东西，而且你正在向我展示我想要阅读的第一件事，这样我就可以立即开始，同时你也在填充其余的部分，我认为这非常非常聪明，而不是让我等待。嗯，是的，这就是你的想法，对吧？是的，我的意思是，速度是任何人工智能产品的关键部分。我认为嗯，我们不想成为那些产品之一，市场上还有其他产品嗯，它们也这样做。我们不想成为那种需要你提交某样东西，然后等待一段时间才能开始的产品。>> 是的。>> 嗯，这里的价值主张和产品定位的一个重要部分是你可以学到任何东西。任何你曾经认为太难学的东西，我们至少可以让你入门，让你觉得它是可以实现的。如果给我们一些东西，然后我们立即违反你的信任，因为花了很长时间才给你东西，这很难做到。就像我们是向导，对吧？所以我们希望尽快带你走第一步。嗯>> 我有一个问题，比如，它说有两个来源，它去拉取了完整的文本吗？>> 嗯，在这种情况下，看起来它可能已经从这些来源中拉取了。嗯，嗯，而且如果它觉得需要获取外部来源，它也可能会这样做。另外，我们这里的每个章节都会有不同的来源。>> 嗯，所以有可能，你知道，它可能已经将它们拉取到特定的部分，但没有拉取到特定的部分。>> 好的。>> 嗯，你知道，这就是与人工智能合作的美妙之处，就像你并不总是知道幕后发生了什么一样。我的意思是，我们显然可以深入了解它，在幕后，但当你看着产品时，很多时候即使作为创造这个产品的人，很多时候我看着产品，我说，“哇，它令人难以置信，它给了你多少自主权，你给它正确的护栏和正确的自主权。”它能够利用这种自主性来做你从未预料到的事情。我从来没有，这是一个现场演示，我从来没有看过这个例子，我从来没有见过我们即将看到的内容。所以，看到结果总是非常酷。>> 我喜欢。所以带我们了解一下，从嗯，我的意思是，对于，以及，并且，谈论它，因为有很多人会观看，也有很多人会收听。所以，所以带我们了解一下那里有什么。>> 当然。是的。所以，嗯，这里有很多不同的事情在发生。嗯，多模态是我们信仰的重要组成部分。所以这意味着你不能只是一堆文本，就像 LLM 会给你的那样。你必须以各种不同的方式获得各种信息，最适合任何给定时间的那个。嗯，所以驱动这个的管道的一个重要部分是弄清楚什么东西是正确的给你看。还有什么是在任何给定时间给你看的正确格式。现在，一个例外是我们的播客格式，因为听播客是一种非常不同的体验。你一天中想要听播客的时间与你想要嗯，你知道，参与看起来像这样的东西的时间非常不同。这就是为什么播客嗯，单独存在。这是一个生成的播客。这是两个人之间的对话，谈论这个话题。我们最近添加的一件事是，你可以将这个特定的章节视为播客的第一集。而你在这里看到的侧面的所有章节都是这个长篇播客的附加剧集。所以你创建的课程实际上也创建了一个包含多个剧集的播客。在这种情况下，有六集，因为这里有六章，每一章都建立在前面的基础上，并引用了之前的内容，但你总是有相同的两个主持人。如果我播放它，我不知道这是否会在我们的录音中起作用，但你告诉我是否能听到。>> 你有没有试过解释一种非常特殊的感觉，或者你做的一个梦，然后言语就失败了？就像你说的越多，离实际事物就越远。>> 总是。那种让你觉得语言本身就是障碍的沮丧时刻。而且很有趣你提到了这一点，因为那个确切的问题让一位名叫路德维希·维特根斯坦的哲学家终生着迷。>> 她发音是 Vikenstein。有趣。>> 是的，我知道。>> 嗯，现在我不确定了。>> 你可能比我们正在使用的合成语音知道得更多。嗯，它，你知道，消费它的体验是，它应该是丰富的。它应该是嗯，正如我所说，它应该是利用各种不同的格式。现在，根据你创建的内容类型，你会看到不同的组合。如果我看看科学的例子，它看起来会完全不同。对吧？如果我看到一些非常基于哲学的，它将主要关于你看到的语言，而视觉效果会少得多，尽管我们有一张路德维希的漂亮照片。我们有嗯，你知道，你会被带入一种体验，正如我所提到的，这种体验旨在让你感觉零散且可实现，因为我认为阻止人们学习的最大问题之一是感觉要达到他们想要达到的最终状态是压倒性的。嗯，所以，你知道，这里的例子，我将向你展示另一个例子，作为比较。如果我在这里，在这里，所以，这是一个最近有人在平台上生成的课程，量子隧穿效应解释，显然非常不同。所以，当你嗯，在这种情况下，你正在获得一门关于量子力学的课程，你会看到嗯，视觉和内容的例子，以及生成的内容，看起来非常不同，因为它为特定的用例而构建。随着我们扩大团队，扩大产品，我们希望支持更多格式，更多不同的，不仅是格式，还有我们称之为嵌入式格式的东西，这意味着格式会在适当的时候出现，以便你学习你想要学习的东西。>> 如果我上传一整本书会怎么样？>> 嗯，我们确实有上传文件大小限制。但是，嗯，我猜这取决于你的文件有多大，但如果你这样做，如果你拿维特根斯坦的书，比如，你可以上传它。你可以把任何附件拖进来。我们看到人们这样做。我们看到人们为此目的使用它，或者你知道，帮我理解这篇文章或这份文件，或者其他任何东西。那就是这个加号按钮在这里的作用。而在你上传一本书的情况下，我认为在没有给出指示的情况下，它必须推断出很多关于你的意图的信息。但是，如果你上传了这本书，然后给它具体的指示，你知道，我想让你分析这本小说，并进行完整的角色分析，并绘制情节图等等，它应该能够做到，而不是，你知道，给它一套完全不同的指示，用那本上传的书。>> 好的，酷。嗯，这真的很有趣。我们能回到维特根斯坦那里吗？>> 嗯，我不想离路德维希太远。我会感到附件焦虑。嗯，好的。所以，如果我们，如果我想向下滚动。所以，所以看起来在这些章节中，有嗯，嗯，在你拥有的章节中，它有嗯，嗯，它有维特根斯坦介绍，过渡到哲学研究，理解语言游戏，无意义的使用，它正在遍历这本书的所有主要概念。但我想知道如果我们去分析前 30 个部分。我只想看看它在那里做了什么。>> 嗯，好的，有趣。继续。所以，它基本上在谈论嗯，它实际上是在书的开头。它实际上是在分解它。继续。>> 滚动到底部。我只想看看它到了哪里。>> 哦，有趣。所以，>> 看起来它总结了前 30 个部分，而不是>> 做你，你知道，你建议的。>> 是的。是的，这很有趣。我确实注意到了这一点。你有一个这样的测验，嗯，偶尔会有一种格式，它会问你关于它正在教授的东西，以帮助你，我猜那是更像你更主动的东西。告诉我。是的。所以，嗯，正如我提到的，我们的很多嗯，哲学理念都围绕着我们所说的嵌入式格式，也就是在正确的时间放入正确的东西。所以，当它决定现在是巩固我之前覆盖的材料的合适时机时，它会插入一个测验，或者插入闪卡，或者嗯，你知道，一个游戏或其他格式，随着我们支持的嵌入式格式越来越多。我们正在做的是，我们正在给这个生成所有内容的管道更多的工具包，如果你想这么想的话，就像老师一样，有各种不同的工具可供使用，他们能够使用他们认为合适的正确工具。但是，你会注意到在这种情况下，你知道，回到我们关于被动与主动的问题。它是以目标为导向的，对吧？它是故意的，因为你可以看到课程的构建方式是为了达到你要求它做的事情。在这种情况下，嗯，最终结果，我想，并不像我们希望的那样详细，但它从基础开始，以达到最终结果，但在主动与被动方面，它试图在那里取得平衡。对。所以，在这种情况下，它主要是>> 有没有办法让我说，嘿，比如，不，不，比如，我，你知道，做更多。我想要一个更大、更深入的课程。我能这么说吗？>> 所以，我们经常谈论这个问题。目前在产品中，我们没有能力这样做。嗯，这样做的方法是继续完善你的提示。而且你可以免费生成任意多的这些。这是没有限制的。然而，嗯，我们经常谈论的一件事是用户经常要求这件事>> 是我们如何能够获取我们已经生成的内容，并让用户能够不断地完善课程，这样你就可以说，实际上，在这里，我想让你加倍努力。我想让你分成多个章节。诸如此类的事情。>> 是的。是的。>> 然后给用户更精细的控制，让他们也能说>> 我想要它更>> 语气上，以一种特定的格式。对吧？我用这个来教我的孩子，你知道，五年级的数学或其他什么，所以我们希望它以一种稍微不同的方式呈现给他们，并提供这些类型的，提供这些精细的控制将成为产品的重要组成部分。>> 明白了。太棒了。到目前为止业务怎么样？>> 嗯，很棒。所以，我们在 2025 年 9 月正式发布了产品，之后的大约 3 个月时间里，我们一直在解决用户提出的一些基本问题，来自发布，我们意识到我们可以更有目标导向地进行内容创作。我们可以有更丰富的格式，更丰富的材料呈现，也就是你现在看到的版本。所以我们最近发布了一个实质性的嗯，在产品呈现给用户的方式以及他们从中获得的东西方面进行了改变。嗯，以及一些改变，比如允许用户免费创建无限课程。所以这是相对较新的。然后最近发生的另一件事是，我们宣布了我们的 A 轮融资，我们在嗯，在发布产品后进行了融资。所以这刚刚宣布。所以我们现在进入了能够发展团队并做更多事情的阶段，并希望构建你和我正在谈论的许多功能。>> 这太棒了。恭喜。>> 谢谢。>> 嗯，到目前为止，什么让你感到惊讶？比如谁在使用它，他们用它做什么，也许他们不用它做什么。>> 我没有预料到人们输入的内容在多大程度上是以目标为导向的，正如我所提到的。嗯，这在很大程度上影响了我们的路线图。所以，如果你看看人们输入的嗯，提示，其中三分之二以上属于我们称之为基于目标的学习目标的类别。它在某种程度上加强了嗯，这可能对我们来说是显而易见的，但我认为实际看到真实世界的数据会改变你对像这样的产品是什么的看法。你知道，如今大多数人都面临着嗯，我猜，这种差距，存在于我的脑海中，存在于我想学习的很多事情中，也存在于你的脑海中。我知道我想实现什么。我只是不知道如何到达那里，对吧？我知道我需要理解 X。我知道我想为我的工作做 Y。我知道我想嗯，开始学习这个话题，我知道我理论上对它感兴趣。我不知道如何开始，对吧？我不知道如何到达那里。所以，我认为创造，你知道，学习对我来说主要是关于这个。它是关于嗯，允许某人指定他们的最终目标是什么，并让他们走上这条道路。现在，如果你想想人们历史上学习在线平台的方式，它实际上与此完全相反。他们没有控制，没有自主权，我将去哪里。我只是对一个话题普遍感兴趣。我会找一些初学者资源来帮助我迈出第一步，然后我必须做大量的研究来弄清楚如何迈出第二步。但是你没有个性化旅程。我的意思是，即使是 LLM，就像我们之前提到的那样，如果你要向 LLM 指定你的长期目标，并且你花了超过几分钟或一个长上下文窗口来与它交谈以实现目标，它会很快失去上下文，对吧？它会失去你想要实现的目标。所以最终我认为一个学习，一个成功的学习平台必须能够同时始终面向用户想要达到的目标，并且允许沿途有很多自由，以及很多快速的胜利，以及很多保持学习者的动力，让他们继续前进。>> 这很有趣。是的。我还没有发现，比如，聊天 GBT，尤其是现在，比如，让我们说 GBT 5.2 到 Opus4 5，它真的会因为长上下文而偏离轨道。Opus4 5 肯定会在更长的聊天中进行这种压缩，而且它就像他们这样做的方式很愚蠢，但或多或少，根据我的经验，它会继续下去，这些聊天会继续下去。我发现的是，因为我一直使用这些工具来学习，所以当嗯，03 出来的时候，是 03 吗？是的，是 03。他们增加了设置提醒的功能。所以我开始做的是，我选择了几个我想学习的东西。其中一个是我想看 Andre Karpathy 的嗯，在 YouTube 上构建语言模型的课程。嗯，我说，每天我想让你带我通过 YouTube 上的这门课程的新部分。比如，获取整个视频，弄清楚他做了什么，然后一步一步地带我通过，在我不懂的地方停下来。嗯，让我们一直研究这个问题，直到我明白为止。它实际上奏效了几天。嗯，它总体上确实非常好，因为嗯，200 天后，它仍然在提醒我，并且说，“嘿，这东西有一部分你还没有完成。”它相当好。嗯，但问题基本上是将其分解成那些小块。在某个时候，我遇到了一块有点难，然后我想，我现在没时间了，我让它过去几天，然后三天后我再看那块，我想我甚至已经没有了上下文，甚至不知道我们之前在哪里。嗯，然后我不得不做更多的工作来重新建立联系，这甚至更不吸引人。所以它只是，它只是不断提醒我，“嘿，我们就在这里，我们正在学习键值存储和 LLM 如何工作，或者其他什么。”嗯，嗯，我每天早上都会感到内疚，然后我就放弃了。所以，这实际上是我的经验，那就是嗯，一方面我经常有嗯，学习困难的东西的动力，但这种动力嗯，它会过去，尤其是如果它与我的工作或某件事没有完全相关，而且这实际上与我的工作有关，但我的工作可以不完成这门课程，对吧？嗯，然后有被动的东西，然后有嗯，我们正在建立一个目标，我有点失去了我们在路上的上下文，然后它不会调整为“嘿，我看到你三天没有回复了，让我们试着重新点燃你的兴趣，让你重新跟上，以一种让你再次兴奋的方式，就像朋友一样，或者其他什么，它没有那种嗯，那种智能，也许现在它可以做到，我只是还没有提示它，但那些我认为是我的两个大问题。>> 我认为这触及了创建 LLM 和将其构建为通用工具的有趣的双刃剑，对吧？尤其是当你进入代理的东西时，你所说的那种，为了提供价值，你真的让这个东西自己运行，比普通对话中的 LLM 更自由，对吧？所以为了在很长一段时间内，在多个会话中提供价值，我认为你必须非常严格，嗯，就这个东西能做什么而言，你不想让它失控，而代理，如果你让它们自己运行，很容易就会失控。所以有一个非常有趣的平衡行为，对于任何人工智能平台，尤其是 LLM，当你构建代理时，你必须在幕后进行，你如何设置护栏，给它们一定程度的自主权，但以一种足够灵活的方式设置，并且正如你所说，它显然不够灵活，无法说，等等，我需要重新评估整个方法，因为 Dan 已经失去了踪迹，或者他失去了兴趣，我需要从不同的角度来处理这个问题。显然，我认为我们正处于能够成功做到这一点的技术的非常早期阶段。它是一个代理，重新评估自己的嗯，自己的目标和自己的方法，并允许系统重写规则，重新定义护栏，并移动它们，以便嗯，以便它变得更有价值，而无需你作为用户实际进来并非常明确地说明，实际上，不，我想让你这样做，因为我之前的观点。你永远不会和一个老师这样做。老师能够读懂房间。老师能够知道他们的学生什么时候感到困惑。老师能够知道，“等等，我们上次讲这个已经一周了。我需要巩固一些材料。”他们不会把责任推给用户，或者在那时，抱歉，学生来找他们说，“嘿，老师，你知道，你需要以这种特定的方式去做。”我认为这就是当前格局破裂的地方，并且未能实现我们成长过程中在学校拥有的那种学习体验的承诺。H 嗯，你如何看待，所以你知道，你在 Chute 的这种经历，就像我可以设置这个东西，然后我就可以忘记它，但它会一直出现，所以感觉它现在是我生活的一部分，并且以一种方式干扰我的正常例程，而我使用 Obo 的经历，几天前在准备这次会议时，老实说，我只是在推特上看到了它，我想，我必须，老实说，我忘了我们什么时候录音，但我想，这听起来确实很棒。我应该试试。嗯，我的经历是，我让它制作了一个课程，我不记得是什么了，我正在看它，我说，“哦，这很酷。”但然后我想，这是我在手机上，我在机场，然后我想，“好吧，比如，这很酷。这里有很多东西。”我读了一点，然后我就忘了它。嗯，而且感觉任何课程都有足够的材料，我可能会花几个小时，几天时间来学习，但消费格式感觉非常嗯，短暂。你对此怎么看？>> 嗯，你知道，再次谈论平衡行为，创造感觉轻量级但不短暂的内容是一项艰巨的平衡。我认为我们一直在努力解决这个问题，那就是如何让这个东西感觉像一个资产，它具有持久性，你可以回来，但又不会让你感到不知所措，让你觉得它很沉重。嗯，我认为历史上任何学习平台，尤其是正规教育平台，最根本的问题之一是内容感觉非常压倒性，对吧？你会被呈现出大量的海量信息。它感觉很沉重。你甚至不想开始。所以我认为这是一个有趣的平衡。嗯，现在我们有了一个模型，用户可以免费创建任意多的课程，并输入任意多的提示，我认为这种短暂性完全没问题。在任何时候，我们都应该能够保留你之前提出的问题的上下文，如果你想继续你离开的地方。你不需要进入一个预先存在的课程。我们可以创建一个新的课程，从你离开的地方继续，你应该能够提示 OBO 来让你这样做。我会说嗯，你知道，考虑到我们还处于早期阶段，我们还没有像这样的产品应该有的再参与钩子。我们还没有一个移动产品，一个原生的移动产品。它目前是一个基于网络的产品的，这一切都即将到来。嗯，而且学习显然需要通知和再参与。学习需要你在手机和桌面上学习，并且有一个原生应用程序。嗯，我们决定将我们的精力集中在我们拥有的这个小团队上，在早期阶段，是高度专注于这个产品将提供的效用，因为如果我们能够掌握价值主张，如果我们能够真正找到产品市场契合度，以及人们会带来的用例，那么在再参与方面，天空是无限的。对。>> 你用它来做什么？你用它学什么？>> 嗯，我是一个大书呆子，而且我多年来一直对所有这些高级数学和科学主题非常感兴趣，我从未在学校学过。我没有主修数学和物理，我希望我学过。嗯，你知道，这有点像公司的使命，我花了很长时间才意识到，尽管我对所有这些主题都着迷，但我实际上可以自学，而且我教自己越来越容易，尤其是有了像 OBO 这样的工具，嗯，是的，主要是很多物理学主题，我从未有机会在学术环境中正式学习过，现在我意识到，我不需要学术环境，对吧？我能够真正地去学习，并拥有一个轻松愉快的体验，我可以随时随地轻松地进入和退出。>> 你在想什么样的物理学？>> 嗯，在这种情况下，OBO，我让，让我看看，让我看看我最近做了什么。嗯，嗯，我前几天在读关于量子物理学历史的书，比如它是如何被发现的，早期的实验。嗯，你知道，他们是如何发现>> 身体辐射之类的？>> 嗯，更多的是嗯，我忘了怎么发音了，我们就要变得非常嗯>> 书呆子了。是的。嗯，斯特恩·格洛克，我想是这么叫的。你知道斯特恩吗？是那个>> 维特根斯坦的一个绝佳的后续吗？嗯，我不知道斯特恩·格洛克。>> 好的，那么，嗯，我们在这里会变得非常书呆子。所以斯特恩·格洛克实验是证明了嗯，量子自旋，也就是嗯，如果你拿一个粒子，任何粒子，任何原子或电子或任何东西，它都有一些固有的自旋属性，它会旋转，嗯，然后有一个挑战是确定它实际旋转的方向。嗯，所以他们建造了这个装置，两位实验者斯特恩和格洛克，或者格洛克，我不知道怎么发音，嗯，他们建造了这个装置，基本上可以确定自旋。它测量自旋，并将其确定为向上或向下，对吧？这是可以预期的。就像如果你扔一个粒子，你测量粒子的自旋是向上还是向下，那么它就是其中之一。在量子物理学中，概率上，你期望你知道 50% 的粒子会向上，50% 会向下。但是他们做了一些非常奇怪的实验变体来确定嗯，量子态是完全固有的概率性的，并且完全不可预测。所以举个例子，如果你拿一个粒子，测量它的自旋是向上还是向下，然后你测量它在另一个维度上的自旋，比如，而不是测量它在 Z 轴上的旋转多少，你测量它在 X 轴上的旋转。然后你再测量它在原来的轴上。所以，从 Z 轴测量到 X 轴，然后再回到 Z 轴。在这个新轴上，它仍然有 50% 的概率是向上或向下。所以这个实验基本上证明了，这曾有过
已经被理论化了一段时间，但他们实际上通过这个实验证明了它，大约在 100 年前，粒子似乎会以某种方式几乎忘记它所处的状态。当你第二次测量它时，它几乎会忘记它在旋转哪个方向，当你回去重新定向它时。嗯，我的电脑，我不知道你是否看到了，但我刚刚看到了像烟花一样的东西。嗯，我想我做了一个手势。>> 脑洞大开。>> 嗯，当你回去测量它在原始的那个轴上，你测量过的那个轴上时，它完全像是无视了最初的测量，这完全说不通，对吧？这几乎就像我说的，我旋转一个陀螺或者我旋转一个球之类的。我以一种方式测量它，我以另一种方式测量它，然后当我回去以第一种方式测量它时，它实际上有 50% 的时间在不同的方向旋转。嗯，让我感到震惊的是，学习这个不仅仅是它本身的底层物理学很迷人，而且，嗯，这发生在一百年前。就像他们能够进行成功的实验来确定这一点，大约在 100 年前。嗯，我可以查一下这个实验是什么时候做的。1922 年。这个实验是在一百多年前做的。这让我感到难以置信。就像想想他们当时拥有的技术，以及他们能够弄清楚这一点。>> 完全同意。这真的很令人着迷。这让我觉得我们还没有真正地，我觉得牛顿物理学已经渗透到所有的文化和社会中，但量子物理学还没有。嗯，在很多方面，我们仍然被困在某种牛顿世界里。>> 是的。>> 嗯>> 嗯，我们每天都经历的那个，对吧？>> 嗯，在牛顿之前不是这样，你知道的。嗯，就像我们，我们就像，就像牛顿一样，这太疯狂了。这绝对不是它的工作方式。嗯，所以，但我认为，我认为，嗯，它确实有点违反直觉。我一直在想的事情，因为我一直在，我想每个人，每个书呆子都喜欢量子力学。所以我一直在读一些关于量子力学和哲学的书，嗯，所以，我一直在思考的一件事，而我离擅长物理学还差得很远。嗯，所以我很好奇，作为另一个非专家，但作为一个似乎比我聪明得多，并且对它更了解的人。也许我们可以做一个 OBO 课程来向我们现场解释它。所以你告诉我，你告诉我。但我一直在想，你知道，我认为语言模型是我们思考知识如何运作以及知识是什么的一种有趣的不连续性。当我们开始尝试构建人工智能时，我们从符号人工智能开始，基本上就是我们将智能简化为一组规则。>> 嗯，是人类可以理解的，是形式化的，是明确的，我们将构建一个能够学习任何东西的东西。然后我们就遇到了一个大问题，那就是它需要的计算量比宇宙中可用的还要多。嗯，然后我们转向了语言模型，我认为它是一种更具后现代性的技术，它从大量的隐式模式中学习，从文本中的微小相关性中学习，来弄清楚接下来会发生什么。嗯，这以一种有效的方式奏效了，但我们并不完全理解它，我们也无法将其简化为那种象征性的东西，使它变得可以理解，并且几乎让它感觉更像牛顿。嗯，我们做到这一点的方式是，我们发明了嵌入空间，嗯，嗯，而这一切让我有点想起量子力学。而我想到量子力学的一个具体例子是双缝实验，其中>> 我不能，我不能凭空说出双缝实验，但大体上它和你刚才解释的非常相似，根据你如何看待一个光子，它显示为粒子或波。嗯，嗯，有很多不同的奇怪变体，但有效地，你测量它的方式，在你测量它的时间决定了它变成粒子还是波，而在此之前，它处于某种概率性的中间状态。而这让我想起的是某种嵌入空间。就像，如果不同时间测量同一个东西，而它不同，取决于你何时测量它以及如何测量它，那么很可能它存在于一个高维空间中，你正在将其维度降低到你可以实际测量到的东西，就像你正在采取嵌入空间中的一个点，并将其降低到下一个字母。我说得很不优雅，但我认为你可能明白我的意思。这有什么意义吗，还是我疯了？>> 嗯，有几个反应。首先，我告诉你，嗯，你让我想起，大约十年前，我一直是双缝实验的忠实粉丝。如果有人不知道双缝实验是什么。我可能，我一生中没有学到过什么比这个事实更让我震惊的了，那就是它是真实的。嗯，我记得大约十年前我曾和某人谈过，当时双缝实验被提到了，我们都对它有多迷人而兴奋不已，我们有过这样一个时刻，我们说，就像你之前说的，世界还没有开始思考这个问题。为什么不是每个人都在谈论双缝实验呢？就像那个事实实际上是真实存在的，而我们却不经常谈论它，这太疯狂了。嗯，因为它可能是宇宙中最令人难以置信的事实。但是，但是你是对的，还有另一个，肯定有很多相似之处，那就是宇宙中还有另一个令人难以置信的、完全无法解释的事情，那就是，如果你获取了人类创造的大量信息，互联网，然后将其输入到这些大型神经网络之一中，它就能够识别出我们人类甚至不知道存在的模式。而且它能够以一种方式做到这一点，你知道，这些嵌入空间的巨大高维空间意味着，在我们创造的东西中，在我们所创造的东西中，存在着人类输出的维度，而我们对此完全视而不见。而且，这并不是说人工智能会去，或者说，嗯，训练这些嵌入空间之一。并不是说它会去给这些轴贴标签。所以这些维度存在于这个高维空间中，它基本上完全定义了我们行为模式，而我们却不知道如何理解它们。嗯，而且这绝对是一件作为人类来说，在哲学上很难理解的事情。我们人类是如何能够创造出能够如此好地理解我们的输出并预测它的机器的？而且不仅如此，而且是以一种我们完全不知道它们是如何工作的，我们完全不知道它们是如何工作的？就像我们知道它们工作方式的技术原因，但我们却不知道它们为什么会发现某些模式，以及这些模式实际上代表什么，因为它们只是数字，我们无法理解它们。嗯，但你确实说了一些我认为很有趣的事情，那就是，你知道，你谈到了语言模型的概率性质。值得指出的是，语言模型本身不是概率性的。实际上，驱动它们的底层模型是 100% 确定性的。我们加入了概率变异，试图让它听起来更像人类，更不可预测。但事实是，我不知道是否有人做过这种实验，但我很想看到，那就是，当一个语言模型将输出的变异性降低到零时，它看起来会是什么样子，我认为那将是温度设置，对吧？你基本上将任何语言模型的温度降低到零，这样它所决定的就是 100% 映射到它发现的模式，对吧？映射到它给每个 token 的权重。嗯，它的输出会好还是坏？它可能不会感觉很人性化，但它实际上会更准确地代表互联网上人类创造的输出。>> 这很有趣。我认为目前这不起作用的原因。有来自 Thinking Machines 的非常好的研究，那是 Mirat 的公司，他们正在研究为什么即使你将其设置为零，它实际上仍然不是确定性的。结果是，因为当你以不同的顺序添加不同精度的浮点数时，你会得到略微不同的结果，而这些浮点数加法是在 GPU 上并行进行的，而根据工作的批处理顺序，它最终会改变最终结果。嗯，所以他们已经找到了修复方法，这样当你将其设置为零时，它实际上是纯粹确定性的。但就像任何生产语言模型一样，除了 Thinking Machines 之外，即使在温度为零时，它也不是真正确定性的。>> 我猜原因是因为，只是为了让我理解，因为它在许多 GPU 上并行处理。我猜有一个竞态条件，你不知道哪个计算会完成。>> 我认为就是这样。>> 这很有趣。是的。>> 这绝对是关于浮点加法的运算顺序在 GPU 上并行批处理。嗯，>> 但我，你知道吗，我以前从未想过这个问题，但我实际上想知道人脑是否也以完全相同的方式工作。你知道，你可以考虑到人脑是一个计算神经网络，拥有无数的参数。所以就出现了这个问题，不考虑量子力学或任何类似的东西，对吧？在一个纯粹的牛顿世界里，如果我的大脑输入完全相同的输入，它会产生完全相同的输出吗？听起来基于这项研究，在现实世界中，因为它很嘈杂，而且因为，你知道，不同的神经元以不同的速度放电，你的大脑中实际上也发生了同样的竞态条件。所以，你可能会得到一个完全非确定性的答案，或者在相同输入下的大脑输出。我猜它不是同样的竞态条件，因为我不认为我们在进行浮点运算，但如果你身边有老人，他们往往会重复自己。嗯，在相同的情况下，在相同的上下文中，他们会说完全相同的话，而且随着年龄的增长，情况会越来越糟。嗯，我敢打赌这里面有些东西。而且，嗯，这是关于你的神经通路灵活性的问题，以及哪些通路被激活，你只是越来越多地激活相同的通路，而不是新的通路。我认为有些东西正在发生。>> 可能也有一个强化机制，因为你不断激活相同的通路，它会强化你的大脑应该激活这些通路，对吧？所以它会随着时间的推移而变得越来越糟。>> 是的。没错。而且我认为你也有，就像孩子一样，你拥有的连接比成年人多得多。所以你一直在修剪连接，我认为这个过程，也许我不知道生物学，但我认为这个过程还在继续，然后你随着年龄的增长，你就会变得有点僵化。>> 对。>> 无论如何，有很多东西要学。我想就所有这些话题做一些事情。但我想，你确实让我想到了一个问题，那就是语言模型知道我们不知道的事情。但这是因为我们认为知识是我们需要能够明确谈论的东西。而语言模型能够做的事情，实际上我们对它们有很多隐性了解。我们只是无法用明确的方式来阐述它是如何工作的。所以我们已经写了很长时间了，我们对语言学如何形成语言有一些想法，但这并没有使我们能够像语言模型那样生成语言。嗯，但我确实认为，从观察语言模型来看，我们对“知道某事”的定义有所拓宽，即使我们无法明确地说出它们是如何工作的，它们实际上也能够体现一个知识库，这不是新知识，因为它都是从我们那里产生的。所以，它只是以不同的方式存在于我们之中。>> 等一下，再说一遍最后一部分。知识以不同的方式存在于我们之中，因为我们无法>> 以不同的方式。它是直观的。它不是我们可以>> 我们可以谈论的东西，而维特根斯坦的整个观点就是如此。回到维特根斯坦。>> 嗯，是的，我认为，嗯，心灵和心灵的内部运作方式，然后是心灵投射到现实世界的方式，以及我们看待它的方式。我认为，如果有什么的话，语言模型可能迫使我们认识到这两者之间存在巨大的脱节，对吧？就像你不能，仅仅因为一个心灵是有意识的、自我意识的，并且意识到自己的输出，并不意味着它理解任何关于它在幕后如何工作的机制。>> 是的，我的意思是，我认为我们正在，我们正在从物理学的角度，从物理学和哲学的角度，以及关于心灵是什么，意识是什么等等所有这些问题上，我们只是在非常表面地探索。我认为我经常思考，我们是否会迎来某种突破，真正回答你所说的这些根本性的哲学问题。嗯，我不知道我是否相信这真的会发生。你知道，我认为人类的心灵在生物学上以一种进化发展的方式发展，这种方式可能故意向我们隐藏了所有这些。>> 而且它使得我们可能无法做语言模型能做的事情，也无法识别语言模型能识别的模式。嗯，我不知道。我认为我已经说服自己了，那就是，我们能真正了解的程度是有限的。但你可能感觉不同。>> 我认为我只是拓宽了知识的定义，因为语言模型能做的任何事情，人类都做过。嗯，我认为这应该算是一种知识，即使我们无法解释它。>> 这是公平的。这是公平的。尽管语言模型在其输入方面所能获得的，以及它能够训练所有这些不同的语料库的能力>> 任何个人都不能，但人类可以>> 人类集体可以。是的，没错。>> 是的。嗯，好吧，我认为这是一个很好的结束方式。嗯，Ne，非常感谢你来到节目。如果你想尝试 OBO 或者在网上找到你，你可以在哪里找到你？>> Obo.com。去创建你想创建的任何课程。嗯，让我们知道你的想法，我们随时欢迎反馈。真的非常感谢。嗯，是的，我是 Ne Zuckerman。你可以在所有各种平台上找到我，我的名字就是我的用户名。所以我们很乐意听到大家的消息，嗯，如果你有任何产品反馈，请告诉我们。>> 太棒了，谢谢你来。>> 谢谢你，Dan。我很感激。 [音乐] >> 我的天哪，各位。你们绝对必须用力点赞并订阅 AI and I。为什么？因为这个节目是真棒的缩影。这就像在你家后院找到一个宝箱，但里面不是金子，而是关于 ChatGPT 的纯粹无删减的知识炸弹。每一集都是一场情感、见解和欢笑的过山车，让你坐立不安，渴望更多。它不仅仅是一个节目，它是一次驶向未来的旅程，Dan Shipper 是宇宙飞船的船长。所以，给自己一个忙，点赞，订阅，然后系好安全带，开始你人生中最棒的旅程。现在，废话不多说，我只想说，Dan，我绝对无可救药地爱着你。