Transcription
以下是与 Sebastian Thrun 的对话。他是我们这个时代最伟大的机器人专家、计算机科学家和教育家之一。他领导了斯坦福大学自动驾驶汽车的开发，该车赢得了 2005 年 DARPA 大挑战赛，并在 2007 年 DARPA 城市挑战赛中获得第二名。之后，他领导了谷歌的自动驾驶汽车项目，该项目引发了自动驾驶汽车革命。2011 年，他在斯坦福大学讲授了备受欢迎的人工智能课程，这是最早的大规模开放在线课程（MOOC）之一。这段经历促使他联合创办了在线教育平台 Udacity。如果您还没有在该平台上学习过课程，我强烈推荐。例如，他们的自动驾驶汽车项目非常出色。他还是 Kitty Hawk 公司的首席执行官，该公司致力于制造飞行汽车，更专业地说是 eVTOL（电动垂直起降飞机）。他发起过几场革命，激励了数百万人，但正如许多人所知，他也是一个非常友善的人。与他交谈是一种荣幸和享受。这是人工智能播客。如果您喜欢，请订阅，在 Apple Podcasts 上给予五星好评，在 Spotify 上关注，在 Patreon 上支持，或者在 Twitter 上与我联系，我的名字是 Lex Friedman，拼写是 Fri D ma N。如果您在 Apple Podcasts、YouTube 或 Twitter 上留下评论，请考虑提及您觉得有趣的想法和主题。这有助于指导本播客的未来。但总的来说，我只是喜欢评论中充满善意和深思熟虑。正如许多人所知，这个播客对我来说是一个副业，但我仍然投入了大量的精力。因此，来自这个了不起的社区，来自您的支持的积极话语真的很有帮助。我最近开始在介绍的结尾做广告，会在介绍完这一集后做一到两分钟的广告，中间绝不会有广告。广告会打断对话的流畅性。我希望这对您来说是可行的，并且不会影响您的收听体验。我提供了对话开始的时间戳，您可以跳过，但如果您收听广告并尝试广告中的产品或服务来支持本播客，那将非常有帮助。本节目由 Cash App 呈现，它是 App Store 中排名第一的金融应用。我个人使用 Cash App 向朋友转账，您还可以用它在几秒钟内买卖和存款比特币。Cash App 还有一个新的投资功能，您可以购买股票的零散部分，例如价值 1 美元的股票，无论股票价格如何。经纪服务由 Square 的子公司 Cash App Investing 提供，并且是 FINRA 和 SIPC 的成员。我很高兴与 Cash App 合作，支持我最喜欢的组织之一，名为 FIRST。该组织以其 FIRST 机器人竞赛和乐高竞赛而闻名，他们教育和激励了 110 多个国家的数十万名学生，并在 Charity Navigator 上获得了完美评分，这意味着捐赠的资金得到了最大程度的有效利用。当您从 App Store 或 Google Play 下载 Cash App 并使用代码 XXXXX 时，您将获得 10 美元的 Cash App 积分。Cash App 也将向 FIRST 捐赠 10 美元。FIRST 是一个我亲眼见过激励了无数男孩和女孩梦想创造一个更美好的世界的组织。现在，这是我与 Sebastian Thrun 的对话。您提到《黑客帝国》可能是您最喜欢的电影，所以让我们从一个疯狂的哲学问题开始：您认为我们生活在模拟中吗？总的来说，您觉得这个思想实验有趣吗？定义模拟。我会说，也许我们不是，但这与我们应该如何行动完全无关。暂时抛开它可能对我们作为人类应该如何行动没有影响的事实，对于研究理论物理学的人来说，这类问题可能很有趣。看看宇宙的信息处理系统。宇宙是一个信息处理系统，是一个巨大的物理、生物、化学计算机，这一点毋庸置疑。但我生活在这里，现在，我关心人们，关心我们。您认为它在计算什么？我认为有一种意图。我认为世界就是这样演变的，它是美丽的，是不可预测的，我真的很感激能活在世上。说得像一个真正的人，上次我检查的时候，那是……哦，事实上，整个对话只是一个图灵测试，看看您是否真的……您还说过，您编写的第一个程序之一是为 TI-57 计算器编写的。是的，大概是八十年代初。我不想说出计算器的年代，但八十年代初是正确的。那么，如果您回到那个时代，回到您当时的心态，因为您预测了之后几十年的计算、人工智能和技术的发展。我曾对电视上看到的硅谷着迷，心想，天哪，这太酷了。他们在那里制造 DRAM 和 CPU，多酷啊！作为一名大学生，几年后，几天后，我决定学习智能，研究人类，发现即使在八十年代和九十年代，人工智能最让我着迷。我当时缺少的是，那时候的计算机真的很小，它们就像大脑，你最多只能建造一个比蟑螂大一点的，而蟑螂并不聪明。所以我们还没有达到今天的规模。您当时是否梦想过达到今天的规模？这似乎是可能的吗？我一直想让机器人变得聪明。我觉得制造一个人工智能人非常酷，而制造人工智能人的最好方式就是制造一个机器人，因为那是最接近的。可惜我们还没有做到。今天的机器人仍然非常脆弱。研究智能从建设性角度来看很有趣。你建造东西来理解。你建造什么？您认为建造一个智能系统，一个智能机器人需要什么？我认为我们看到的最大创新是机器学习，以及计算机可以教自己这个想法。举个例子，我说几乎每个人都知道走路，我们在生命的前一两年学会了走路，但没有任何科学家能够写出人类步态的规则。我们不理解它，我们的大脑里有某种东西，我们可以练习它，我们理解它，我们可以表达它，我们不能通过语言传递它。对我来说，这是当今计算机编程的一个缺陷。即使你能编程，计算机也极其愚蠢，你必须为每一种意外情况提供规则，这与人们学习的方式完全不同。但人们从数据和经验中学习。计算机正在被指示，而且因为要获得这套指令集如此困难，所以我们支付软件工程师每年二十万美元。现在，最近的创新，已经持续了三四十年，就是计算机可以找到自己的规则，所以它们可以从摔倒和爬起来中学习，就像孩子们可以从摔倒和爬起来中学习一样。这场革命带来了一种目前无法比拟的能力。今天的计算机可以观察专家工作，无论您是医生还是律师，它们可以识别规律，学习这些规则，然后变得和最好的专家一样好。所以，八十年代关于专家系统的梦想，其核心思想是人类可以将他们的专业知识浓缩在一张纸上，从而能够明确地告诉机器如何做某事。那么，您认为人类专业知识在整个过程中有什么用？您认为大部分智能将来自机器从经验中学习，而无需人类专业知识的输入吗？对我来说，问题更多是如何表达专业知识。你可以通过提供一本书来表达专业知识，你可以通过向别人展示你在做什么来表达专业知识，你可以通过应用它来表达专业知识，通过很多不同的方式。我认为专家系统是我们当时在人工智能领域捕捉专业知识的最佳尝试。有人坐下来，说，这就是人类步态的规则。当你把大脚趾向前，脚后跟向后，你就不会绊倒了。正如我们现在所知，规则集，语言集，他可以命令的，是极其有限的。人脑不处理语言，它处理的是我们甚至从未意识到的潜意识的数值感知事物。现在，当一个人工智能系统观察一个专家工作并练习工作时，它可以捕捉到人们甚至无法写进书本或规则里的东西，而这才是真正的力量所在。我们现在有人工智能系统，例如，它们会观察高薪人类医生，如皮肤科医生或放射科医生，它们能够以某种方式掌握那些连专家也无法用语言表达的技能。您是发起在线教育、自动驾驶汽车和飞行汽车（eVTOL）这三场革命的关键人物。高层次的，我为所有哲学问题道歉，这没关系。您是如何选择要解决的问题，是什么驱动您将这些解决方案变为现实的？我一生中有两个愿望。我想真正地让别人的生活变得更好，或者正如有些人所说，也许开玩笑地说，让世界变得更美好。如果您相信我们，这听起来很有趣。第二，我想学习。我想进入一个我擅长但又让我感到不适的领域，因为如果我从事一份我擅长的工作，我学到有趣东西的机会就会大大减少。所以我想从事一份我不擅长的工作，这对我很重要。例如，我正在建造人们常说的飞行汽车，也就是电动垂直起降飞行器。我不是任何方面的专家，在工作中学习是如此有趣，真正了解建造这样的东西意味着什么。现在，我所做的这些事情，在我结束斯坦福大学的教授职位之后，都专注于对社会影响最大的事情，比如交通。在我看来，交通比任何其他发明都更能改变 20 世纪和 21 世纪。甚至比通信更甚。城市不同了，工作不同了，女性权利也不同了，这都是因为交通。然而，我们仍然有一个非常不理想的交通解决方案，每年我们在交通事故中杀死约 120 万人。它是许多国家年轻人死亡的主要原因。从资源角度来看，我们极其低效。只需去您普通的社区看看停放的汽车数量，在我看来，这是一种耻辱。或者我们在交通堵塞中花费无数小时。像自动驾驶汽车或人们所说的飞行汽车这样非常简单的创新可以彻底改变这一切。而且，技术基本上已经存在了。闭上眼睛，不要看它。让我们继续关注自动驾驶汽车，这是一个迷人的领域，您在职业生涯中做了很多了不起的工作。所以，让我们从 DARPA 开始。我认为 DARPA 的挑战，有沙漠的，然后是城市的，街道的。我认为这激发了整整一代机器人专家，并显然引发了对这种四轮机器人，也就是自动驾驶汽车、无人驾驶汽车的整个兴奋。您领导了斯坦福大学的 Stanley 自动驾驶汽车的开发，该车赢得了 2005 年 DARPA 大挑战赛，以及 Junior 汽车，该车在 2007 年 DARPA 大挑战赛中获得第二名，也取得了令人难以置信的成绩。从那个时候起，有哪些痛苦、鼓舞人心或启迪人心的经历让您印象深刻？哦，天哪，痛苦的是所有那些极其复杂、愚蠢的错误，必须找到它们。我们曾经遇到过这样一个阶段，Stanley 汽车，也就是后来赢得了 DARPA 大挑战赛的汽车，每 30 英里就会自毁，我们不知道为什么。结果是，在两个计算机时钟同步时，偶尔一个时钟会倒转，负时间流逝会搞乱整个内部逻辑。但找到它花了很长时间。我可以说，启迪人心的是，斯坦福团队立即专注于机器学习和软件，而其他所有人似乎都专注于制造更好的硬件。我们的知识是，你，一个拥有现有租车的人，我们能否驾驶赛道？我必须建造一辆更好的租车。我刚建造好，它应该取代人类。而人类对我来说是三个步骤的结合：我们有眼睛和耳朵，主要是眼睛；我们有大脑在中间；然后我们有执行器，我们的手和脚。我用来制造传感器的眼睛也稍微有点用。缺少的是大脑，所以我们必须制造一个人类大脑。对我来说，没有什么比这更清楚了：人类大脑是一个学习机器。所以为什么不训练我们的机器人呢？所以你会制造一个巨大的机器学习到我们的机器里。通过这样做，我们不仅能够从人类驾驶员那里学习，我们拥有车辆的整个速度控制都是从人类驾驶员那里复制的，而且还能让机器人从经验中学习，它犯了错误，然后能够从中恢复并从中学习。您提到了软件和时钟同步的痛点，这似乎是一个持续存在于机器人技术中的问题，对于无人机等来说，这是一个棘手的难题。建造一个拥有如此多限制的系统需要什么？您有一个截止日期，没有时间，您对任何事情都不确定。这是人们真正探索的第一次。甚至不确定是否有人能完成。当我们谈论沙漠比赛时，前一年没有人完成。要争分夺秒地完成一个真正起作用的产品或系统需要什么？我们非常幸运，我们有一个小团队，核心团队有四个人。之所以是四个人，是因为四个人可以舒适地坐在卡车里，而五个人不行。而我作为团队领导，我的工作是给大家买披萨，洗车，修理坏掉的散热器，调试系统。我们有一种开放的心态，没有自负。我们只是想看看我们能走多远。我们做得非常非常好的是时间管理。我们在比赛前一个月就完成了所有工作，并在比赛前一个月冻结了整个系统。结果发现，看看其他团队，其他所有团队都抱怨，如果他们再多一周，他们就能赢。我们决定，那将是一个错误。我们将提前完成，我们有一个月的时间来测试这个系统。在最后一个月，我们确实发现了一两个小错误，我们必须修复它们，而且我们完全做好了准备。比赛开始了。好吧，首先，就按时或提前完成而言，这是极其罕见的成就。您是如何在未来的工作中做到这一点的？您有什么建议？因为在像这样的高度创新的项目中，这似乎非常罕见。人们工作到最后一秒。但关于拓扑挑战的好处是，问题得到了极其明确的定义。我们能够驾驶去年的拓扑卡车挑战赛道，然后因为某种原因我们被赶出了赛区，所以我们不得不去不同的沙漠，索诺拉沙漠，并且能够同时驾驶沙漠小径。所以从来没有关于“到底是什么问题”的争论。我们没有坐下来说，“嘿，我们应该造一辆汽车还是飞机？”如果必须造一辆汽车，那就非常容易了。我研究了我自己的人生以及十几位男士的人生。人们通常会犯的错误是，还有这个疯狂的错误他们还没有找到，它就在那里，令人遗憾，而且很容易修复，但他们还没有修复。他们不想陷入那个陷阱。所以我建立了一个测试团队。我们有一个测试团队，编写了一本 160 页的测试手册，我们必须通过这些测试，以确保我们充分测试了所有系统。哇，测试团队一直和我们在一起，并指导我们。“今天我们做火车道口，明天我们做……我们练习比赛的开始。”在所有这些测试中，我们都想，“我的天哪，这已经解决了，太简单了。”我测试了一下，我的天哪，它没有为我们工作。为什么不呢？我的天哪，它把铁轨误认为是金属屏障。我们必须修复它。是的，所以这是一个持续关注改进系统最薄弱环节的简单过程。只要你专注于改进系统最薄弱的环节，你最终就会建立一个伟大的系统。让我暂停一下，对我来说，作为一个工程师，您这样思考真是太令人兴奋了，尤其是在那个阶段。测试如此核心是多么的聪明。也许我们可以继续谈谈领导力。我认为这是您第一次真正成为领导者，并且您此后领导了许多非常成功的团队。成为一名优秀的领导者需要什么？我会说，我最重要的是为别人的工作承担责任。这非常方便，因为我无法独自完成所有事情。我本质上是一名工程师，所以我关心工程。所以，我不知道先有鸡还是先有蛋，但小时候我喜欢电脑，因为你可以告诉它们做某事，它们真的会做。这很酷。你可以在半夜醒来，凌晨一点钟打开你的电脑，它仍然会做你昨天告诉它做的事情，这真的很酷。不幸的是，这与人不太一样。你去找人，告诉他们该做什么，他们不做。他们恨你。或者你今天做了，然后过了一天，你就停止做了。所以问题就变成了，我如何能进入人们的大脑，而不是计算机？计算机非常愚蠢，非常愚蠢。如果人像计算机一样愚蠢，我不想和他们一起工作。但人是聪明的，人是有感情的，人是有自尊的，人是有抱负的。那么，我如何才能与他们联系起来呢？这就是大多数领导力失败的地方，因为许多工程师转为管理者，认为他们可以像对待计算机一样对待他们的团队，但事实并非如此。这真的很糟糕。那么，我如何才能与人联系呢？结果是，作为一名大学教授，你一直做的一件很棒的事情就是赋能他人。你的工作就是让你的学生看起来很棒，你所做的就是这样。你是最好的教练。结果是，如果你在让学生看起来很棒方面做得非常出色，他们实际上会爱你，他们的父母也会爱你，他们会把所有你应得的功劳都归给你。我所有的学生都比我聪明，斯坦福大学发明的所有伟大的东西都是他们的功劳，不是我的功劳。他们给我功劳，说，“哦，塞巴斯蒂安。”我只是让他们对自己感觉良好。所以问题是，你是否能组建一个团队，需要什么才能让他们与他们生活中真正想要的东西联系起来，并将其转化为产品？事实证明，我认识的每个人都有极其良好的意图。我真的从未遇到过有恶意的人。我相信每个人都想做出贡献。我认为我遇到的每个人都想帮助别人。我们渴望不仅帮助自己，还帮助他人，这真是太神奇了。那么，我们如何才能赋能人们，并为他们提供正确的框架，让他们能够实现这一点？如果它起作用，那将是神奇的，因为你会看到人们能够让世界变得更美好，并从中获得巨大的自信和自豪感。这就是我的环境运作最好的时候。这些时刻，我可以消失一个月，回来时事情仍然在运转。这很难实现，但当它起作用时，真是太棒了。我非常同意，人们通常不会听到大多数人内心深处都有良好的意图。他们的意图是好的，他们是好人。这是一个美好的信息，不常听到。我们犯了这个错误，这是我的朋友 Alex Waterhouse-Taylor 告诉我的，我们根据自己的意图来评判自己，而根据别人的行为来评判别人。我认为，在这里的硅谷，我们充满了工程师，我几乎没有同情心，我有点困惑为什么这对他们不起作用。我认为人们应该掌握的最大技能是设身处地为他人着想，倾听，倾听别人说什么。他们会惊讶地发现自己有多么相似，他们甚至会惊讶地发现自己的行为如何不能反映他们的意图。我经常与工程师交谈，是的，他们说，“嘿，我喜欢你，你做得很好。顺便说一句，你刚才做的事情有以下效果，你意识到了吗？”然后人们会说，“我的天哪，我没有，因为我的意图是……”他们会说，“是的，我相信你的意图，你是一个好人。但只是为了将来帮助你，如果你继续这样表达，人们就会讨厌你。”我有很多次他们说，“我的天哪，谢谢你告诉我这些，因为我的意图不是看起来像个白痴。我的意图不是帮助别人，我只是不知道如何做到。”顺便说一句，卡耐基 1936 年的《如何交朋友和影响他人》这本书是不会失败的。整本书都在那里，你就完成了。而且通常每天都要应用。我希望我能，我足够好，能够每天都应用它。但它是一些简单的事情，对吧？比如积极向上，记住别人的名字，微笑，最终要有同理心。真的想想你讨厌的那个认为自己是白痴的人，如果你像你自己一样看待他，他是一个挣扎着，好心好意，可能需要帮助的人。猜猜怎么着，你也需要帮助。我最近与 Stephen Schwarzman 进行了交谈，我不知道您是否认识他，但……所以，他……他……他说，我是一名听众，但他……他……他说，你所能做的最重要的事情之一就是倾听人们说他们的问题，然后帮助他们解决问题。他说，令人惊讶的是，很少有人真正倾听别人烦恼的事情，因为就在你眼前，你可以通过倾听问题并解决它们来最大程度地造福世界，事实上，也造福你自己和周围的每个人。我的意思是，这就是我小小的工程史。我一直在用计算机进行工程，我根本不在乎计算机的问题是什么，我只是想让它们都这样做，而这对我不起作用。您已经成为人工智能领域的领军人物。做相反的事情。但让我们回到工程思维的舒适世界。您能大致告诉我您是如何看待它的吗？因为您是自动驾驶汽车技术演进的核心，从第一个 DARPA 大挑战赛到我们看到的令人难以置信的成功，或者您在谷歌自动驾驶汽车项目以及整个行业中发起的项目，以及所有不同的方法、辩论等等。自动驾驶汽车的想法可以追溯到八十年代。德国有一个团队，卡内基梅隆大学有一个团队，他们做了非常开创性的工作。但当时，我认为计算机效率太低了，即使是世界上最好的教授和工程师也基本没有机会。然后它进入了一个阶段，美国政府至少花费了五十万美元，我可以计算出研究项目，但采购方式是，一份描述了很多东西但没人会读的成功论文是一个研究项目的成功产品。所以，我们训练我们的研究人员写很多论文。这一切都随着 DARPA 大挑战赛而改变了。我真的要感谢 DARPA 和美国国会那些有创造力的人，他们采用了一种全新的资助模式，他们说，“这不是为了努力，而是为了资助成果。”这听起来微不足道，但当时没有税法允许使用国会税款来支付奖金。一切都是基于努力的。所以，如果你投入一百美元，你可以收取一百美元。你投入一千美元，你可以赚一千美元。通过将重点放在城市，我们不为你支付开发费用，我们为你完成的成就付费。他们吸引了所有习惯于获得资金的承包商，并吸引了许多新人。这些人大多是疯狂的人。有的人有一辆车和一台电脑，他们想赚一百万美元。一百万美元是官方奖金，后来翻了一番。他们觉得，如果我把我的电脑放进我的车里并编程，我就可以发财了。这太棒了，就像一半的团队，有一个冲浪者团队，他们有两个冲浪者在车上，还带了一些时尚女孩，超级可爱的双胞胎姐妹。你可以看出这些人不是普通的。我感到非常冒犯，那些从美国政府那里获得巨额资金的国家，而我们却……大学也参与进来了。我在斯坦福大学非常幸运，我刚获得终身教职，所以无论我做什么，我都不会被解雇。我有足够的钱来资助这件事，并且我能够吸引大量第三方资金，甚至汽车公司也参与进来了。他们非常安静地参与进来，因为他们非常害怕被嘲笑，他们的汽车会翻车。但福特在那里，大众汽车在那里，还有一些其他公司，通用汽车也在那里。所以，这基本上重塑了所有人的格局。如果你看看今天在自动驾驶汽车领域的大人物，他们大多是参加过这些挑战的人。太棒了。您能否快速评论一下您从那种资助模式中学到的经验教训，以及学术界在发表论文方面的研究？有什么可以学习并扩大规模的吗？这些宏大的挑战可以改善成果吗？我非常相信专注于一种端到端的系统。我非常相信系统构建。我一直在学术生涯中构建系统，即使我喜欢数学和抽象的东西，但这一切都源于“让我们解决你的问题”的想法。我很难成为一名学者，说“让我解决一个问题的组成部分”，比如有人认为监控逻辑或人工智能规划系统，人们认为某种解决问题的方式是最终目标。我总是会反过来问，“我的祖母会关心什么问题？她不懂计算机技术，也不想理解。我如何让她喜欢我所做的？只有这样，我才能对世界产生影响。我可以轻易地给我的同事留下深刻印象，这要容易得多。但给我的祖母留下深刻印象非常非常困难。所以我一直认为，如果我能造出一辆自动驾驶汽车，我的祖母也能用它，即使她失去了驾驶执照，或者 Sheldon 也能用它，或者我们每年能挽救一百万人的生命，那将是非常令人印象深刻的。还有很多这样的问题，比如治愈癌症的问题，或者……如果问题定义清楚，当然，我可以解决它。在社会中，有时需要成千上万的人来找到解决方案。我不可能在斯坦福大学资助一万人的军队。所以你必须是原型，一个有意义的原型。DARPA 大挑战赛很美，因为它告诉我原型必须做什么。我不需要考虑它必须做什么。它只需要阅读规则，这真的很美。而且它最美的地方在于，我认为学术界可以追求的是建造一个系统级的原型，它解决了问题，让你能一窥这个问题可以通过这个项目解决。这就是我想强调的。学术界真正是什么，我认为人们误解了它。首先，学术界是教育年轻人的方式。首先，教授是一名教育者，无论是在一个小郊区学院，还是在哈佛或斯坦福大学。大多数人在学术界并不这样认为，因为我们有这种为引用和出版而进行的竞争，这是一个可衡量的东西，但它次于教育人们思考的首要目的。在研究方面，大多数伟大的科学，伟大的研究都来自大学。几乎所有东西，包括谷歌，都可以追溯到大学。所以我们这里没有什么根本性的问题。这是一个好系统，我认为美国拥有地球上最好的大学系统。我们可以谈论如何触及系统外的人，这是另一个话题。但这个系统本身是一个好系统。如果我有一个愿望，我会说，如果能有更多的辩论关于那些伟大的、重大的问题是什么，并专注于它们，那就太好了。不幸的是，大多数问题都是跨学科的。很容易陷入一种学科内的观点，你的问题由你最亲近的同事认为的问题来决定。很难打破它，说有一个全新的问题领域。举个例子，在我从事自动驾驶汽车之前，我是一名机器人专家和机器学习专家，我写过关于机器人学的书，叫做概率机器人学，一种基于方法论的观点。我建造了在博物馆担任导游的机器人，带着孩子们四处逛。这在当时是一个中等挑战。当我开始研究汽车时，几位同事告诉我，“塞巴斯蒂安，你在毁掉你的职业生涯，因为在我们的机器人领域，汽车被视为一种噱头，它们不够有表现力，它们只能推动油门和刹车，没有灵活性，没有复杂性，太简单了。”没有人来找我说，“哇，如果你解决了这个问题，你可以拯救一百万人的生命。”在我一生中见过的所有机器人问题中，我认为自动驾驶汽车交通问题对社会最有希望。那么，为什么机器人社区会四处奔波，而我们却……因为我们专注于方法和解决方案，而不是问题。如果你今天到处问你的祖母什么让你烦恼，什么让你真正生气，我挑战任何学者这样做，然后你会意识到你的研究离那个有多远。至少，这对学者来说是件好事。他们会思考。另一件在硅谷很棒的事情是，硅谷充满了学术界之外的聪明人。有拉里·佩奇和谢尔盖·布林这样的人，他们和我见过的最好的学者一样聪明，甚至更聪明。他们做的事情是，他们在不同的层面。他们建造系统，他们建造面向客户的系统，他们建造人们无需技术教育就可以使用的东西。他们受到研究的启发，受到科学家的启发。他们从最好的大学聘请最好的博士，是有原因的。所以我认为这种垂直整合，在真实产品、真实影响和真实思想、真实想法之间，在硅谷实际上是出奇地平衡的。在美国的其他地方，这并不那么有效。所以，当我hesize在卡内基梅隆大学工作时，我们拥有世界上最好的计算机科学大学，但匹兹堡没有人能够将这些非常好的计算机科学理念转化为巨大的产品影响。这种共生关系似乎只存在于硅谷，也许在波士顿和奥斯汀有一点，以及斯坦福大学。这真的很有趣。所以，如果我们稍微看一下 DARPA 大挑战赛和谷歌自动驾驶汽车项目的启动，您认为自动驾驶汽车目前的状况、挑战是什么？实际上是实现如此巨大的规模并对社会产生巨大影响。我为已经取得的成就感到非常自豪，再次，我为我们所做的工作承担了很多功劳。我实际上非常乐观。人们一直在担心，是不是太快了，是不是太慢了，他们还在那里等等。这实际上是一个非常有趣且困难的问题。建造一辆能够处理日常驾驶中 90% 问题的一辆自动驾驶汽车很容易。我们真的可以在一个周末完成。做到 99% 可能需要一个月。然后还剩下 1%。所以 1% 意味着你每周仍然会发生一次致命事故，这是完全不可接受的。所以现在你专注于这 1%。而那 99% 的问题，即使是那 1% 的问题，实际上仍然相对容易。但现在你已经降到了百分之一的百分之一，而且在安全方面仍然完全不可接受。所以你遇到的事情的种类是巨大的。这让我对人类能够处理高速公路上的障碍物，或者远光灯，或者爆胎，这些我们从未受过训练的事情，突然之间必须在紧急情况下处理，并且经常非常成功，这让我非常尊敬。从这个角度来看，考虑到我们每年在这个国家驾驶数百万英里，驾驶实际上是多么安全，这真是令人惊叹。我认为我们现在已经达到了这个点，而且我已经看到了。我在 Waymo 和其他一些公司看到了车辆在有限场景下几乎完美地运行，能够载人。事实上，你今天可以去拉斯维加斯订一辆 Waymo Lift。如果你在你的应用程序中设置了正确的选项，你就会被一辆无人驾驶汽车接走。虽然仍然有安全驾驶员在那里，但这是了解当今技术极限的一个绝佳方式。仍然有一些小故障，但这些小故障已经变得非常罕见。我认为下一步将是降低成本，使其更加坚固，并使其能够被困住。传感器还没有完全自动。然后你就会读到商业模式，真正能够取得进展，并制定商业案例。商业案例是一项艰苦的工作。不仅仅是“我的天哪，我们有这个能力，人们会买它。”你必须让它负担得起，你必须让人们接受它。没有一个团队至今能够做到，或者足够大胆地在没有人在车内的情况下驾驶。这将是下一个神奇的障碍，能够让这些车辆完全空载地在交通中行驶。我认为我每天都会等待新闻，Waymo 已经做到了。您提到了大胆，我的意思是，让我问一些可能无法回答的问题，也许是尖锐的问题。在领导风格方面，需要多少风险，多少胆量？对比一下方法会很好。我认为没有人知道什么是正确的。但如果我们比较 Tesla 和 Waymo，例如 Elon Musk 和 Waymo 团队，它们的方法略有不同。在 Elon 的一边，创新方面有更多的……我不知道该用什么词……攻击性。而在 Waymo 一边，问题则更……我不知道该用什么词……谨慎、安全。您认为需要什么？在哪个时刻，哪种方法是正确的？我不在这两个团队中的任何一个，所以我无法验证……有人说这是正确的。归根结底，这个领域的每个创新者都会面临一个根本性的困境。我会说，航空航天巨头也属于同一类。那就是你必须在公共安全和你的创新驱动之间取得平衡。这个国家，尤其是在美国，在成功地做到这一点方面有着悠久的历史。旅行每英里比地面旅行和汽车安全一百倍。原因在于，人们找到了非常系统的方法来确保公共安全，同时还能在诸如噪音和燃料消耗等重要方面取得进展。所以我认为这些实践已经得到提炼，而且它们确实有效。我们生活在一个比以往任何时候都更安全的世界。是的，总会有某种东西出错的可能。总有可能有人犯错，或者发生意外故障。除了什么都不做，我们永远无法保证 100% 的绝对安全。但我认为我对美国的历史感到非常自豪。我们处理过比核能更危险的技术，并使其保持安全。我们有核武器，我们也使其保持安全。所以，我们有非常成功地平衡这两者的实践和程序。您提到了许多伟大的自动驾驶汽车公司，它们采取了某种 4 级或 5 级的方法，即完全自动驾驶，或者有安全驾驶员，并采取了那种方法，以及通过模拟等等。还有 Tesla Autopilot 所采取的方法，它基本上是通过机器学习和从人类驾驶中学习，逐步改进一个 2 级车辆的系统，并试图逐步改进系统，直到它能够实现 4 级自动驾驶。即在某些地理区域实现完美的自动驾驶。您对这些对比方法有何看法？首先，我为 Tesla 感到非常自豪，我每天都使用 Autopilot，它确实保护了我。这是一种美丽的技术，尤其是在高速公路上，当我有点累的时候，因为它会让我成为一个更安全的驾驶员，我对此百分之百有信心。我认为 Tesla 是正确的方法。我认为自打我离开 Waymo 团队以来，我看到的最大变化是所谓的深度学习。当我开始 Waymo 或谷歌自动驾驶汽车项目时，深度学习并不是一个热门话题。事实上，我们在 Google X 看到过 Google Brain。所以我投资了深度学习，但人们没有谈论它，它不是一个热门话题。如今，重点已从更几何的视角转移，您使用几何传感器，它们为您提供完整的 3D 视图，您对所有这些盒子进行几何推理，这里的东西可能是一辆汽车，转向更像人类的视角——让我们来学习它。这看起来像我见过一万次的那个东西，所以也许它是同一件事。机器学习的视角，我认为这让所有这些方法都如虎添翼。在 Udacity，我们教授一门关于自动驾驶汽车的课程。事实上，我认为我们已经为超过 20,000 人提供了自动驾驶汽车技能。所以世界上每个自动驾驶汽车团队现在都在使用我们的工程师。在这门课程中，第一个作业是进行图像车道识别。对于普通人来说，车道识别意味着，你把一个摄像头放进你的车里，或者你睁开眼睛，你知道车道在哪里，对吧？所以你可以让你的车保持在车道内。人类可以非常轻松地做到这一点，你只需看一眼就知道线在哪里，凭直觉。对于机器来说，长期以来一直非常困难，因为人们会写下这些疯狂的规则，比如，如果车道线是……它不够宽，所以让我们……它不对，或者太阳在照射，所以当太阳照射时，这条线是……这是一条直线，我错过了直线，因为球是弯曲的。我们知道车道标记之间真的有六英尺的距离吗？或者十二英尺，或者别的什么？现在，那些学生正在做什么，他们会进行机器学习。所以，不是写下这些疯狂的车道标记规则，他们说，“让我们花一个小时开车，标记它，告诉车辆，这实际上是车道。”然后这些是例子，让机器自己找到规则。对于车道标记，在 24 小时内，每个从未在这个领域编程过的学生都可以写出一个完美的车道识别器，和最好的商业产品一样好。这对我来说完全是惊人的。我们看到了机器学习带来的进步，完全超越了我十年前看到的任何东西。是的，顺便说一句，自动驾驶汽车纳米学位，您多年前就推出了它，现在可能是三年前，四年前，三年前，这是系统级思维的一个绝佳例子，就像一门完整的课程，教你解决整个问题。我绝对推荐给人们。它一直非常受欢迎，而且质量也越来越高。我们与梅赛德斯以及该领域的其他几家公司合作开发了它。我们发现，来自 Tesla 和 Waymo 的工程师今天都在学习它。这个想法是，大学将非常缓慢地发展，因为部门化，而且没有自动驾驶汽车部门。所以在机械工程、电气工程和计算机科学之间，让这些人聚集在一个房间里真的非常困难。每一位正在收听的教授都会同意这一点。其次，即使所有伟大的大学都这样做了，其中没有一所大学开发了该领域的课程，也只有几千名学生可以参加，因为所有伟大的大学都非常挑剔。那么，印度、中国、中东、印度尼西亚或非洲的人们呢？他们应该被排除在建造自动驾驶汽车的技能之外吗？他们比我们笨吗？他们更不幸运吗？答案是我们应该给每个人提供建造自动驾驶汽车的技能。因为如果我们这样做，我们就会有成千上万的自动驾驶汽车初创公司。如果 10% 成功，那就是一百家。这意味着一百个国家现在拥有自动驾驶汽车，并且更安全。想象一下，在几十年里，像一门课程那样对社会产生涟漪效应，这是很有趣的。您最近是否考虑过 Android 的创造者 Cosmos Show？很有趣地思考一下，那个节目培养了多少科学家？所以，就影响力而言，我无法想象比自动驾驶汽车课程更好的课程了。Udacity 还在教授其他更具体的学科，比如深度学习等等，但自动驾驶汽车确实是一门非常非常有趣的课程。是的，它来得正是时候。它来的时候，有一群“水坑招聘”，即收购一家公司不是为了其技术、产品或业务，而是为了其人员。“水坑招聘”意味着公司可能有 70 人。
他们还没有产品，但他们是非常聪明的人，他支付了一定的金额，所以我回想了最高级别的收购，比如通用汽车的Cruise、Uber以及其他公司，然后进行了计算，并说，这里有多少人？支付了多少钱？作为最低限度，在这些收购中，一名自动驾驶汽车工程师的价值至少是1000万美元，对吧？所以想想看，你只需要一项技能，然后组建团队，创办一家公司，而你现在价值1000万美元，我的意思是，这很酷，我的意思是，但你一生中还能做什么，一年内就价值1000万美元？是的，令人惊叹。但让我们暂时回到深度学习及其在自动驾驶汽车中的应用，你对埃隆·马斯克关于激光雷达是一种拐杖的挑衅性言论有什么看法？也许这种几何方式的思考世界正在阻碍我们，而我们在这个机器人领域，尤其是在自动驾驶汽车领域，应该做的是使用摄像头作为主要传感器，并使用计算机视觉或机器学习作为主要的观察方式。我认为首先，我们都知道，人们可以在没有激光雷达的情况下开车，因为我们只有眼睛，而且我们大多数人只用眼睛开车，也许我们会偶尔使用一些关于我们身体加速的感知，我们的耳朵肯定不是我们的鼻子，所以存在证明，眼睛必须足够。事实上，我们甚至可以开车，有人拿出摄像头，然后给我们摄像头图像，并知道代理人，你就能开车，以同样的方式。所以摄像头是足够的。其次，我真的很喜欢这个想法，在西方世界，有许多不同的人在尝试不同的假设，这几乎就像一个蚁群，就像另一个蚂蚁去觅食一样，而你可以坐在那里，作为两只蚂蚁，并就完美的路径达成一致，然后每一只蚂蚁都朝着食物最可能的位置行进，或者你甚至可以分散开来，我向你保证，分散开来的解决方案会更好，因为如果那些哲学上、智力上的蚂蚁错了，它们都朝着错误的方向前进，它们会浪费一天的时间，然后你又得花一个星期来讨论，而如果所有这些蚂蚁都朝着随机的方向前进，总会有人成功，然后你就会回来，宣称胜利，并获得诺贝尔奖，关于所有蚂蚁，然后它们会朝着同一个方向前进，这对于社会来说很棒，这对于西方社会来说很棒，如果你不是基于植物的，你不是基于中心的，我们没有苏联式的中央政府告诉我们去哪里觅食，我们只是觅食，我们开始寻找，或者你获得投资者的钱，然后出去尝试，谁知道会赢。我喜欢它，当你看着自动驾驶汽车的长期愿景时，你是否认为机器学习能够从根本上解决大多数问题？所以从经验中学习，我想说，我们应该非常清楚机器学习是什么，不是什么，我认为今天有很多困惑。这是一种技术，可以处理大型数据库中的重复模式并找到这些模式。例如，我们两年前在斯坦福进行了一项研究，我们将机器学习应用于检测皮肤癌图像，我们收集或构建了一个包含129,000张皮肤照片的数据集，这些照片都经过了活检，以确定实际情况，其中包括黑色素瘤和癌，也包括皮疹和其他皮肤病变。然后我们有一个网络来寻找这些模式，它在很大程度上能够通过iPhone检测皮肤癌，其准确性与斯坦福大学最好的认证皮肤科医生相当。我们证明了这一点，这个东西在检测皮肤癌方面很棒，但它不能开车。所以，与人类智能的区别在于，我们做了所有这些事情，而且我们通常可以从非常小的数据集中学习经验，但机器仍然需要非常大的数据集，而且事情必须非常重复。不，这仍然非常有效，因为我们几乎所做的一切都是重复的，所以这将改变人类劳动，但它不是全能的通用智能。我们离展现通用智能的系统还很远。为此，我实际上有点同情命名，因为人工智能，如果你相信好莱坞，它立即与人类压迫和机器优越的想法混淆了。我不认为，我们看不到在我有生之年，我不认为人类压迫是个好主意，我看不见它到来，我看不见技术在那里。我看到的是一种非常尖锐、专注的模式识别技术，它能够从大型数据集中提取模式关系，并在此过程中，它可能非常有效，非常有效。让我们以人工智能对人类工作的影响为例，我们都知道，成为一名医生、律师，甚至是一名非常好的司机，大约需要10,000小时。成为专家需要一定的时间。机器现在能够并且已经被证明可以观察人们成为专家，观察专家，然后以某种有趣的方式从中提取规则。它们可以从法律到销售，从开车到诊断癌症，然后将这种能力提供给完全是新手的人。我们现在可以，而且这已经被商业化了，在许多情况下，这意味着我们可以利用机器学习让人们在工作的第一天就成为专家。想想看，如果你的医生还在最初的10,000小时内，你有一个还不是专家的医生，谁不想拥有世界上最好的专家医生？现在我们可以利用机器来真正消除错误、决策错误和人类医生的专业知识不足。如果我们能在这方面稍作延伸，机器在医疗领域如何帮助医生？你提到了加速学习曲线，或者人们开始工作，或者在最初的10,000小时内可以得到机器的帮助。你如何设想这种援助的样子？我们为iPhone构建了这个应用程序，可以检测、分类和诊断皮肤癌，两年前我们证明了它几乎和最好的医生一样好，甚至更好。让我讲个故事。我有一个朋友叫本，本是一位非常有名的风险投资家。他去看医生，医生看了看他身上的一个痣，然后说，嘿，这个痣可能没害处。出于某种非常有趣的原因，他拿出那个带有我们应用程序的手机，他是我们研究的合作者，应用程序说，不，不，不，这是黑色素瘤。背景是，黑色素瘤是皮肤癌，是这个国家最常见的癌症。黑色素瘤可以在不到一年的时间内从零期发展到四期。零期意味着你可以基本上用一把好点的厨房刀自己切掉它，然后就安全了。四期意味着你活过五年的几率不到20%。所以这是一个非常严重、非常严重、非常严重的情况。所以这位医生拿出iPhone看了看，有点困惑。但为了安全起见，还是切除并进行活检吧。这是技术术语，意思是进行比仅仅看看更深入的诊断。结果是癌变，是黑色素瘤，然后被切除了。我的朋友本，我和他一起徒步旅行，我们谈论人工智能，他说，我变成了这个关于皮肤癌的投票，太有趣了，我的医生只是用了一个iPhone就找到了我的癌症。我完全不知道，这里有一个人，我的意思是，这是一个真实的人类生命，现在他不知道有人受到癌症的影响。癌症是第二大死因。癌症是一种这样的疾病，它很恶劣，因为大多数癌症如果早期发现，都可以相对容易地治愈。而我们之所以没有早期发现它们，是因为它们没有症状，比如胆囊癌或胰腺癌的第一个症状可能就是头痛。当你最终因为这些头痛或背痛去看医生并进行影像学检查时，通常已经是四期以上了，那时你的治愈几率可能已经降至个位数。所以，如果我们能够利用眼睛定期检查你的身体，甚至不需要医生在场，也许在你洗澡的时候，或者你知道，这听起来有点令人毛骨悚然，但我们可能会拯救数百万人的生命。你提到人们对人工智能的近期影响，比如失业，有所担忧。你提到了能够协助医生，能够协助人们工作。你是否担心人们失业或经济受到人工智能进步的影响？任何担心失业的人请来getac.com。我们教授当代科技技能，我们有一种隐含的就业承诺。我们经常在衡量时，将超过50%的毕业生送到新岗位，他们对此非常满意，而且几乎不花钱，最多花费1500美元左右。所以有一个很酷的新项目，他们与美国政府达成一致，保证我们将帮助提供奖学金来教育人们。在这种情况下，你正在与美国政府合作，基本上是建立美国梦的想法。Udacity已为美国公民提供了十万个奖学金名额，用于各种级别的课程，最终将为你找到一份工作。所有这些课程都与科技行业相关，因为科技行业是目前最热门的行业。它们涵盖了从数字营销到非常先进的自动驾驶汽车工程的各个领域。我们与白宫合作，因为我认为这是一个跨党派的问题，如果你想真正让美国伟大，成为解决方案的一部分并实现美国梦，就需要我们积极主动地进行教育和技能提升。今天就是这样，而且一直都是这样。我一直有一个美国梦，就是送我们的孩子上大学。现在美国梦必须是送我们自己上大学，而且要非常非常高效，而且要非常有效率，我们可以在晚上挤出时间，等等，在线学习，所有年龄段，所有年龄段。所以我们的学习者年龄从11岁到80岁。我刚去了德国，我旁边的火车车厢里就有我的学生。哇，太棒了。我不考虑影响。我们已经成为目前我所相信的官方六个国家或五个国家教育的首选，在中东最多，比如沙特阿拉伯和埃及。在埃及，我们刚刚有一批毕业生，有1100名高中生通过了编程技能培训，达到了计算机科学本科生的水平，我们的毕业率是95%，尽管一切都是在线的，这有点难，但我们正在努力弄清楚如何使其有效。愿景非常非常简单，愿景是教育应该是基本人权。它不能被锁在象牙塔里，只为富人，为那些可能自己很聪明并进入这个系统的人，只为年轻人，只为来自正确人口统计学、识字地理和甚至可能是正确种族的人。它必须向所有人开放。如果我们对人类使命诚实，如果我们对我们的价值观诚实，我们将向全世界开放教育。所以Udacity承诺提供十万个奖学金，我认为这是有史以来最大的奖学金承诺，就数量而言。正如我所说，我们正在与白宫合作，并与苹果公司的蒂姆·库克等非常有成就的首席执行官合作，将教育带到世界各地。不是问你是否选择了你最喜欢的孩子，而是在这个讲台上，Jasper，不，好的。在这一刻，你对Udacity的哪个Nanodegree，哪个课程最兴奋？或者这是否太难选择了？我一直对我们还没有发布但正在开发的东西感到非常兴奋。当我们与我们的合作伙伴公司交谈时，我们在企业界拥有非常强大的基础，也与我们的学生一样。我们一直专注于这些硬技能，比如编程技能、数学技能、构建技能或设计技能。一个非常常见的任务是软技能，比如你在工作中的行为方式，如何培养同理心，如何团队合作，管理的基本原则是什么，如何进行时间管理，如何在更广泛的社区背景下发展你的职业生涯。这是我们在Udacity还没有做得很好的事情，而且我说大多数大学也做得非常糟糕，因为我们太专注于个人的考试成绩，而对教育中的团队合作给予很少的关注。所以这是我看到我们公司正在朝着这个方向发展的方向，因为我对这个感到兴奋，而且我认为，我们可以教人们技术技能，他们会很棒，但如果你教人们同理心，那将产生同样的影响，也许比自动驾驶汽车更难，但我不这么认为。我认为规则非常简单，你只需要，你只需要，你必须想要参与。我们实际上在学校和K-12教育中教孩子们，比如获得最高的数学分数，如果你是一个理性的人，你可能会从这种教育中得出结论，拥有最好的数学分数和最好的英语分数能让我成为最好的领导者。事实证明并非如此，这实际上是错误的，因为首先，就数学分数而言，我认为雇佣一个数学技能很棒的人是完全没问题的，你不需要自己做，你不能雇佣一个同理心很强的人为你做，那要难得多，但你总是可以雇佣一个数学技能很棒的人。但我们生活在一个富裕的世界里，我们不断地与他人打交道，这是美，不是麻烦，这是美。所以，如果我们以某种方式发展了这种能力，我们就能做得很好，并在工作场所赋能他人，我认为你将会非常成功。我知道我的许多同行机器人学家和计算机科学家，他们将参加这门课程，不点名。很多很多年前，1903年，莱特兄弟第一次在基蒂霍克飞行，你看到一家同名的公司，基蒂霍克，怀揣着制造飞行汽车的梦想，eVTOL。所以，从大局来看，制造这种激励了几代人对未来憧憬的事物面临着哪些重大挑战？它需要什么？最大的挑战是什么？所以，飞行汽车一直是男孩的梦想，每个女孩都想飞，让我们面对现实吧。是的，让我们回顾一下历史，如果你梦想着飞行，我认为我最难忘的童年梦想是，我坐在枕头上，我能飞。我大概五岁了，我记得可能只有三个梦想更生动，但这是我们记得最清楚的。然后彼得·蒂尔曾说过，他们承诺给我们飞行汽车，却给了我们140个字符，当时是指Twitter，限制消息大小为240个字符。所以，如果你现在要回到真正追求这些影响深远的事情，比如飞行汽车，而且要精确地说，它们并不真正是汽车，它们没有轮子，它们实际上比直升机更接近任何东西。它们垂直起飞，水平飞行，但它们有重要的区别。一个区别是它们安静得多。如果你刚刚发布了一款名为Project Heaviside的飞行器，它可以像直升机一样低空飞行，而且你基本上听不到它，它的噪音只有38分贝，就像你在图书馆里可能会听到一样，但在户外，你的环境噪音更高。其次，它们比直升机便宜得多。它们比直升机便宜得多，原因有很多。直升机有很多单点故障，比如旋翼之间的螺栓，叫做耶稣螺栓，之所以叫耶稣螺栓，是因为如果这个螺栓坏了，你就会死，直升机飞行没有第二种选择。而我们有这些分布式机制。当你从汽油转向电动时，你现在可以拥有许多许多小型电机，而不是一个大电机。这意味着如果你失去了一个电机，没关系。Heaviside如果失去了一个电机，它有八个电机，你失去了一个，还有七个。你可以像以前一样起飞，然后像以前一样降级。我们现在也正在进入一项不需要商用飞行员的技术，因为在某种程度上，飞行实际上比地面交通更容易，比如自动驾驶汽车。世界上充满了孩子、自行车、其他汽车、邮箱、路缘石、灌木等等，所有这些东西你都必须避开。当你飞越建筑物和树线时，那里什么都没有。我的意思是，你现在就可以做个测试，看看外面有多少东西在飞。如果你能看到超过两个东西，我会感到震惊。在湾区，我最多见过六个，也许是15或20个，但不是一万个。所以天空非常广阔，非常空旷，非常自由。所以愿景是，我们能否为日常交通建造一个社会可接受的大众交通解决方案，而且价格合理？我们有存在证明。Heaviside可以飞行100英里，仍有30%的剩余电力。它可以飞到每小时180英里。我们知道，这种规模的解决方案将使你的地面交通速度比汽车快10倍，根据使用数据，这意味着我们将把你每年300小时的通勤时间减少到30小时，并为你节省270小时。谁不想呢？我的意思是，谁不喜欢交通拥堵？我讨厌交通拥堵，我每天都讨厌交通拥堵，每次我遇到交通拥堵，我都讨厌它。如果我们能让世界摆脱交通拥堵，我们就有技术，我们就能让世界摆脱交通拥堵。是的，我们有技术，它就在那里，我们有存在证明。它不再是技术问题了。你认为未来会有成千上万，甚至数十万的送货无人机和这种类型的飞行汽车，eVTOL，填满天空吗？我绝对相信这一点，当然，社会接受度是一个主要问题，当然还有安全问题。我相信，而且安全方面已经超过了地面交通安全，正如航空业已经发生的那样，商业航空业。在接受度方面，我认为关键因素之一是噪音，这就是为什么我们不懈地关注噪音，而且我们可能是建造过最安静的电动eVTOL飞行器。天空的好处是三维的。所以任何数学家都会立即认识到，与一条普通的高速公路的一维性相比，天空的三维性。但为了让普通人明白，假设你想在旧金山101号高速公路上建造一百条垂直车道，因为你认为建造一百条垂直车道是正确的解决方案。想象一下，将一百条垂直车道物理地堆叠在101号高速公路上需要多少成本。仅仅一条高速公路就将耗费世界一年的GDP，这真是太昂贵了。在天空中，这仅仅是重新编译一块软件，因为所有这些车道都是虚拟的。这意味着任何与另一辆车发生冲突的车辆都会去不同的高度，然后冲突就消失了。如果你不相信这一点，商业航空就是这样运作的。当你从纽约飞往旧金山时，另一架飞机从旧金山飞往纽约，它们在不同的高度，所以它们不会相撞。这是喷气式飞机领域的软问题，也将是城市领域的软问题。有像谷歌、必应和亚马逊这样的公司在研究非常创新的解决方案，如何进行空间管理，使用与我们今天在舞蹈中使用的完全相同的原则。这没什么难的。你是否认为自主性是其中的关键部分，所以这些飞行器要么是半自主的，要么是完全自主的？完全自主的。你不想像我这样的白痴在天上飞，我向你保证。如果你有成千上万架，就像电影《第五元素》一样，如果它不是自主的，并且有一个集中的管理系统来管理车道等等，那将是一个非常有趣的想法。所以实际上，就像我们现在商业航空一样，但将其规模扩大到更多的车辆，这是一个非常有趣的优化问题。它在数学上非常非常直接。我们喷气式飞机之间留下的间隙非常大，部分原因是喷气式飞机数量不多。所以这似乎是一个很好的解决方案。今天，当你被空中交通管制引导时，有人会和你说话，对吧？所以任何ATC控制器可能最多有20架飞机在同一个频率上，然后和你说话，你必须回应。这感觉是对的，因为周围没有超过20架飞机。所以你可以和每个人说话，但如果有20,000架飞机在周围，你就不能和每个人说话了。所以我们必须做一些叫做数字化的事情，就像我们现在做的短信一样。世界上有大约四到五十亿部智能手机，它们都连接着。有些人已经解决了智能手机的规模问题。我们知道它们都在哪里，它们可以和某人说话，而且它们非常可靠，令人惊讶地可靠。我们可以使用相同的系统，相同的规模来进行空中交通管制。所以，与其让我这个飞行员和一个人类交谈，然后在谈话中途收到一个新的频率，这有多么古老？我们可以将这些东西数字化，并以数字方式传输正确的飞行坐标。这个解决方案将自动处理多达10,000架车辆。我们刚才谈到了同理心。你认为有一天我们会建立一个人类可以爱，并且会爱人类的人工智能系统吗？就像电影《她》一样？看，我是一个实用主义者。对我来说，人工智能是一种工具，就像一把铲子。使用铲子的道德责任总是在我们身上，在人身上。而且必须是这样的。就情感而言，我讨厌走进我的厨房，发现我的冰箱把我的食物都弄坏了，然后它向我解释说，它爱上了洗碗机，而我不如洗碗机那么好。所以结果是它忽略了我。那将是一次糟糕的经历，那将是一个糟糕的产品。我可能不会向我的朋友推荐这个冰箱。这就是我划定的界限。我认为技术必须可靠，必须可预测。我希望我的车能正常工作。我不想爱上我的车，我只想让它工作。它应该补充我，而不是取代我。我拥有非常独特的人类属性，我希望机器让我变成超人。就像我现在已经是一个超人一样，得益于我周围的机器。给你举些例子，我现在可以在36,000英尺的高空以接近音速的速度横跨大西洋。这很惊人。我现在可以用我的声音通过智能手机传到澳大利亚，而不是需要几个小时的音速，而是光速。我的声音以光速传播。这有多酷？这让我变成了超人。我甚至会说，我的抽水马桶让我变成了超人。想想没有抽水马桶的时代，也许你家里有一个年长的人可以问问，或者去印度农村体验一下。它让我变成了超人。所以对我来说，技术的作用是补充我，让我更强大。因此，像爱和同情这样的词语，对机器来说兴趣不大。我对人有兴趣。首先，你说得太好了，论证得太好了。但你认为爱在我们的工具中有用吗？同情？我认为爱是一个美好的概念，如果你思考一下爱到底是什么，爱是一种传达安全、传达信任的方式。我认为信任在技术中也有巨大的需求，就像人们一样，我们希望信任我们的技术，就像我们信任人一样，在人际互动中，标准已经出现，情感也已经出现，也许是基因的，也许是很大程度上，能够传达信任感、安全感、激情、爱、奉献感，这构成了人类的结构。我是一个伟大的拥护者，我希望被爱，希望被信任，希望被钦佩，所有这些美好的事物。因为我们都有这个美好的系统，我不会盲目地复制到机器上。原因如下：当你看看交通运输，你可以观察到，直到19世纪末，交通运输使用的腿的数量从一条腿到两条腿到一千条腿。你可能会得出结论，这是在环境中移动的正确方式。我们被造就了非凡的鸟类，扇动翅膀。事实上，航空界有许多人扇动翅膀，跳下悬崖。他们中的大多数都没有幸存下来。然后有趣的是，技术解决方案非常不同。比如，技术很容易通过轮子，而生物学则非常困难。生物学中很少有持续旋转的东西，而工程学中，我们可以制造轮子，这些轮子催生了汽车。类似的轮子也催生了航空。没有东西能飞，如果没有旋转的东西，比如喷气发动机或直升机旋翼。所以解决方案使用了非常不同的物理定律。大自然是伟大的。所以对我来说，过于关注“哦，大自然就是这样做的，这是复制的”。如果我们真的相信爱尔兰革命的解决方案是一个人形机器人，它今天仍然会等待。再次，说得太好了。你说你不会太认真对待自己，你只是说，我的意思是，你想让我说，也许你不太认真对待我。我不是，是的，你说得对，我只是编造的。但是，你知道，你有一种幽默感和一种轻松的生活态度，我认为这对很多人来说是美好而鼓舞人心的。这一切从何而来？微笑、幽默、轻松， amidst all the chaos of the hard work that you do. Where does that come from? I just love my life. I love the people around me. I'm just so glad to be alive. I'm about 52, I believe people say 52, 51. So now I feel better. But in looking around the world, looking back just 200, 300 years. Humanity is what, 300,000 years old? But for the first 300,000 years, for the last 100, our life expectancy would have been plus or minus 30 years, roughly, give or take. So I would be long dead now. That makes me just enjoy every single day of my life because I don't deserve this. Like, why am I born today when so many of my ancestors died of horrible deaths? Like famines, massive wars that ravaged Europe for the last 1000 years, mostly disappeared after World War II. When the Americans and the Allies did something amazing to my country, that didn't deserve it, my country of Germany. It was so amazing. And then when you're alive and feel this every day, then it is so amazing what we can accomplish, what we can do. We live in a world that is so incredibly vastly changing every day. Almost everything that we cherish, from your smartphone to your flushing toilet, to all these basic inventions, your new clothes, your watch, your plain penicillin, and no anesthesia for surgery. Penicillin has been invented in the last 150 years. So in the last 150 years, something magical happened. And I would trace it back to Gutenberg and the printing press, that has been able to disseminate information more efficiently than before. All of a sudden, they're able to invent agriculture and nitrogen fertilization, that made agriculture so much more potent that we didn't, if you focus on hams anymore, and you could start reading and writing, and we could become all these wonderful things we are today. For me, LM pilot to massage therapist to software engineer, this is amazing. Like living in that time is such a blessing. We should sometimes really think about this. Steven Pinker, who is a very famous author and philosopher, whom I really adore, wrote a great book called Enlightenment Now. And that's maybe the one book I would recommend. And he asks the question, if there was only a single article written in the 20th century, don't leave an article, but would it be, what's the most important innovation? The most important thing? And he would say, this article would credit a guy named Carl Bosch. And I challenge anybody, have you ever heard of the name Carl Bosch? I hadn't. Okay. There's a, there's a Bosch corporation in Germany, but it's not associated with Carl Bosch. So I looked it up. Carl Bosch invented nitrogen fertilization. And in doing so, together with an older invention of irrigation, was able to increase the yield of agricultural land by a factor of twenty-six. So a 2,500% increase in fertility of land. And that, so Steve Pinker argues, saved over two billion lives today. Two billion people who would be dead if this man hadn't done what he had done. Okay, think about that impact and what that means to society. That's that's the way I look at the world. I mean, it's so amazing to be alive and be part of this. And I'm so glad I lived after Carl Bosch, not before. I don't think there's a better way to end it. Sebastian, it's an honor to talk to you. To have had the chance to learn from you. Thank you so much for talking. So, comingling. So, your pleasure. Thank you for listening to this conversation with Sebastian Thrun. And thank you to our presenting sponsor, Cash App. Download it, use code Xpodcast, you'll get ten dollars, and ten dollars will go to First, a STEM education nonprofit that inspires hundreds of thousands of young minds to learn and to dream of engineering our future. If you enjoy this podcast, subscribe on YouTube, get five stars in a podcast, supported on Patreon, or connect with me on Twitter. And now, let me leave you with some words of wisdom from Sebastian Thrun. It's important to celebrate your failures as much as your successes. If you celebrate your failures really well, if you say, wow, I failed, I tried, I was wrong, but I learned something, then you realize you have no fear. When your fear goes away, you can move the world. Thank you for listening, and hope to see you next time.