这次访谈由知名风险投资人 Harry Stebbings 主持,访谈对象是 OpenAI 的 CEO Sam Altman。访谈的主题集中在人工智能初创公司的生存挑战和未来机遇,详细探讨了 OpenAI 在当前 AI 生态系统中的角色以及对初创公司的影响。自成立以来,OpenAI 已经开发出一系列标志性项目,不仅在技术创新上取得了显著成果,还对行业格局产生了深远的影响。
Sam Altman 的核心观点包括:
- 推理模型的重要性:Sam Altman 强调推理模型的改进对 OpenAI 至关重要。这不仅能实现多年来的愿望,还能在新科学领域做出贡献,协助编写更复杂的代码,推动各方面的发展。
- 无代码工具的未来:OpenAI 计划开发无代码工具,以帮助非技术背景的创始人构建和扩展 AI 应用程序。尽管目前已有一些无代码工具,但要完全实现这一目标还需时日。
- 代理的定义与应用:Altman 描述了代理的定义,即可以委派长期执行的任务,且只需最少的监督。代理不仅能处理简单任务,还能在更高层次上应用,完成复杂的工作。
- 创新与文化:OpenAI 的成功在于不断尝试全新的、未经验证的事物。Altman 强调,创新文化是推动人类进步的重要动力。
- 年轻人才的培养:Altman 认为,成功的公司需要既有年轻的、有活力的人才,也需要经验丰富的专业人士。关键在于保持高标准的才能。
以下是本期播客内容的完整翻译,我们作了不改变原意的删减。
推理模型的改进对 OpenAI 尤为重要
哈里·斯戴宾斯(Harry Stebbings)
大家好,欢迎来到 OpenAI 开发者日。我是 20VC 的 Harry Stebbings,很高兴采访 Sam Altman。欢迎你,Sam,感谢你今天接受我的采访。
山姆·奥特曼(Sam Altman)
感谢您。
哈里·斯戴宾斯(Harry Stebbings)
现在,我们收到许多观众的问题。我想先问您一个问题:展望未来,Open AI 的发展重点是继续开发像目前这样的新型模型,还是会再出现像过去那样规模更大的模型?我们该如何看待这个问题?
山姆·奥特曼(Sam Altman)
改进各方面的事物固然重要,但在推理模型的方向上对我们尤为关键。 我认为,推理能力能实现许多我们多年来一直想要实现的愿望。希望它能开辟新的可能性,比如让模型能在新科学领域做出贡献,或者协助编写更复杂的代码。我相信,这将极大地推动各种事物的发展。因此,大家可以期待我们在这系列模型上的快速进步,因为这对我们的战略具有重要意义。
哈里·斯戴宾斯(Harry Stebbings)
另一个非常重要的话题在于,当我们展望 OpenAI 的未来计划时,您如何看待开发无代码工具以帮助非技术背景的创始人构建和扩展 AI 应用程序?
山姆·奥特曼(Sam Altman)
这一定会实现。我认为,第一步是开发出能够提高编程高手效率的工具,但最终我们会提供高质量的无代码工具。目前,已经有一些有意义的无代码工具存在,但要完全通过无代码方式创建一个完整的创业项目,还需要一段时间。
哈里·斯戴宾斯(Harry Stebbings)
因此,当我们考察当前技术栈的位置时,可以看到 OpenAI 处于一个独特的位置。那么,OpenAI 在技术栈中究竟能走多远呢?这确实是一个很好的问题。但是,如果你花费大量时间来调整你的 RAG 系统,这是否可能是一种浪费呢?因为,最终,OpenAI 可能会主导应用层的这一部分。那么,事实真是如此吗?应该如何回应创始人提出的这个问题呢?
山姆·奥特曼(Sam Altman)
我们常常会说,我们将竭尽所能,不断改进我们的模型。如果你正在创建一项业务来弥补当前的一些小不足,而假如我们已经做得很好,那么这些不足在未来将会变得不那么重要。另一方面,如果你的公司能够从模型的不断改进中受益,比如有一个预言家告诉你,假如 O4 将会表现得非常出色,能够完成现在认为不可能的任务,而这让你感到高兴,那么,也许我们的判断是错的,但这至少是我们的目标。
假如你指出某个领域存在很多问题,并尝试修补一个 O1 预览表现不佳的领域以勉强使其工作,那么你就在假设模型的下一个版本不会达到我们预期的出色程度。这就是我们希望传达给初创企业的一般理念。我们相信改进的进程非常迅速,当前模型的不足将在未来的版本中得到解决。 希望大家与我们保持一致。
哈里·斯戴宾斯(Harry Stebbings)
你提到的一些方面可能会迅速被超越。那么,如果你今天是以创始人的身份在构建项目,OpenAI 在哪些领域可能会快速取得进展,在哪些领域则不会呢?作为投资者,应该如何考量那些不受影响的投资机会?创始人和投资者应该如何理解这个问题呢?
山姆·奥特曼(Sam Altman)
未来,随着 AI 的应用,市场市值将大幅增长,因为 AI 创造了此前无法实现或不切实际的新产品和服务。我们的一个努力方向是提升这些模型的表现,使用户无需费力就能实现预期效果。凭借这项新技术,所有创新产品和服务都将不断优化。这一变化让我感到意外,因为在 GPT-3.5 时代,似乎有 95%的初创公司认为模型不会显著改进。他们关注的是一些短期方案,而我们却预见了 GPT-4 的到来,并坚信它将会显著提升,从而解决许多现有问题。
如果你的工具仅用于解决模型的暂时需求,那么其重要性将不断降低。 我们常常忘记几年前的模型有多么不理想,事实上时间并不长。还有许多事情需要完成,因此这样的工作更适合填补空白,而非开发诸如优秀的 AI 导师或医疗顾问之类的产品。当时,95%的人认为模型不会进步,只有 5%的人相信其进化潜力。我认为这一趋势现在已经逆转。人们已接受进步的速度,并意识到我们的未来计划。因此,这个问题不再像过去那样令人担忧,因为我们理解这些辛勤工作者将要面对的挑战。
哈里·斯戴宾斯(Harry Stebbings)
你提到将有机会创造数万亿美元的价值,我保证我们会回到这些精彩的问题。也许你已经注意到了,或者你已经看到,Masa 坐在台上说,我们每年将会创造 9 万亿美元的价值,并且他认为需要 9 万亿美元的资本支出(CapEx)来支持这个计划。我很好奇,当你看到那一幕时,你是怎么想的?对此你有什么感想?
山姆·奥特曼(Sam Altman)
我无法将其简化为一个简单的要点……我认为只要大致做对就已经足够了。显然,大量的资本支出会带来很多价值。这在每次重大技术革命中都会发生,这次显然也不例外。而在明年,我们将大力推动下一代系统的发展。
你提到无代码软件代理问世的时间。我不确定这需要多久,但如果我们把它作为例子,设想它的未来,想想看它能为世界释放多少经济价值。如果任何人只需要描述他们想要的整个公司软件……当然,这还需要一段时间来实现,但一旦我们达成这个目标,想想看这有多么困难和昂贵。再想想看,它能创造多少价值。如果我们保持同样的价值,却让它变得更易获取且价格更低,那是非常强大的。
我认为我们会看到很多这样的例子。我之前提到医疗和教育,这些都是对世界来说有价值数万亿美元的领域。如果 AI 能够以不同以往的方式实现变革,那就太好了。我相信大数字并不是重点,对于其价值是九万亿、一万亿或者其他多少的争论,肯定有人比我更擅长研究。然而,价值的创造在这里确实显得令人难以置信。
代理拥有人类无法企及的大规模并行处理能力
哈里·斯戴宾斯(Harry Stebbings)
我们将讨论代理在价值传递机制中的作用。开源是一种非常重要的方法。您认为开源在 AI 未来中发挥什么作用?当讨论是否应该开源某些模型时,这对您的意义是什么?
山姆·奥特曼(Sam Altman)
在这个生态系统中,开源模型显然占据着极为重要的位置。目前已经有一些非常优秀的开源模型。同时,我认为仍有空间可以为用户提供高质量的服务和完备的 API 集成。我认为这些选择都很合理,人们会选择最适合自己的选项。
哈里·斯戴宾斯(Harry Stebbings)
作为一种交付机制的选择,我们使用开源技术。我们可以通过代理实现对终端用户的支持并提供服务。我认为在定义代理时常常存在语义上的困惑。你如何看待如今代理的定义?对于你来说,代理是什么?又不是什么?
山姆·奥特曼(Sam Altman)
这就像是我即兴的回答。虽然没有经过深思熟虑,但这是一个我可以委派出去长期执行的任务,并且在执行过程中只需给予最少的监督。
哈里·斯戴宾斯(Harry Stebbings)
我认为,很多人对代理的概念存在一些误解。
山姆·奥特曼(Sam Altman)
我觉得在我们当中,没有人能直观地感受到这将会是什么样子。我们都在指向那些看似重要的事物。或许我可以举个例子:当人们谈到一个 AI 代理为他们执行任务时,通常会提到让代理帮忙预订餐厅。它可能会使用 OpenTable,或者给餐厅打电话。虽然这是一件有点麻烦的事,AI 可以帮助你解决一些不便。
然而,更令人期待的是 AI 在更高层次上的应用:能做到人类做不到或不愿做的事。 比如说,如果我的代理不仅限于给一家餐厅打电话,而是联系 300 家餐厅,找出哪家的菜品最符合我的口味或者能提供特别的服务呢?你可能会觉得如果只是联系三家餐厅,那确实有点麻烦,但如果每家餐厅都由另一个代理接听,那就没有问题了。这实现了人类无法企及的大规模并行处理能力。 这个简单的例子展示了人类带宽的某些限制,而这些限制在代理上可能不存在。
我认为更有趣的例子并不是为你打电话预订餐厅,而是像拥有一个非常聪明的高级同事,你可以与他合作项目。代理可以出色地完成一个为期两天或两周的任务,在有疑问时会征求你的意见,而在任务完成后,能交给你一份极佳的工作成果。
哈里·斯戴宾斯(Harry Stebbings)
这是否会根本改变 SaaS 的定价策略呢?通常情况下,定价主要是基于每个用户的费用,但现在您实际上是在替代人工劳动,这点您怎么看?在这种情况下,考虑到您的产品是企业劳动力的一部分,您如何看待未来定价策略的发展方向?
山姆·奥特曼(Sam Altman)
我在这里只是猜测,但我们确实对此毫无头绪。我可以想象一个这样的世界:你可以说,我想要 1 个 GPU、10 个 GPU,甚至 100 个 GPU 来持续处理我的问题。定价不是按席位或代理的数量,而是根据解决问题所需的计算量来决定。
哈里·斯戴宾斯(Harry Stebbings)
对于需要单独使用的情况,我们是否需要构建特定的模型?对此你怎么看?
山姆·奥特曼(Sam Altman)
毫无疑问,我们需要建设大量的基础设施。但我认为,O1 提出了一种可以执行重要任务的代理模型。
哈里·斯戴宾斯(Harry Stebbings)
在涉及模型的问题上,Sam,有人认为模型是一种贬值的资产,且模型的商品化已非常普遍。对此,你有何回应和看法?考虑到训练模型需要投入越来越多的资本,我们是否确实看到这种趋势正在逆转,以致实际上只有少数人能够进行这种操作呢?
山姆·奥特曼(Sam Altman)
这确实是折旧资产。但说它们不值得投入训练成本,这显然不对。更不用说,在我们学习如何训练这些模型的过程中,训练还能带来正向的复合效应,使我们在训练下一个模型时更具优势。
不过,我认为,从一个模型中获得的实际收益表明这些投资是合理的。坦率地说,这并不适用于所有人。可能有太多人在训练非常相似的模型。如果你稍微落后,或者没有能够按照正常商业规则提升粘性和价值的产品,那么从投资中获益可能就更加困难。我们很幸运拥有 ChatGPT 和数以亿计的用户。因此,即便成本高昂,我们也可以将成本分摊到大量用户身上。
哈里·斯戴宾斯(Harry Stebbings)
关于开放 AI 模型如何随着时间的推移不断发展及其与众不同之处,我认为其主要特点体现在应用的广度和深度。我们可以通过优化模型性能、增强其在特定领域的专业能力、提供更多的数据接口,来强化这种独特性。同时,加强隐私和安全保护也是一个重要方面。这不仅能提升模型的可靠性和用户信任度,还能在不同应用场景中表现得更加出色。
山姆·奥特曼(Sam Altman)
推理能力是我们当前最为关注的领域。我相信,这将是实现下一次巨大价值飞跃的关键。 因此,我们将在多个方面增强这一能力。我们将进行多模态研究,以探索其在人工智能领域的具体应用。此外,我们还计划在模型中添加其他功能,以适应人们的使用需求。
哈里·斯戴宾斯(Harry Stebbings)
你如何看待在多模态工作中的推理问题?在这方面,你面临哪些挑战,以及希望实现哪些目标?希望能对此有所了解。
山姆·奥特曼(Sam Altman)
在多模态中进行推理是否特别复杂?是的,我希望这能够顺利实现。显然,这需要付出努力才能完成。但是,你知道,人们在婴儿和幼儿时期,即使语言能力不强,也仍能进行相当复杂的感知推理。因此,这显然是可行的。
哈里·斯戴宾斯(Harry Stebbings)
那么,随着 O1 设定的新推理时间范式,视觉能力将如何得到拓展呢?
山姆·奥特曼(Sam Altman)
我预计,基于图像的模型将在不涉及具体细节的情况下迅速发展。
不断尝试全新的、完全不同且未经验证的事物
哈里·斯戴宾斯(Harry Stebbings)
计划的偏离是一回事,但试图探究其原因可能会让我陷入困境。OpenAI 如何在核心推理方面取得突破?我们是否需要将强化学习作为一种途径,还是应该采用除了 Transformer 之外的新技术?
山姆·奥特曼(Sam Altman)
这里有两个问题:一个是我们如何做到这一点,另一个是大家最喜欢的问题:Transformer 之后是什么?
我们如何做到这一点,就像我们的独家秘方一样。简单来说,要复制一个已经被验证有效的方法其实很容易。其中一个不常被提及的原因在于,你必须相信一切皆有可能。因而,当一个研究团队取得成功时,即使具体方法不明确,复制其成果也并不困难,比如在复制 GPT-4 的过程中。不同组织在复制类似模型时也会有相似的体验。最大的困难与挑战,也是我最自豪的文化特质,就是不断尝试全新的、完全不同且未经验证的事物。 许多组织,不仅是 AI 研究机构,普遍宣称具备这一能力,但能真正做到的其实屈指可数。
在某种意义上,我认为这同样是推动人类进步的重要动力之一。所以,我想在退休后写一本书,分享我学到的关于如何建立一个能应对挑战并驱动创新的组织和文化,而不是仅仅复制他人成果的地方。我认为,这正是世界所急需的。尽管人类的天赋有限,但仍有大量人才被浪费,因为这种组织风格或文化并非我们天生擅长创建的。所以我希望能有更多这样的创新。这也是我认为我们与众不同的地方。
哈里·斯戴宾斯(Harry Stebbings)
人类的才能是如何被浪费的?
山姆·奥特曼(Sam Altman)
世界上有许多才华横溢的人,由于不理想的就业环境、所在国家缺乏发展机会或其他原因,未能充分发挥他们的潜力。我对 AI 感到兴奋的一个重要原因是,希望它能超越我们目前的能力,帮助每个人发挥出他们的全部潜力。然而,现在我们尚未达到这个水平。世界上有很多人,我相信,如果他们的人生轨迹稍有不同,可能会成为出色的 AI 研究人员。
哈里·斯戴宾斯(Harry Stebbings)
在过去的几年中,您经历了显著的迅速增长。您提到过计划在退休时写一本书。如果回顾过去 10 年的领导经历,您认为自己的领导方式发生了哪些最显著的变化?
山姆·奥特曼(Sam Altman)
我觉得过去几年中最不寻常的就是变化的速度。 在一家普通公司,你通常有时间从无到有,实现 1 亿美元的收入,然后再增长到 10 亿美元,最后达到 100 亿美元。这一切并不需要在两年内完成,也不必仅依靠一个公司来实现。我们需要研究这一现象,但我们还没有真正拥有像传统硅谷创业公司那样能够快速扩展并服务于大量客户的公司。我们被迫如此快速地完成这些事情,我原本应该有更多的时间来学习,但却没有。
哈里·斯戴宾斯(Harry Stebbings)
有哪些事是你不了解的,而你又希望能有更多时间去学习?
山姆·奥特曼(Sam Altman)
我不禁反思,我真的明白多少呢?在权衡各因素时,我意识到,公司应该致力于实现 10 倍增长,而不仅仅关注下一个 10%的提升。这需要艰苦而积极的努力。对于实现后者,过去有效的方法依然适用。然而,要将年收入从 10 亿美元提高到 100 亿美元,则需要进行重大变革。这不仅仅是“这周沿袭上周做法”的问题。在快速增长的环境下,人们甚至没有时间回顾基础,而我也严重低估了为了实现新目标所需要的努力。
这期间,我们不能忽视其他任务,内部沟通显得尤为重要。沟通关系到信息分享、结构构建,从而帮助公司在每八个月、12 个月或更长的时间内,处理 10 倍以上的增长、更大规模的项目或更复杂的事务。在规划方面,重点是如何平衡当下和未来一个月的事情,同时为一两年后的需要做好长远准备,比如计算资源的构建,甚至在像旧金山这样的大城市提前规划足够的办公空间。
在这样的增长速度下,这些都极具挑战。我想,也许我们对这种增速缺乏完善的计划,或者可能存在某个尚未公开的计划,没有传达到每个人,所以我们必须即兴应对。但在这样的学习过程中,也有许多值得学习的东西。
哈里·斯戴宾斯(Harry Stebbings)
我不确定这样提问是否会引发麻烦,但仍然决定问一下。若有问题,以后再处理。Keith Rabois 在一场演讲中提到,你应该雇佣那些专业技能出众且不满 30 岁的人。他说这是 Peter Thiel 给他的建议,也是成就伟大公司的关键。考虑到你在退休时写的那本书以及这些建议,你如何看待通过培养那些不满 30 岁且充满活力和雄心的人来建立伟大的公司?对此,你有什么看法?
山姆·奥特曼(Sam Altman)
我记得自己大约在 30 岁时创办了 OpenAI,那时我已经不算年轻。到目前为止,效果还不错。
哈里·斯戴宾斯(Harry Stebbings)
您如何看待雇佣那些 30 岁以下、充满青春活力和雄心壮志但缺乏经验的年轻人?或者,您更倾向于选择那些经验丰富、曾成功完成类似工作的人员?
山姆·奥特曼(Sam Altman)
显然,你可以通过雇佣这两类人来取得成功。刚刚,我通过 Slack 给某人发送了一条消息,提到了我们团队最近雇佣的一位新员工。我不确定他的具体年龄,但大约在 20 出头。他的工作表现非常出色,我在想,能否找到更多这样的人。这个年轻人的才华令人惊叹。我不明白他们为何能在如此年轻的年龄就变得如此优秀,但这种情况的确存在。当你找到这样的人时,他们会带来令人惊喜的新视角、能量和其他优点。
另一方面,当你设计极其复杂、昂贵的计算机系统,或者任何基础设施时,我对刚起步的新手没有信心,因为风险更大。所以,两方面的人才都需要。我认为真正重要的是,无论在哪个年龄段,都应保持极高的才能标准。制定仅雇佣年轻人或仅雇佣年长人的策略是不明智的。 仅仅根据年龄来划分的做法并不符合我的观点。我非常感激 Y Combinator 在处理缺乏经验人才方面的能力。
哈里·斯戴宾斯(Harry Stebbings)
我计划尽量恢复到一定程度的计划安排,但有时有人认为 Anthropic 的模型在编码任务上表现更好。这是为什么呢?开发者在选择 OpenAI 或其他供应商时应该考虑哪些因素?
山姆·奥特曼(Sam Altman)
确实,他们在编程方面拥有一个很出色的模型。这项工作让人感到印象深刻。我相信大多数开发者会同时使用多个模型。至于未来更加自动化的世界会如何发展,我也不太确定。不过我认为,AI 将会变得无处不在。 目前我们讨论或思考它的方式可能并不完全合适。也许在未来,我们会从谈论模型转向谈论系统,但这需要时间。
哈里·斯戴宾斯(Harry Stebbings)
在考虑模型扩展时,您认为经过多少次模型迭代后,扩展规律仍然适用?一直以来,人们常说这种规律不会持久,但事实证明,它的持续时间比预期要长得多。
山姆·奥特曼(Sam Altman)
不深入具体实现细节,您主要关心的是:模型能力的提升轨迹是否会像以往那样持续?我相信,在相当长一段时间内,答案是肯定的。
哈里·斯戴宾斯(Harry Stebbings)
你是否曾经怀疑过?
山姆·奥特曼(Sam Altman)
当然。
哈里·斯戴宾斯(Harry Stebbings)
为什么?
山姆·奥特曼(Sam Altman)
我们曾遇到一些难以理解的现象,遭遇训练失败和各种问题。当一个模式即将结束时,我们必须寻找新的方向,并继续探索。
哈里·斯戴宾斯(Harry Stebbings)
处理哪个最困难呢?
山姆·奥特曼(Sam Altman)
在我们开始研发 GPT-4 的时候,确实遇到了让我们非常困扰的问题,我们起初并不知道该如何解决这些问题。虽然最终我们找到了破解之道,但在此过程中确实曾对如何构建这个模型感到茫然。不过,当我们切换到 O1,并通过推理模型的方法时,这让我们非常振奋。然而,踏上这条研究之路却是一段漫长而曲折的旅程。
哈里·斯戴宾斯(Harry Stebbings)
在经历漫长而艰辛的过程,并且训练可能会失败时,是否很难保持士气?你是如何在这种情况下保持士气的呢?
山姆·奥特曼(Sam Altman)
在我们这里,有许多人渴望构建通用人工智能(AGI),这无疑是一个极具激励性的任务。我们都知道,这条路并不容易走。但历史上有一句著名的名言,虽然可能有些出入,但其精神是:“我从不祈求上帝站在我这边,而是祈求自己站在上帝那一边。” 投身于深度学习,某种程度上就像是选择站在天使那边。尽管会遇到重大障碍,但你最终会发现结果是好的。相信这一理念会对我们有利。
山姆·奥特曼(Sam Altman)
每天的情况有所不同,我并没有做出过特别重大的决定。有时候会有一些重要的决定,比如投入下一个产品,或者选择用哪种方式来构建我们的下一台计算机。这些都是明确而重要的决策,我可能也会像其他人一样拖延。
然而,主要的难题在于,每天会出现许多模棱两可的“51%对 49%”的决策问题。这些问题之所以摆到我面前,是因为它们本身就难以抉择。我并不认为自己比其他人更会做这类决定,但我仍然不得不去解决这些问题。这是因为问题的数量很多,而不是因为某个具体问题的原因。
哈里·斯戴宾斯(Harry Stebbings)
在面临 51%对 49%这种难以抉择的情况下,你会打电话给谁呢?这些人之间是否有一些共同点?
山姆·奥特曼(Sam Altman)
我认为,依赖一个人来处理所有事务是错误的。至少对我而言,正确的方法是拥有大约 15 到 20 个人,他们各自在某个特定领域具备专业的直觉和背景。 这样,你可以在需要时向某一领域的专家寻求帮助,而不是依赖一个人来应对所有领域的问题。
哈里·斯戴宾斯(Harry Stebbings)
您对当前半导体供应链的状况以及国际紧张局势有多大程度的担忧?
山姆·奥特曼(Sam Altman)
我不确定如何量化这种担忧。当然,我有些担心,但可能没有我想象中那么严重。我想可以这样衡量:它不是我最担心的事情,但在所有忧虑中大约可以排到前 10%。
哈里·斯戴宾斯(Harry Stebbings)
当然,你可以问我主要的担忧是什么。对于这个问题,我已经过了容易惹麻烦的年龄。
山姆·奥特曼(Sam Altman)
这就像我们整个领域正在努力解决的复杂问题的缩影。我相信一切都会进展顺利,但情况似乎非常复杂,系统在各个层级表现出层层递进的复杂性。可以说,这样的情况在 OpenAI 内部及任何团队中均存在。比如,正如你提到的半导体问题,你需要在电力供应和网络决策中找到平衡,以确保及时获得足够的芯片,同时也要应对各种风险,并做好研究以应对意外或资源短缺。此外,还需要开发合适的产品来承担这个系统的高昂费用。因此,尽管供应链听起来像是一个流程,但它在各个层级的复杂性与我在其他行业见到的不同,这种复杂性可能正是令我最为担忧的问题之一。
哈里·斯戴宾斯(Harry Stebbings)
你曾提到,这次浪潮与我们以前见过的任何情况都不同,很多人将其与互联网热潮相提并论,因为它引发了人们的激动和狂热。我认为不同之处在于,人们在其中投入的资金。Larry Ellison 表示,进入基础模型领域的竞争起步就可能耗费 1000 亿美元。对此,你是否认同?当你看到这个说法时,你会觉得有道理吗?
山姆·奥特曼(Sam Altman)
我认为成本不会那么高。不过有一个有趣的现象是,人们总喜欢用过去技术革命的例子来为新科技寻找熟悉的背景。我觉得这并不是一个好习惯,不过我理解人们为什么这样做。同时,我觉得人们用来类比 AI 的例子非常不妥。互联网显然与 AI 不同。至于你提到的成本问题,比如是否需要投入 100 亿或 1000 亿才具有竞争力,这和互联网革命时的一个显著特点很不同:那时其实很容易就能起步。
尽管对许多企业来说,互联网的革命仍在继续。这就像有些人在制作这些 AI 模型,而你用它们来构建各种出色的应用,把它作为一种新兴的技术工具。不过,如果你打算构建 AI 本身,那情况就完全不同了。
有人用电力来作比较,我觉得这在许多方面都不合适。我最喜欢的例子是晶体管,尽管我之前的评论是不鼓励这样做,或者太过认真对待这些类比。晶体管是一项具有惊人扩展性的新物理发明,很快渗透到各个领域。比如摩尔定律,现在我们可以设想一系列关于 AI 的定律,告诉我们它会以多快的速度变得更好。整个科技行业因此受益匪浅。许多产品和服务的交付涉及到大量芯片,但你不会真的把它们视为芯片公司。
围绕芯片有一个非常复杂而昂贵的工业过程和巨大的供应链。显著的进步源于这一简单的物理发现,长期以来极大推动了整个经济的发展,甚至在很多时候你意识不到它的存在。你也不会说,哦,这是一款芯片产品。只会觉得,这东西可以帮我处理信息,而不会真的去深究。这已经成为了一种习惯。
哈里·斯戴宾斯(Harry Stebbings)
Sam,如果可以的话,我想快速和你进行一轮问答。我会给出一个简短的陈述,你直接说出你的看法,好吗?好的。那么,假设你今天作为一个 23 或 24 岁的年轻人开始创业,利用我们现有的条件,你会选择创建什么?
山姆·奥特曼(Sam Altman)
在某些由 AI 驱动的垂直领域,以教育为例,设想一下最为理想的 AI 教学产品,或者我可能设计出来用于指导人们学习的产品。任何这样的类别,比如 AI 律师,或者类似于 AI CAD 工程师。
哈里·斯戴宾斯(Harry Stebbings)
如果我写一本书,我会命名为《生成人工智能的世界:理解与应用》。这本书将探讨生成人工智能的基础知识、最新进展,以及其在各个领域中的应用。
山姆·奥特曼(Sam Altman)
我还没有想好书名。这本书我还没有深入细想,只是觉得如果它存在,可能会激发人类的潜力。因此,我认为书名应该与人类潜力有关。
哈里·斯戴宾斯(Harry Stebbings)
在人工智能领域,哪些经常被低估但值得投入更多时间研究的领域?
山姆·奥特曼(Sam Altman)
我希望能够看到一种可以理解你整个人生的 AI。虽然有多种方法可以实现这个目标,但它不需要真正拥有无限的上下文能力。通过某种方式,你能够拥有一个全面了解你的 AI 代理,能够访问你所有的数据及相关功能。
哈里·斯戴宾斯(Harry Stebbings)
令我感到惊讶的是,上个月生成式 AI 的应用范围大大扩展,尤其在艺术、写作和编程方面的创新应用。这展示了技术发展的迅速,以及生成式 AI 在各个行业中所蕴含的巨大潜力。
山姆·奥特曼(Sam Altman)
这是一项我无法透露的卓越非凡的研究成果。
哈里·斯戴宾斯(Harry Stebbings)
我尊重的竞争对手是那些在技术和创新方面表现卓越的公司,如 Google 和 OpenAI。他们在人工智能研究和开发领域做出了许多前沿贡献,不断推动技术进步。正是通过他们的努力,不仅提升了 AI 技术的整体水平,也促进了整个行业的发展。他们在技术进步和社会影响力上的贡献使其值得尊敬。
山姆·奥特曼(Sam Altman)
我对这个领域中的每一个人都怀有深深的敬意。我认为这个领域已经产生了许多优秀的作品,所有从业者都极具才华且兢兢业业。我的意图并非回避讨论,而是想强调在这个领域的每个角落,都有才华横溢的人在进行卓越的工作。
哈里·斯戴宾斯(Harry Stebbings)
作为一款人工智能,我没有个人偏好或感受。不过,OpenAI 提供的 API,如 GPT 系列,非常受开发者欢迎,因为它们在自然语言处理任务中表现优异。
山姆·奥特曼(Sam Altman)
我认为这个新的实时 API 相当出色。不过,我们在 API 业务方面已经取得了许多成就,因此有很多值得称赞的地方。
山姆·奥特曼(Sam Altman)
我们应该大力表扬 Cursor 团队。虽然在 AI 领域有很多人做出了不起的工作,但我认为,Cursor 团队的成就和创新尤为出色。当我想到值得称赞的研究人员时,他们在利用 AI 创造真正非凡的体验和尚未被完全实现的巨大价值方面,确实做得非常卓越。这里我特别没有提到 OpenAI 的人,因为那将会是一份以 OpenAI 成员为主的冗长名单。
哈里·斯戴宾斯(Harry Stebbings)
您如何看待准确性与延迟之间的权衡?
山姆·奥特曼(Sam Altman)
你需要一个旋钮来在它们之间进行切换。例如,当你想快速调整时,不一定要非常迅速,但希望不用花太多时间考虑。在这种情况下,你可能希望有一些延迟。然而,如果你是那种愿意为物理学上的重大发现而等待的人,那么可能愿意等待几年。总之,这应该由用户自行决定。
哈里·斯戴宾斯(Harry Stebbings)
我可以问一下,关于领导力中的缺乏安全感这个话题,我觉得这是每个人都会有的体验,但我们不常谈论。你认为在你的领导工作中,哪些方面是希望改进的?作为一位现今的领导者和首席执行官,你最想在哪些方面提升自己呢?
山姆·奥特曼(Sam Altman)
本周让我最困扰的是,我对我们产品策略的细节比以往更加不确定。我意识到产品管理可能是我的弱项,而公司现在需要我提供更明确、更有力的战略愿景。尽管我们有一位出色的产品主管和一个优秀的产品团队,但我仍希望自己在这方面能更加精通。目前,我对自身在这方面的不足感受尤为强烈。
哈里·斯戴宾斯(Harry Stebbings)
你聘用了 Kevin。我认识他很久了,他非常优秀。
山姆·奥特曼(Sam Altman)
Kevin 非常出色。
哈里·斯戴宾斯(Harry Stebbings)
Kevin 是如何成为一位全球顶尖的产品领导者的?
山姆·奥特曼(Sam Altman)
我首先想到的词是“纪律”。
哈里·斯戴宾斯(Harry Stebbings)
是要强调这一点吗?
山姆·奥特曼(Sam Altman)
我们应该关注自己所拒绝的事情,并从用户的角度分析为何选择去做或不做某事。我们要务实谨慎,切忌沉溺于不切实际的幻想。
哈里·斯戴宾斯(Harry Stebbings)
我们为开放 AI 制定了五年计划和十年愿景。如果你有一根魔法棒,并且可以描述未来五年和十年的情景,能为我描绘一下这五年和十年的蓝图吗?
山姆·奥特曼(Sam Altman)
我认为未来两年内我可以轻松实现这一目标。如果我们的预测正确,并开始创造那些大力促进科学进步的系统,那么我会认为五年后技术本身的进步将快得令人难以置信。人们可能会说,“通用人工智能(AGI)的时代已经来临并过去了。”进步的速度实在是惊人,我们不断发现有关 AI 研究的新进展以及其他科学的新知识。如果我们现在就能看到这一切,可能会觉得这个速度真是令人难以想象。
预测的第二部分是社会本身实际上变化不大。比如,五年前如果你问人们计算机是否能通过图灵测试,他们可能会说不行。如果你告诉他们有位预言家认为它会通过,他们或许会认为这将对社会产生巨大的影响。然而,实际上,我们在某种程度上达到了图灵测试的标准,而社会并没有发生预期中的巨大变化。变化仿佛悄然而至。这正是我预期将持续发生的情形,科学进步不断超出所有预期,而社会以一种我认为良好而健康的方式只有些微改变。从长远来看,它将发生深远的变革。
哈里·斯戴宾斯(Harry Stebbings)
您表现得非常出色。我原本准备了一系列问题,但实际上并未严格遵循。感谢大家的包容,允许我在各个领域提出各种问题。感谢大家的出席,我很高兴我们今天能够实现我们的目标。另外,感谢你,Sam,促成了这一切。
山姆·奥特曼(Sam Altman)
谢谢。