Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
HGBT 真人AI出来了
让很多业内的人已经完全感到了这件事情的潜力
可是还有很多人不理解
它到底是什么
我觉得可能是缺乏一个具体的感觉
在这儿就能不能用一些具体的例子或者想象
它到底是个什么东西
多厉害
最近几年在上市公司做高管
就一直在负责AI的项目
当然人问我
那个AI到底是太过热了还是过冷了
或者说是什么
我一直说就是太过热
同时也太过热
大家很多公司都在做AI
对吧
我觉得其实可能世界上只有30家公司是真正的在用AI
百大用得很好没有
但对其他公司来讲
我是非常question
我一直是question
对财富
即使是财富500的公司
剩下的470家公司
它到底应该要做多少的AI
我记得我跟谷歌的一个高管讨论过这个问题
我觉得他说的一句话
我是非常认同的
他说那个是有可能50%的人失去工作
但是这跟AI没关系
大家好
欢迎回到科特威利症
我们今天又请来了徐老师
大家最爱的反场嘉宾
大家好
谢谢柯代表
非常高兴又来跟大家交流
首先说一声Happy Holidays
现在是年底了
有各种节日祝大家节日快乐
我们在争取节日之前跟大家发出来
祝大家节日快乐
我们在去年一年多的
有点像Gemini一样
必须得在年底之前发布出来
这也是一个最近挺大的话题
其实去年10月份的时候来跟徐老师做的访谈
那个时候Chachapity还没出
他的生日是11月份
我记得印象很深刻
第一个视频的话题
就叫我们如何利用这轮衰退
正好是大家士气都非常低
然后看不到任何机会的时候
我们还聊了元宇宙
然后Web3
然后都是机会
徐老师说不是的
我觉得机会是Generative AI
我那个时候就值得关注一下
结果后来的事情都是历史
我们今年2023年是
我们可以说是Generative AI的元年
所以说我们第一期的主题
就是Generative AI元年的一个总结
当然我们也不需要去做一些各种各样的
发生了什么的总结
这个大家都已经跟踪的很紧了
那我就直接从一堆大家感兴趣的问题开始问起
来了解一下徐老师的认知
其实总结其实很难
因为每周或者每天都发生了很多
我觉得都关注不过来
对你之前还有那个
就是Top10还是Top5
What's happening this week
就是做了几个星期就不能做了
每天写完了以后发现刚写完
我之前追那个OpenAI的事情就是
写完了以后第二天发现不行了
已经过时了
这一年真的是就是感觉科技界的变化
像过去是比过去十年还要多
那我的第一个问题
就是回到当时的判断和今天我们一年之后
来再去回看
就是Generative AI到底是一个多大的机会
而且之后还有一个子问题就是
你会具体一点的去说
一年三年十年到底会发生什么
对
就是有很多人会觉得Generative AI
是一个小机会中机会大机会
那从您的这个视角来说的话
它到底是一个多大的机会
对
首先就是关于这个AI或者说Chagy BT
一年前它发布
然后基本上是改变了很多人对人工智能认知
所以从这个角度上来讲
过去一年算是元年
但是如果从技术的角度上来讲
我并不觉得过去一年是元年
大模型这个概念已经蛮久了
然后大模型能够做到今天这样
能够就是一个Foundation基础模型
能够做得这么好
然后有这些不管是逻辑
或者说是推理
或者说是任何的生成文本
这个能力其实在2020年5月份
5、6月份的时候
它发布GPT3的时候
其实就震撼了科技界或者说业界
是的
当时我去访谈的时候
也是看到了你做的那些播客
对GPT3的各种解读
我当时说其实我不知道这件事情
然后听完以后觉得真的很厉害
然后专门就来访谈一下
对
所以说我觉得对于业内的人士来讲
Chagy BT或者说一年前的Chagy BT的发布
并不是一件大事情
从技术角度来讲不是一件大事情
我觉得更大的事情是
在2020年5、6月份的时候
发布GPT3的时候
我觉得所有的业界的人都被震惊了
对
因为这之前大家知道大模型可能能做好
但是能够要有这样的认知
要这样投入
然后要这么坚持
要这么一帮牛人去这么去做
我觉得这是可能也就是只有硅谷几个
就是牛人能够做
我前几天碰到一个朋友
他从纽约来
我问他纽约跟三藩有什么区别
他说他看了很多区别
其中有一个很大的区别
他说三藩就聚集了这么一帮人才
他们好像非常有理想主义
Mission driven
对
然后而且不是一个人两个人
不是一列一个人
一列周围还有一帮人能够去支持他
这么一个density
能够这么一个密度这么高的一个人群
其实是Open the Earth能够起来的一个原因
所以说回到你刚才的提问
我是觉得2020年我是觉得是震撼的业界
是觉得哇
这件事情我是在2020年我是觉得看得蛮清楚的
但并不是说我一个人看得清楚
我觉得其实业界有很多人看得很清楚
就是说你在90月份的时候
我们在谈论这件事情的时候
我觉得这只是一个时间问题
不是一个是否问题
对不是一个是否的问题
当然ChaiGPT出来能够震撼出事
其实有一定的偶然性
我说的偶然性是指
其实Sam他自己都没想到在11月月底的时候
他都没想到ChaiGPT能够一下子日活月活
能够长这么大
你看自己
他自己都没想到
这里面其实说明另外一个问题
当一个技术其实很不错的时候
你需要有一个accessibility
需要有一个UI或者说是用户的界面
这回过头去看上去
好像这是一个非常正常的一件事情
但这都是我们用反光镜在看
后视镜在看
在看这件事情
如果是用前视镜看的话
这件事情并不容易
就好像Internet已经在browser
在浏览器出来之前的20年已经有了
然后业界学者其实都在用了
但也就是浏览器出来了以后
才让整个互联网这件事情
变成一个深入大家的工作学习当中
我觉得这个GPT或者说AI这个也是
其实它之前两年已经是很不错的了
这个技术已经是让我觉得
这个是人类未来技术的发展的方向
但是没有这么一个ChaiGPT
让大众能够去感知到
感受到那还是差火候
所以说大家再说
为什么这个生成式AI是一个跟互联网能够
能够相提并论的一个技术
我觉得其中有一方面就是这个ChaiGPT
就是相当于第一个浏览器
我觉得说到这个类比
我也挺好感触
尤其是想到了
你说浏览器的时候
就想到了95年的时候
盖茨在上一个节目去讲Internet
然后主持人各种嘲笑他
就是说你有听说过Radio吗
你有听说过Magazine吗
你有听说过这个Live TV吗
就是你说的所有的这些东西
我们现有的技术都可以做到
那我就回想现在大家对ChaiGPT的认知
或者是Generative AI的认知
其实也不一样
就是我们当时或者说OpenAI
它有这么高的认知的优势
然后投资人可能有这么高的认知优势
我也许是能听一听大家
我慢慢可以理解大家在说什么
可是普通大众可能在这里
就是哪怕这个浏览器出来了
大家对这件事情的认知也还是不够
就像当时这个主持人去嘲讽比尔盖茨
比尔盖茨他已经就在那里说了
Internet就是未来
然后他又举了很多很多例子
他试图让大家听懂
但是大家还是听不懂
那今天我觉得类比就是
ChaiGPTGNI出来了
然后让很多的业内的人
已经完全感到了这件事情的潜力
可是还有很多人不理解
它到底是什么
我觉得可能是缺乏一个具体的感觉
我们在这就能不能用一些具体的例子
或者想象或者这种vision来说
它到底是个什么东西
它到底多厉害
应该很难
但是我们尽量做一下
对
我觉得我自己个人做AI
做了大约8年的时间
8年多的时间
然后我一直觉得AI
因为一开始从投资的角度
后来自己做错业公司
然后在最近几年在上市公司做高管
就一直在负责AI的项目
或者说看AI的项目
我自己的感觉是
所有的人当我
当人问我
那个AI是到底是太过热了
还是过冷了
或者说是什么
我一直说是overhyped
and underhyped at the same time
那为什么这么说呢
我一直是非常believe
我会非常相信人工智能是完全能够改变
我们的数字化的进程
但是为什么我觉得也有过热在这方面
因为当你真的去做这个项目的时候
其实蛮难的
因为我们知道这不只是一个算法
还有数据
然后你有好的数据了
你的数据其实是一个变化的
你的一个模型做的几乎是完美的
有很多人做data science
做了很多年
你会发现data会shift
就是说当你即使做了一个很perfect model
你要去维护这个模型
其实也是很难的
其实有很多很多
我一直跟大家说
做一个人工智能的项目
其实不是做一部
其实做50部
这50部你要把它每一部都要搞清楚
其实是一个
永远就是做一个fancy的demo
做一个很好的展示
是一个非常容易的
或者
你在说Google吗
没有
我是说所有的
我会回到Google
但是你要去把它真的是
去上线
在生产线上面去用
其实是一件很难的事情
那回到Google
我其实反过来
我是觉得
过去将近十多年
或者说20年
看每个公司不一样
大家很多公司都在做AI
对吧
我觉得其实可能世界上只有30家公司
是真正的在用AR
把它用得很好
那就是Google、Facebook、TikTok这几个公司
因为这几个公司为什么能做得很好
它也有
我刚才说的要把50部都做得很好
但问题是它们的volume大
它们的scale大
一旦你做好了
你就影响的是几亿人
对吧
easily就是几十亿的
那个
美元的一个收入的差别
你做好一点点
做差一点点就差那么多
所以说对他们来说做这50部
其实是应该的
而且是worthwhile的
一点问题都没有
但对其他公司来讲
我是非常question
我一直是question
对财富
其实是财富500的公司
剩下的470家公司
它到底应该要做多少的AI
当然我自己是在一个上市公司
做那个负责AI的领域
已经做了那么多年了
我当然是一个
就像我说的
我是一个AI的坚决的支持者
因为我看到它改变
未来的一个可能性
但同时我
因为我看到背后的坚心
就是说我是觉得这里面
其实是有一个很大的问题
对
是一个很大的问题
那我为什么说这么多呢
其实大模型
其实是改变了这一个格局
不能说是从0到1这么改变
但是从某种角度上来讲
是值得改变
因为我们就是说
举一个例子
Selliment Analysis
Selliment Analysis中文怎么说
语艺分析
或者情感分析
情感分析对吧
因为你不管你是做任何一个公司
有一个网站也好
或者说是讨论区也好
我估计这世界上有
4000个Selliment Analysis的AI Model
过去5年10年
大大小小的公司
每个公司要做这件事情
都要我说的这些东西
当然情感分析可能稍微简单一点
你说的
我就有一个具体的例子
我记得我在四五年前的时候
跟东海岸的一些数学科学家聚会
然后大家都说
我之前做分析
现在做Machine Learning
然后他们第一个
比如说化妆品公司
我来从review中分析一下
大家的Sentiment
当时我一听就觉得这个太不靠谱了
为什么不靠谱你觉得
就是你说的
就是你做一个Demo很简单
你把它真的用到应用上
然后想要产出一个对大家可信的结论
那不是一个人10个人可以搞定的
对
情感分析相对来讲
已经算是相对简单的一个AI的工作了
但即使如此
我觉得也是一个
估计这世界上有4000个项目
然后这4000个项目都是
其实很费时间的
对吧
然后这就是我一直在question
一直在有疑问的
这东西到底是
投入产出到底是怎么个算法
对吧
但大模型我觉得完全改变了这件事情
大模型出来了以后
我觉得理论上
当然这不是零跟一跟黑跟白的这个区别
但是我觉得理论上来讲
你可以用一个基础模型
然后大家就用一个prompt engineering的方式
把这4000个
语意分析情感分析的项目都代替掉
可以的
完全可以的
然后这里面
背后的本质是什么
我觉得不一定是完全技术上是正确
但是我觉得从一个商业从技术
把它结合起来的本质就是
本来每家人家都要自己做一个小的发电厂
对吧
或者说发电机器
现在就有一个大的
供电网络
然后你就不需要自己去
worry about it
自己去担心这些东西了
其实是把
其实虽然说大家说
Foundation Model基础模型是一个
要花多少多少的
GPU的显卡
去把它给训练出来
就是多耗费资源
但你想一想有4000个
光是情感分析就至少4000
可能4万个
那个model
那个浪费的资源有多少
尤其是人力的时间
我觉得刚才供电的特别好
我想就这个稍稍展开一下
就是多说几个
就此的类比
就是我们之前比如说供暖
每个人要烧炉子
然后电的话
每个人要烧柴
然后去砍柴
现在有了
可能我们会集中供暖
但是在接下来的话
你还要铺设高压电线
你还要铺设很多很多的基础设施
才能让大家能供电
只有当这个供电
家家户户都有了电了以后
空调或者说是电暖这种东西才有意义
大家现在想的是
我们看到的这个Under Hype
就是我们看到了未来空调的市场
但是在那之前
你要先把电线加好
可是我们正在今天的时候
我们刚刚才能把这个暖气
通过一些Broken的管道送到大家里去
然后大家去说
那离空调还很远
是的
但是你要很多步要做
才能把大模型的这些东西发挥它的威力
所以说我们今天的这个讨论
讨论的不是说
今天大模型可以马上取代什么
并且取代的特别好
而是在这个基础之上
要去看它未来真正的前景
它具体那就变成只是一个时间问题
而不是是否问题了
我们看的是这个
就是终点很重要
对对对
我觉得从一个事务本质上来讲
就像我说的过去十年二十年
世界上可能只有三十家公司
是Easily 我去Justify
为什么要去做人工职人
这个数字很重要
就是我觉得去任何一家公司
他们都会去找一个DS
然后去说我们要去怎么样
就去使用
哎呀昨天我跟Angelina聊的
就在聊
就是演绕这方面的东西
但是这个三十这个数字
就是大家没有内化
我觉得如果真的内化了以后
就知道这件事情到底有多难了
对
所以说我觉得
以前为什么这三十家公司
是Make sense的
是应该
而且是非常非常容易去Justify
就是一个Scale的问题
对对吧
它的Scale到这个程度了
然后接下去
你就可以自己改发变化了
这五十步你都可以自己做了
那现在Foundation model
基础模型说穿了
其实就把这个Scale
就是给所有的人
都到那边去
盖不起电厂
但是你可以买电
你可以不盖厂
你可以自己做
我觉得这是里面的
最最本质的
从我的角度来讲
技术跟那个商业
把它合在一起
最本质的一个
质的飞跃
明白
当然这不是AI的质的飞
AI有自己的
但是如果说为什么
基础模型是Make sense的
我觉得这是最Make sense的
它把技术的门槛极大降低了
它把技术的门槛极大的降低了
就是
以前也是阿狗阿猫都可以去做
情感分析的东西
但是就像我说的
我其实是一直
一直一直有这个疑问
这件事情到底是对人类
或者说是从
第一性原理上来讲是不是Make sense
我其实一直是有这个问号的
但是基础模型出来以后
这件事情就不是一个问号了
其实我自己在ChapyTip的使用
就很
我当时在通讯已经不写代码了
回到Static以后
开始要做分析
要写Python
我现在真的就是让ChapyTip
就是问ChapyTip问题
他给我写
然后我还能看得懂
我还能改
然后
就是
我相信再过一段时间
它就可以把编程整件事
整个事情
不光是做那些复杂的模型
就是把整个编程
或者说调用算力的
这个
这个调用算力的
这个能力吧
给极大的平权和普及
对
让我们可以用我们的对话的形式
去调用很多算力和存储和数据
来帮我们做到我们想做的事情
你刚才提到的对话
我就顺着这个再说一句
就是我们刚才说的
就总结一下
就是你说ChapyTip这件事情
2020年那个GPD3出来了
其实我从一个API的角度
我已经看到了这一点
但是API只有程序员能够懂
对
对吧
对
绝大多数的老百姓们是不懂
我们今天在Stanford商学院
我猜这里边90%的人
是没有办法去调用API的
对
是90%还是多少我们可以上去
但是是少部分人能够去理解
对吧
有可能90%
对
都已经
那个低估了
就是真正能够去appreciate
真正能够去理解
这么一个革命性的事情
所以说你刚才说对话
你刚才是用自然语言跟他对话
去理解了
对
其实这件事情是在
在两年半前
我觉得从一个API的角度
你就能够很明显看到
哇 foundation model
你把你的parameter
弄个两个数量机以上
然后它的 foundation 基础模型
就能达到这么一个规模
我从来没有
就像我们回到情感分析
我从来没有做过
用情感分析这么一个训练数据
我仍然能够做情感分析
这件事情是一个
是一个非常
general
就是它所谓的
对就是把那个specific的东西
变成general
而且specific的东西
就像你说的
data会drift
然后它越specific越精确
其实在这里边的维护成本
是越高的
可是一个general的模型
它也许没有它那个domain的那个模型
就是效果
在特定task上这么好
但是它就是可以用非常低的成本
调用成本去完成
绝大多数的效果
因为我们做AI的人
从来就是靠训练数据的吧
你要有 supervised learning
unsupervised learning
这一套东西讲了这么多年
然后2020年我就看到
你居然能够从一个语言
翻译到另一个语言
那个从来没有训练数据过
而且你还不用这么训练
对没有训练数据过
然后它能够做得很好
这我就觉得
这个是完全是改变以后
当然这个
迁移学习并不是一个
第一次被提到的
但是它能够把这个迁移学习
能够做到这么极致这么好
我觉得是一个
所以我觉得这里面有
就回到你最初的问题
我们怎么去看未来
或者怎么去看
我觉得第一个其实是
你如果是在一个业界
你要去想一些就是
最本质的痛点是什么
对吧
就像我刚才说的
这个AI发展最本质的痛点
过去10年20年
就是一个
除了30家公司以外
其实其他公司我都是
又不起
我都在想这个
这个成本
怎么去看成本
怎么去
还要找到好的人
这是一个很难的事情
但是基础模型就把它给改变了
另外一个是技术
即使技术达到了一定的阶段
其实多数人是看不清楚
多人看不清楚
这里面就是一个accessibility
就是一个
一个browser moment
或者说是一个浏览器的
一个作用
好
我们提到了这个browser moment
然后我想就这个
去进入第二个问题
第二个问题就是
我坚定的信念就是
this time is different
但是很多人都会觉得
每一次发生了什么
都会觉得this time is different
但是我们不是马后炮的
去说这件事情
而是我们之前问了
web story
问了元宇宙
然后也问了其他的各种各样的
我们都觉得不是
在ChaiGPT出来之前
我们就判断
真的RTBI是一个大机会
您在那个视频里面也提到了
就是起码是语音
或者mobile这样的阶段
现在一年之后你判断
是比这个大比这个小
你觉得是一个多大的
和为什么this time is different
我觉得第一段已经解读了很多了
解读了很多
但是为什么你会形成一个
他和web story或者说这样吧
我的问题更多的是想问
我把刚才一句问题重新说一遍
就是第一个就是
我们回顾一年前的判断
就是他比云大比mobile大
还是比他们小
或者说他跟什么东西可以类比
那第二个问题就是
你是如何形成这样的判断的
因为我们不光想学到
你具体判断的结论
而是你既然能在一年前
就去做这样的判断
然后现在一年之后
发生了这么多事情
判断的方向还是正确的
那当时你是如何做出这样的判断
不光是因为看到了背后的技术
而是你的思考模式
对首先我肯定不是第一个
而且我觉得即使一年前
或者两年前有很多人有这样的判断
但是在一年前的时候
也有很多人说web story是最重要的
也有很多人说元宇宙是最重要的
就是有各种各样的声音
对每种variation都有
你在这这么多个声音里边
选择了听到了
现在事后看到的最靠谱的那个声音
对我觉得最终还是回到一个
第一心原理吧
就是我们平时生活工作中的痛点是什么
我觉得说元宇宙也好
说web story也好
它好跟不好
都会有可能得罪很多人
或者说怎么样
我相信每个技术都是有自己的
都是有自己的空间
但是一年多前我是坚定地认为
生存式AI的生存的空间大得多
或者说在未来的五年十年内
我觉得大得多
是因为我觉得它能够解决我们很多的痛点
小道最近就像这个礼拜
Google发布了gemnet大模型
它其中有一个应用场景
就是帮助学者去读paper
去读论文
你想现在论文都是
看标题可能都没时间看
更不用说看里面内容
我是尽量有的时候还去看看abstract
但我觉得已经是非常
要看所有我想看论文的abstract
我觉得都不现实了
但在这种情况下面
我需要有一个技术
帮我去理解
帮我去
我要去对误论文
我想问问这个问题
这篇论文跟上一篇论文到底有什么区别
或者说它是做了什么实验没有
我觉得我不可能去看
人类可能要几百年的时间才能去看
今天今年
所以说这件事情就是一个人类的真正的痛点
像这种例子举步胜取
所以说我是觉得还是回到一个
它到底能够解决我工作生活当中的痛点
从这个角度
从真正的需求出发
不是从技术出发
点语咒和web3
感觉都是在拿着锤子找钉子
我就想起来了
乔布斯很久很久很久以前说的话
就是他说他比在场所有的人犯的错误多少多
就是拿着技术去找solution
然后他反复的告诉大家
这是一个错误的思路
你一定要先去找
如何你的产品
怎么能让用户的生活变得好很多
如果你能找到这个答案
然后再去想用什么技术去解决它
我觉得我是这么看这件事情的
拿着锤子去找钉子
固然是有问题
但我觉得其实还是要从两方面
一方面你是
一个是做公司做一个商业
我觉得这是要避免的
因为我不知道他哪一年说这句话的
我估计他已经
他是在
但是发布iPhone
我不知道
很早以前的一个视频
我的意思是说
他如果是从一个上市公司的CEO的角度来讲
我觉得这句话说的非常准确
但是我觉得
还是需要有一批有理想的人
他没有钉子
或者说他是只是觉得
他假想的钉子
我觉得也应该要去鼓励或者说是
关键是你要自己知道在干什么
这是最重要的
所以你是觉得
我就想天马行空
去拿着锤子找钉子
我觉得也挺好的
Life is too short
You should experience a lot of other things
所以说我没有觉得应该要去
discourage
关键是你要做的事情
跟你的approach
这两件事情是要吻合的
这是最关键的
没错
就是你不能一方面要去创业做商业
然后一方面在那里说
因为我的技术怎么样
所以我的商业一定成功
对
好
然后我们
接下来的问题是
generative AI到底会怎么影响我们的工作
因为就像我刚刚说的
我经常跟大家说
而且这是一个事实
就是我的数据分析工作
一半是查JP推做的
我只是没有告诉大家是哪一半
对
希望不要被发现是哪一半
但是这已经是一半了
或者说我的生产效率提高了一倍
但是我相信
大家有些这样具体的问题吧
就是第一
它对各行各业的影响不一样
程序员和数据
我想尤其提这两个行业去帮大家问一下
是会受到什么样的影响
然后第二呢
就是长期来看我们的工作是不是就会被取代
因为短期大家说可以提高效率
那提高效率长期的效果就是
那就不需要招这么多人了
那会不会最后所有的公司都变得很小
然后大家就没有工作了
对
我记得我跟谷歌的一个高管讨论过这个问题
是在我们的一个也是类似于就是AI
对于我们职场的一个影响的一个研讨会上面
然后他说了一句话
我觉得大家提的是同样的话
我觉得他说的一句话我是非常认同的
他说那个
他当然不一定是指一定是大厂或者说哪里
他说那个
是有可能50%的人失去工作
但是这跟AI没关系
怎么解读
因为有可能有的公司就是人浮于事
或者说是
对
就是他那个
他的
公司的自己的执行啊
团队啊
各方面
同意
但是这跟AI没有关系
AI其实是帮助人类
这是肯定的
我一直是觉得
尤其是最近我越来越觉得
最近几个月我越来越觉得
大家都说那个现在
GENETV还没有什么Killer Use Case
我觉得大致我是同意的
就是没有看到一个Use Case
就像Uber
AMB&B
对吧
就是完全Mobile出来了以后
改变了我们的生活
这个我觉得是没有看到
但是我自己希望的第一个
Killer Use Case就是
Chashity
开放了他们的Alignment接口
你可以去除了他自己给你做
Human Alignment
就是Human Feedback
你其他的人也可以去做Alignment
然后比如说哈佛医学院的人
去把他们的Case
喂给Chain2 GPT
然后去在这里边调教出来一个
特别厉害的医生
我相信这个医生是会是
最Top医生的很好的助手
和取代
百分之八九十的平庸的医生
对对对
对 我是觉得
他更多的是
Working along with you
嗯
而不只是Working for you
我说的for就是说
去完全取代你的这种
我觉得更多的是With you
因为就像你自己说的
你刚才说你在你的工作
包括可能做一些节目
你可能也是去咨询Chain2 GPT
来帮你提供一些素材
但我不觉得你觉得
Chain2 GPT在非常
即使是遥远的未来能够取代你
这是咱们上次一开始说的
就是对吧
你说我希望我们
去年做的那个节目
在五年内不会被AI凶起来的内容取代
我的point是说
如果你的质量足够好
或者说你的point足够好的话
我不觉得AI能够
我不担心
对我不担心
你只是
你只是让你的效率变高了
对吧
我觉得在今后很多年里面
我觉得这是一个主旋律
当然了这件事情是不均匀的
嗯
有些人他今天做的事情
你上次教我的一个是什么
搬砖
搬砖对
你是怎么解释搬砖的
就是把一个砖从这搬到这
然后落实到这个程序员的工作上的话
就是你在Stack Overflow上看到一个答案
然后把它搬到你的代码库里边改一改
对
类似这种工作
我觉得那完全是
如果你每天做的事情都是这样的工作
我觉得确实是
完全有可能要被取代
今天AI肯定已经比他做的好了
对
我真的见过很多这样的程序员
就是早就应该被AI取代了
对
所以说刚才我的一个高管朋友
他说第一个公司有可能在
不管是今后12个月
今后三年
CUT减掉50%的人
但他不觉得这跟AI有关
而是跟自己公司最最基本的商业逻辑有关
核心业其实只需要少的人
然后大多数的人干的事情
跟核心业没有关切
未必有价值
然后当这个公司不再是一个印钞机的时候
就出来了
之前会招这么多人
是因为有cheap capital
然后cheap capital导致前景很好
而且每一层的管理层
都有incentive去over hire
因为去Empire building
这样是他们升值的最好的渠道
所以一定会多招的
然后这些人如果说
你的资本成本变高了
然后你的增长又没有那么快的话
也一定会被CUT
对
因为我们这一段主要是讲技术
不是在讲职场
所以说我就非常快速地讲
但是我要提到这一点
尤其是在大厂
大家要意识到的一个问题是
大厂招这么多人
几万个工程师
绝大多数的大厂
他们招几万个工程师
不能说百分之百
我觉得绝大多数的大厂
他能招几万个人
甚至十几万人或者怎么样
是因为他有能力去付这点钱
不是说他是真正有这个需求
我觉得这件事情
是一个多数人没有去意识到的问题
或者大家意识到的大家不要想
因为就会question自己
然后就很痛苦
不一定要痛苦
但这个就是可以去让自己去思考一下
未来职场发展的各种选择
我们一会儿第二个视频重点讨论
然后现在回到技术上来讲
说出来哪些东西可以改变或者怎么样
我是觉得今天还是很早很早
我觉得今天你就看微软发布的Copilot
他能做的事情
当然我肯定是trivialize他的功能了
但是我觉得基本上接近就是去帮我去概括
summarize我的email邮件
那个跟人家的通讯
还有brainstorm一些的
然后给我draft一个email
给我去modifyemail
或者说是presentation
还是非常初级的
你要他去给你定appointment
对吧
我跟John把时间从3点改成4点
你去问一下John是不是可以
我觉得我还不能信任
对
我还不能信任他
这个不代表技术本质上不能做这件事情
我是说今天
我觉得这怎么样都是
反正我最近一年
这是一个我跟业界很多人
包括微软
Google
FedSalesForce
这些大厂
还有创业公司聊的最多的一个
就是到底这个Generative AI
生成式AI
在一个to be的场景里面落地
是一个什么时间轴
对吧
是一个我从这个话题
从今年年初就开始了
聊到现在12月份了
我觉得
上半年的我
我可能会觉得一两年
我也是
下半年的我觉得这是一个还要两三年的事情
是吗
两三年也不是很长
我以为会是
我觉得至少两三年应该
我要加一个至少两三年
可能是
我觉得两三年应该能够让大家看到苗头了
至少能够感应到了
感受到了
但是你说大规模的部署的话
我觉得可能两三年都是乐观了
但是你要想一想
这已经是很快速了
对吧
汽车的普及花了100年
我觉得每一代的新的技术
你去看它的普及总共是越来越短
最近的一次就是互联网
对吧
互联网真正起来
就是Browse Moment开始大概是93年
对吧
所以说到现在正好是
30年
对
但是也经历了一些
这比如说
当中的
但是它真正的开始让大家
能够去用好怎么样
可能要10年
我觉得这一次不需要10年
我觉得这次可能5年以下
或者说有可能两三年三四年
所以说已经是一个被压缩的时间轴了
对
确实也是感谢各个创业者们
和所有的人在里边的工作
把这个速度不断的加速
那个GPT降临派
我就希望这一天早一点到来
我确实当时觉得希望一两年
我现在觉得有点悲观
就是我觉得5到10年
但是肯定会来的
我觉得比5到10年要短
好
我说这个的原因是因为
你就看每周发生的事情
你去看看技术的跌倒的速度
不是以月为单位
不是以年为单位
是以周为单位在国际跌倒
对
我觉得技术跌倒的速度是一回事
然后这个跟我们下面的一个话题是相关
就是技术跌倒的速度是一回事
人去adopt这个事情
其实我觉得倒是需要很长时间
举个例子
就是刚刚说到的
Copilot为什么现在还不能帮我去
直接他去开一个meeting
因为我的数据还没有训练给他
我怎么做判断的这个pattern
他还不知道
然后包括OpenAI
他在retrieval上面
其实做的还很不好
就是我们今天在试用这个
GPT Store的时候
会发现不是他的思考能力
推理能力有问题
而是他的retrieval
information的能力有问题
embedding就做得很不好
对
就embedding甚至也
我不觉得一定是一个路线
但不管怎么样
就是他想了解我
这件事还很出击
然后只有当这件事情做好了以后
他才能真正的去发挥那种
就是GPT你去帮我开会吧
GPT你去帮我交书吧
GPT你去帮我去完成很多我完成的任务
并且我能相信他
因为我觉得他足够了解我
这个
这个我觉得一方面是在这些技术上的进步
另外一方面也是人要ready
并且人要开始去align to models
就是我要把我的这种信息
能更好的input给models
我觉得一两年
起码就哪怕我把我的这些视频里面所有观点想为给模型
我觉得都不一定会发生
但是
但是这个就是稍稍扯远了
我想本来再回归到本质一点
顺便提出我下一个问题
就是那人和模型本质的区别是什么
就是因为我们去看模型的时间轴
什么时候会取代我们
这个在短期有意义
长期没意义
因为它迟早会取代那些它肯定能做好的东西
那我们就想问一下
什么东西是模型做不好的
今天模型做不好的就是很多
推理
这个推理有无数种推理
A推到B它可能推的很好
但是B到A推不出来
但是我觉得
我觉得它做不好的东西很多
有些东西是可以用
engineering的东西
就工程的东西在外面去补偿的
有些东西是很难补偿
最终其实关键就是你把技术运用在什么场景里面
我来说一下我的一些观点吧
因为当时我写这个文章的时候
也特别思考了这个问题
尤其是刘嘉老师
清华的神经科学教授
他对这里的思考给我启发很大
也在那个群里边交流过
我觉得有几个能力
就是我们去看模型的技术本质和人思考的技术本质
然后去对比的话会发现
第一就是人是有叫Eureka的能力的
这个Eureka我把它总结成模型它是什么能力呢
就是我们所有的Language Models
是Next Token Prediction
但是这个Eureka是你把很多不相关的东西
突然有一个临光一现的时刻
我觉得它在模型上可能会定着
我不是predicting next token
我是突然一下子想到了
1000个token之后会发生什么
跳跃性的
对
这种跳跃性的思维
我觉得模型以现在的范式很难做到
这个是一
第二个是这个批判性思维
但是这个批判性思维背后有两个东西
一个是我要能判断我的这些想法
到底是什么对什么不对
然后它背后是需要我有一个World Model
有一个World Model
就是我能不断的去在我自己的脑海中
generate counterfactuals
然后去说我有五个想法
然后我觉得哪个是更likely
然后我去不断的去refile
那我就不需要依赖现有的数据
或不会极限在现有数据
而是去不断发现incremental knowledge
然后第三个就是模型可以发现
一万种不同的答案
但是哪一种对人是最有用的
需要人带入人的价值观和人的判断
那在这种情况下就只有人去能做
就比如说两段话
到底在模型眼中看来他们是一样好的
但是在人眼中是有好坏的
那这个好坏只能人去告诉模型
对 我觉得
目前来讲我看到模型
大模型对我们最大的一个影响
就是说几个数量机会有可能是
无数个数量机的提升
还是一个consuming information的一个速度
我觉得这是一个
就是我们看
就像我说的看一篇paper
一个是一秒钟
一个是一万年
literally
这不是夸张
是 就是这样的
不是一秒钟
可能是一分钟或者说
literally就是差无数个数量机
我觉得怎么去把
那么好的一个value
对吧 价值
体现到我们生活工作当中去
就把这一点用好 用足
我觉得已经能够改变世界了
我非常同意
其实还是有很多模型
大模型有很多大的缺陷
我其实并不是很担心
因为就像我说的
这么大的机制你能够把它用好了
再来谈其他东西也来得及
但是这就牵扯到另外一个问题
就是我们之前很多教育
其实是在教我们
训练我们大模型能做得很好的东西
之前没有大模型
教我们这些很重要
所以说就有很多人去搬砖
并且能拿到很好的收入
那搬砖的工作不存在了
我们应该怎么去看我们的教育呢
或者说你会怎么教育你的孩子
让他能更好的适应大模型的社会
你还会逼他背东西
或者说训练一些基础的技能吗
对 我觉得这是一个很好的问题
其实我不知道标准答案是什么
我觉得需要一段时间的
我们对这个社会
对我们周围的人
对我们自己的观察
才能够不断的学习这件事情
这个问题我也是一直在思考
我的一个想法是
可能还是
我觉得还是可能要回归一个事物本质
因为这个搬砖的事情
其实没有大模型出来
我觉得你心里也知道
不应该做
这件事情不是一个sustainable的一件事情
对吧
我觉得很多人不这么想
你觉得不这么想
因为在做管理的时候
就会发现很多人
对搬砖就是这种确定性高
他知道做什么
然后运用过往知识的事情
非常喜欢
他们不喜欢去take initiative
然后不喜欢去面对不确定性
我觉得这也是人性之一
我不清楚
我是一直觉得
一件事情如果说是
特别简单
然后你就做
然后只是因为外界的环境
那你是有机会
但这个机会不会sustainable
不会很成就
我是这么看的
就像我一再说的
Google Facebook
都是非常伟大的公司
然后他们创造了伟大的英超机
同时
然后造就了这么多的工作机会
我不觉得这个英超机
是一个永永动的英超机
英超机永远是有寿命的
对
你不管怎么去看历史怎么样
我觉得这个结论很容易下
当这个英超机某一个英超机停下来了
或者说这一部分英超机停下来
你必须得思考不一样的东西
所以我觉得
很多不make sense的东西
AI有可能让它提早结束寿命
但不代表这件事情
是会永续的
就是我觉得
就没有AI这件事情
这些英超机也是10年20年就会停下来
就这么说吧
所以从教育的角度来说
就是回归人价值本身
AI只是加速
并没有影响
我觉得是要自己要有一个创造性
你刚才说的initiative
对吧
要去有自己的领导力
我觉得这些东西永远是需要的
有一个小的观点这里面
就是如果说这些程序员的工作
假设in the worst case被取代了
那他们能做什么
那你想想程序员的老板今天在做什么
老板的工作很难被取代
或者老板的老板的工作很难取代
你说我不需要那么多老板
但有一件事情要意识到
你AI能够create了
那么能够做更多的项目
项目也在十倍百倍的增长
对吧
而且还有一个
尤其是我不清楚你的听众里面
是不是很多都是湾区的
或者科技界
做高科技公司的那个
资源或者说是
是的
怎么
昨天去facebook
前天facebook追上linkin
就是很多同学们打招呼
OK
然后
然后那个
我是觉得
其实跳出了科技界
跳出了硅谷
跳出了这个高科技领域
其实有很多领域
其实
他是想要有Google Facebook这样的
程序员的那个
是的
那个SATI
就是微软的CEO
是把它好像叫成Digital Currency
嗯
他们需要Digital Currency
但他们无法去做
对吧
就他们不能
他们没有能力去顾
那么好的工程师
是的
所以说这个Generative AI出来以后
其实在帮助他们
去增加他们的Digital Currency
没错
我还打算采访
麦当劳的Chief Architect
然后他就有100个Account
但是很难找到人
对
首先是很难找到这100个人
然后要找到100个
就是Competent的人
对吧
有能力的人
还要找到100个
有mission driven的
那
那就
更加mission impossible了
都不要说mission driven吧
就是拿钱能办事的人都已经很少了
对
我就说嘛
这个
但是
然后需要有能力去communicate的
有能力去把一件事情
那个
做好
就起码Care
就是不一定mission driven
起码Care他要把这件事情做好
这都很少很少
对
所以说其实
其实跳出了
Google Facebook
其实Google Facebook
估计这年头也缺driven的人
但是跳出了这个圈子
其实绝大多数的传统行业
都是非常非常非常非常缺乏
好的那个程序面
所以说我觉得短期内不用担心
长期我觉得我们要看
我相信很多
过去的工作
然后过了20年30年
就发现我们都要做其他的东西了
这很正常
嗯
那
其实已经部分回答了我的最后一个问题
我最后一个问题就是
对于创业者和大厂打工人
我们怎么抓住这波机会
刚才提到的就是
这波机会可能带来了
就是他把科技向其他的行业普及和
和这个延展
包括Digital Currency
那可能也是大厂打工人的一些机会
或者创业者的机会
还没有其他的
就是抓住这波
真人爱的机会
对
我相信我们没有答案
不然的话就成割韭菜的
成功学课程了
但是有一些思考框架
或者说是一些
我觉得这个思考框架也是在
Before AI跟After AI是一回事情
就是挑出一个舒适圈嘛
我觉得
你如果说还是想做过去五年十年做的事情
你期望同样的五年十年以后
还是做同样的事情
这件事情就不靠谱
嗯
挑出舒适圈
然后去多看一些外面的机会
那干脆我们就直接进入我们的第二期视频吧
休息一下好吗
对对对休息一下
职场和创业
谢谢大家