惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
D
Darknet – Hacking Tools, Hacker News & Cyber Security
Schneier on Security
Schneier on Security
C
Cisco Blogs
Help Net Security
Help Net Security
I
Intezer
Simon Willison's Weblog
Simon Willison's Weblog
Know Your Adversary
Know Your Adversary
Hacker News: Ask HN
Hacker News: Ask HN
Cisco Talos Blog
Cisco Talos Blog
A
Arctic Wolf
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
WordPress大学
WordPress大学
小众软件
小众软件
Jina AI
Jina AI
量子位
T
Threatpost
Forbes - Security
Forbes - Security
L
LINUX DO - 最新话题
S
Securelist
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
C
Cyber Attacks, Cyber Crime and Cyber Security
有赞技术团队
有赞技术团队
博客园_首页
T
Threat Research - Cisco Blogs
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
T
The Exploit Database - CXSecurity.com
Application and Cybersecurity Blog
Application and Cybersecurity Blog
Scott Helme
Scott Helme
博客园 - 【当耐特】
IT之家
IT之家
Hugging Face - Blog
Hugging Face - Blog
月光博客
月光博客
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
大猫的无限游戏
大猫的无限游戏
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
The Last Watchdog
The Last Watchdog
Attack and Defense Labs
Attack and Defense Labs
Google DeepMind News
Google DeepMind News
阮一峰的网络日志
阮一峰的网络日志
SecWiki News
SecWiki News
博客园 - 叶小钗
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
罗磊的独立博客
The Cloudflare Blog
S
Schneier on Security
爱范儿
爱范儿
N
News and Events Feed by Topic
NISL@THU
NISL@THU
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
MIT校长对话OpenAI CEO:GPT-5或将数据与推理引擎分离
甲子光年 · 2024-05-04 · via 人人都是产品经理

OpenAI只做工具,人类充满偏见却不自知。

作者|苏霍伊

编辑|田思奇

发自美国麻省理工学院

继4月24日科技界的“顶流”,OpenAI首席执行官萨姆·奥尔特曼(Sam Altman)在斯坦福大学进行演讲后,他又从硅谷横跨美国来到了麻省理工学院(MIT)。这次的炉边谈话,奥尔特曼与MIT校长莎莉·科恩布鲁斯(Sally Kornbluth)共同探讨了人工智能的未来发展。

当地时间5月2日中午13:00,距离这场对话开始还有2个小时,就有观众来到了活动所在的MIT Swraj Paul剧院。演讲开始前1个小时,门口已排起长龙。由于报名的人数太多,组织方不得不启用摇号的方式分配门票。

Swraj Paul剧院前的队伍长龙,来源:「甲子光年」拍摄

令人唏嘘的是,在活动的不远处,对巴以冲突持不同观点的两派学生正在抗议。就像这个时代的割裂缩影,冲突频发和科技跃迁,希望与挑战并存。

两派学生的抗议阵营,来源:「甲子光年」拍摄

作为OpenAI的掌舵人,奥尔特曼和团队一直不断打破人工智能领域的边界。所有的目光都集中在舞台上,这不仅是关乎一个公司的故事,更是一场关乎人类创新阈值对话——它关乎希望、责任与未来。

正如活动的主持人、MIT董事会主席马克·戈伦伯格(Mark Gorenberg)在开场时所说:“当大多数人提及生成AI时,便会立即想到OpenAI和奥尔特曼。”

对话活动现场,来源:与会者提供

奥尔特曼这次的分享依旧主打一手“情怀”,关于技术本身鲜有剖析。一个小时的对话,他用直白的语言描绘出了一个“人类所用工具(tools for human)”的未来。但对于谈话内容,有MIT的同学听过后对「甲子光年」表示“深受鼓舞”;也有认为认为他“净讲些‘虚头巴脑’的大概念”。

奥尔特曼主要聊了以下七点:

相对于讨论AI引发灾难的概率,我们更应该关注如何避免AI带来的灾难;

OpenAI在做的是“人类用的工具”,不是在创造生物;而人类充满偏见却往往不自知;

在参数中保存数据很“奇怪”。GPT-5或GPT-6可能尝试将数据与推理引擎分离;

气候也许不是一个大挑战,但训练所需的能源是一个挑战;

AI不会抢夺人类的工作。未来每个人可能都会拥有一个由AI驱动的完整公司;

他对AI在健康和教育领域中的影响最感兴趣,但对金融没有太多思考;

OpenAI的使命是使计算更可及、更自然。未来不再需要掌握编程语言。

OpenAI被推到今天的位置,是因为ChatGPT的迭代速度,某种程度上代表了自然语言处理(NLP)的技术发展和AI应用的爆发速度。

人类对技术进步的快速适应,让期待也在不断增长。就像奥尔特曼在对话中所讲的:大家对GPT-4兴奋了两周,转而又迅速询问GPT-5的进展(Everyone was excited about GPT-4 for two weeks, but then quickly shifted focus to asking about GPT-5)。1.面对AI技术革命,“既乐观又悲观”

科恩布鲁斯和奥尔特曼走上台时,掌声不断。来源:与会者提供

“你的‘末日值’是多少?”

伴着科恩布鲁斯抛出的第一个问题,对话正式开始。她向奥尔特曼介绍,这场对话的所有问题,都是由学生提出、校方筛选的。

所谓“末日值”(probability of doom,简写为p(doom)),即指个人认为AI可能带领人类走向末日的机率,也是近期硅谷科技新贵们最常挂在嘴边的问候语。

这个指标的范围从1到100。数字越高,表示个人越相信AI会消灭所有人类并导致世界末日。

“我认为这个问题表述不太恰当,问题假设了一种静态的系统。”奥尔特曼回答,“虽然我自己也乐于对数字进行长篇大论。但不管这个数字是2、10、20或90,关键点在于它不是0。讨论灾难概率虽然能激发深思,但相比之下,我们更应该关注如何避免灾难,确保我们能安全、积极地面对未来。”

同时,奥尔特曼认为AI现阶段还没有“做得足够好”。十年前,他对AI有一种更“天真”的看法,将其视为一种能自行解决问题、带来财富的“魔法超级智能”;但现在,他认为AI更像是一场“技术革命”,为人类带来希望。

而对于这场技术革命,奥尔特曼是既乐观又悲观的。

他一直反复强调的观点——AI是人类科技树上的新工具(a new tool in the tech tree of humanity)。在斯坦福演讲时,奥尔特曼同样提到OpenAI在做的是“人类用的工具(a tool for human)”,并不创造生物。人类没必要害怕超级智能的人工智能,每个新模型的缺点也是它们持续迭代的动力。

长期以来,AI一直被诟病存在价值观问题:谁来定义什么是偏见,什么是价值观?如何决定系统应该执行什么任务?社会应该在多大程度上定义这些边界,而我们又应该在多大程度上信任用户合理使用这些工具?

对于这个困境,奥尔特曼的想法是在明晰技术的潜力和限制同时,还需在技术潜能和道德限制之间找到平衡。通过人类反馈进行强化学习(RLHF)等技术,可以消减模型偏见的缺陷。

“人类本身就是充满偏见的生物,但往往并不自知。”他说道,“像GPT-4或之后的GPT-5这样的模型没有和我们相同的心理缺陷。虽然它们不完美,但总的来说,我这些系统会比人类表现得更公正。”

除偏见外,AI发展的另一个核心问题是如何在用共享数据训练AI模型时保护个人隐私。

随着技术的进步,一个全知全能的个性化AI并非与我们遥不可及:它能追踪我们的电子邮件、短信今和生活记录,甚至我们看过的电视节目和文件夹。

奥尔特曼将称它是“让人又爱又恨的存在”:便利生活同时也带来了极大的隐私风险。

诚然,我们已在互联网时代中牺牲了一部分隐私以获得便利,AI的介入会让这种权衡更为复杂。“在AI发展的背景下,我们需要重新定义‘特权信息’的概念,以防止个性化AI在法律上被用于不利于我们的情况”。

“我们得的GPT-5或GPT-6成为最佳的推理引擎,目前而言,能达到最佳引擎的唯一路径就是训练大量的数据。”但奥尔特曼认为,实际模型在处理数据时浪费了许多数据资源。

比如GPT-4。它也能像数据库一样工作,只是推理速度慢、成本高昂且效果“不尽如人意”。这些问题本质上是因为模型的设计和训练方式导致的资源浪费。

“不可避免的,因为这是我们制作推理引擎模型的唯一方法的副作用。”但他能预见未来会有新方法,将模型的推理能力与对大数据的需求性剥离。

值得注意的是,就在奥尔特曼演讲的同一天,有网友在X上发文表示,OpenAI创建了一个新的搜索服务的域名:http://search.chatgpt.com,并由此推测Open在微软Bing的支持下,可能正在开发一种新的搜索服务。

图片来自X

它或将成为谷歌搜索最大的威胁,甚至完全迭代当前的搜索引擎的方式。

随后,科恩布鲁斯问了奥尔特曼一个略为“扎心”的问题,即OpenAI的闭源决策,并希望他能多说“亿点点”。但奥尔特曼选择含糊带过,言下之意就是“我们”已经提供免费的AI工具了(GPT-3.5),还要什么“自行车”。

谈及能源,奥尔特曼认为,AI的能源需求虽然巨大,但相比全球其他需求仍属于小规模。在这样的对比下,如果AI能助人类寻找到非碳能源,或优化碳捕获技术,即便耗费1%的全球电力,这也会是一种“巨大的胜利”。同时他也表示看好核聚变。2.“当下是AI创业的最好时机”

宣传视频是由AI生成,其中机器人代表着OpenAI,海狸是MIT的吉祥物。来源:与会者提供

AI创业一直是备受关注的问题。

奥尔特曼这次活动再次强调了他的观点:在接下来很长一段时间里,都是初创公司的最好时机。

初创企业一般能在大型平台变革期间获得成功。相比之下,大公司虽然资源丰富,但在创新和迅速反应方面往往不如初创企业灵活。

目前我们处于类似互联网初期和移动互联技术兴起时的历史性时刻。如同云服务和AWS推动了之前的技术变革,AI技术平台正在形成,为创业提供了绝佳的机遇。

但在技术革新的热潮中,初创企业也不能忽视传统商业策略的重要性,需要在追求创新的同时,建立牢固的客户关系和市场地位,“这些都是持久成功的关键”。

AI技术的兴起对未来的就业市场同样有着重大影响。

根据领英最近的劳动力市场调研,生成式人工智能(GAI)技术的兴起正在对全球职业市场产生深远影响。2023年,已有超过500种职业技能可能受到AGI的影响,预计到2030年,将有65%的职业技能发生变化。

高盛的研究也指出,在美国和欧洲,生成式AI对职业任务的自动化威胁显著,目前美国大约2/3的工作在一定程度上面临AI自动化的风险,且生成式AI可能取代1/4的岗位。在全球范围内,生成式AI的发展可能使3亿个全职工作岗位面临淘汰的危险。

“有观点认为AI将带来职业的消失,但技术革命也会创造新的职业机会。AI会改变很多工作的性质,并带来全新的职业类别。”奥尔特曼解释道,“这种变化需要时间来显现其经济影响,好的或坏的,都将是我们可以实际测量和感受到的。”

创业者和就业市场面对的是一个快速变化的技术环境。关键在于适应这些变化,找到与新技术共存的方式。

科恩布鲁斯和奥尔特曼也从AI监管的角度对创业、就业的影响进行了讨论。

科恩布鲁斯提到了美国国家层面对AI技术的监管,她提到有人担心过度的监管可能会巩固大公司的地位,限制小企业和创新者的发展机会。

对此,奥尔特曼认为在于“合理的阈值”。“完全不监管AI的想法虽然存在,但最终还是要通过民主进程来决定。”他分享了自己的观点,监管政策的制定需要既保护消费者安全,也要避免对小型企业和创新者的过度压制。

随着时间的推移,计算机技术变得越来越易于接触和使用。从低级编程语言到现在的高级编程语言,技术的演变使得编程变得更加直观和强大。这种从命令行到图形用户界面(GUI)的转变,以及从物理键盘到触摸屏的过渡,都标志着用户与计算机交互方式的演化。

“OpenAI的使命是使计算更可及、更自然。”奥尔特曼说。像ChatGPT这样的自然语言处理技术,正在推动AI与人类使用相同的交互界面,这种趋势可能会终结未来技术使用者对编程语言的需求。

而在具体的行业上,奥尔特曼表示自己最关注AI对健康和教育领域的影响,对金融领域的思考并不多。

在教育领域,AI的应用有巨大潜力实现课堂教学的个性化和优化。AI可以根据每个学生的学习进度和风格调整教学内容和节奏,让教育更加符合个人需求。

“我认为AI时代出生的婴儿永远无法想象一个没有智能产品和服务的世界。”奥尔特曼说。毋庸置疑,AI技术的发展正在推动社会各个层面的变革,从个性化服务的提供到教育模式的优化,再到职场技能的重新定义。

在这场演讲之外,ChatGPT等多重AI产品,正在帮助人类塑造一个更加智能化、个性化的未来。

这很容易让人联想到人工智能创造力,或称计算创造力。这是一个研究如何设计出能达到甚至超过人类水平创造力的程序的多学科领域。

有关该领域的讨论可以追溯到19世纪,“计算机程序之母”埃达·洛夫莱斯曾质疑机器的独立创造力,但近年来无监督学习的进步让人们重新考虑AI的创造潜能。目前有两种主流观点:一种看待AI作为人类创造性的增强工具,另一种则希望AI成为完全独立的创造者。

AI在模仿和生成新内容方面取得了显著进展,但由于缺乏真正的情感理解和直觉,生成式人工智能不能替代人类的智慧和洞察力。正如斯坦福大学教授李飞飞所言:“AI替代不了人性的部分,就像宫崎骏永远也不会被AI替代。”

我们将被机器赋予越来越多的超能力,但作为人类的核心不会被取代。

本文由人人都是产品经理作者【甲子光年】,微信公众号:【甲子光年】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。