凯文·凯利预测：称雄 AR 世界的不会是如今的科技四大巨头
凯文·凯利在《5000天后的世界》一书中预测，称雄AR世界的不会是GAFA——如今的科技四大巨头。
纵观颠覆性技术的发展史，一个领域的主导者从来无法在下一个时代的平台上继续称雄，因为它们的成功会成为它们最大的桎梏。
事实仿佛真的如此。即便谷歌疯狂自证在AGI领域的实力，但却只能在身后追赶。
为什么大企业无法创新？为什么是首先开发出像GPT-4这样强大的模型？即使像、Meta有那么雄厚的资本，那么多人才储备也没有做到？
5月15日，可汗学院（Khan ）的CEO兼创始人萨尔曼·可汗（Sal Khan）对联合创始人兼总裁格雷格·布罗克曼（Greg ）进行了一段采访，这段采访或许能够帮助我们找到答案。
研究与工程并重
日前向公众揭秘了Omni团队，团队成员年龄和司龄的年轻化，以及团队管理的扁平化引发了网友热议。其实在成员组合方面，也「暗藏玄机」。
的团队不仅有学术背景的研究型人才，同时还有优秀的工程人才，这种组合使他们能够从不同的角度解决问题，更有效地推动项目进步。
Khan询问「你们认为自己做了什么才能达到如今的地位？在这个领域，有许多人在努力工作，也有许多资源雄厚的大型组织。你们认为自己做了什么与众不同？是因为你们的方法不同，还是有其他原因？」
Greg 坦言「这是个很好的问题。我认为我们是更大趋势或历史的一部分。回顾过去70年的计算机发展史，我们经历了指数级的增长。」
「2000年，Ray 曾经说过，看看计算能力，它会告诉你什么是可能的。这就是推动进步的动力。起初大家都认为他疯了，但现在我相信大家基本上都认同他的观点。」
Ray
「想想我们为了实现像GPT-4这样的项目，付出了多少工程上的努力，从计算基础设施到使用的所有数据集和工具，这其实是全人类在很多方面的巨大努力。」
「具体来说，我们能取得这些成就，是因为我们聚集了来自研究和工程背景的优秀人才。」
「当我们开始这个项目时，让我感到非常有趣的是观察其他实验室的工作方式。你会发现，大多数实验室以研究为主，研究型工程师被告知要做什么，而研究科学家则可以随心所欲。」
「这种方式似乎并不是实际构建一个工作系统的方法，更像是为了追求论文引用数量。如果你真的想产生影响并开发出有用的东西，你需要以不同的方式来组织团队。」
「虽然说起来很简单，但实际上，这涉及到很多相互冲突的思维方式，特别是当你来自不同背景时。」
我们必须尽力去解决这些问题，虽然你永远不能完全解决它们，但可以不断进步并挑战更复杂的版本。这就是我们需要勇于面对困难、勇于挑战的地方。」
不会因为风险的存在而止步不前
建立造福人类的AGI
Greg 第一次对人工智能的概念感到兴奋，是在他读到阿兰·图灵（Alan ）1950年发表的关于图灵测试的论文的时候。
他想看看，我们是否能够真正制造出图灵所说的那种机器，一种人类水平的智能，也就是我们所说的 AGI，并让它造福于全人类。
这是诞生的缘起，也是它的使命和愿景。
为了这个目标，已经工作了8年。在这期间，一直在做同样的事情——建立更大的神经网络，让它更有能力，更协调、更安全，与此同时，部署这项技术，并使其发挥作用。
Greg 称「这就是我认为这项技术最吸引我的地方，每走一步，你都能真正产生影响，真正开始造福人类。你会看到你所建立的东西带来的好处，并真正学会如何减少所有的不利因素。」
迎战新的风险
当Khan问及AI的安全性问题，这样回答「AI的安全问题有着悠久的历史，早在50-60年代，阿瑟·克拉克这样的人就在谈论这个问题。」
《2001：太空漫游》作者阿瑟·克拉克
「我认为，对AI拥有这种复杂的情感是非常正确的，我们既要对任何新事物感到惊奇，又要问这是要去哪里，哪里会有陷阱？我认为只有这样，我们才能正确地在这个空间里航行。」
提到，一件非常有趣的事情是，AI是如何变得看起来「令人惊讶」的？
在90年代，每个人都认为，如果AI可以下棋，就说明进入了AGI时代，但实际上，这只是我们要解决的第一件事情，AI学会下棋并没有让我们真正走得更远。
安全性问题也是一样。并不是说对AI安全的前瞻性的担忧一定不会发生，但认为，我们在错误的事情上过于自信了。
他举了一个例子：对于GPT-3，只是在基础数据集上进行训练后就将其发布，而对于GPT-4，团队则对模型进行了调整，尽力消除偏见。
事实上在2017年就开始开发这项技术，当时这些模型还没有出现。
现在，GPT-4带来了一类新的风险，未来还会出现更多新的风险。风险和益处将会并存，关键是如何学会如何面对这种风险。
在实践中学习
当我们在思考GPT对教育领域的影响的时候，一些人可能会首先注意到抄袭的问题，也承认让学生独立思考非常重要。
但是「对于那些无法获得出色的教育工具的人来说，是一个工具。教师可以根据自己的喜好，帮助学生进行某种工作并填补教育人员无法做到的空白。」
至于如何制定规则，如何将这项技术融入教育，则需要「获得大量的意见，与大量的教育工作者接触。不是这项事业唯一的决定者，从每个人那里获得广泛的意见很重要。」
「我们为了实现真正的益处，和一线的教育工作者交谈，真正弄清楚他们想要什么。」
我们还需要「真正展示积极面」。
一旦你有了一个有效的正面例子，就很容易围绕它建立标准，如果没有这个，那么就相当于「在黑暗中开枪」。
就像采访者Khan谈到的，对教育的影响取决于怎样使用，比方说我们可以用它来采访历史人物、练习辩论技巧等。
更多正面使用的案例和经验需要在实践中获得。
去年发布了一篇关于部署语言模型安全标准的博客文章，这篇文章的形成用了2年的时间。告诉Khan「这种从实践中学习的迭代部署，是我们现在可以做的最重要的事情」。
每个人都可以获得AI的「超能力」
人工智能究竟会削弱人类能力，还是增强人类能力？
和Khan都站在人工智能会增强人类能力的这一边。
乐观地说「现在，拥有一部智能手机就可以开始以一种方式进行创作，而你之前必须购买一堆专业软件，你必须去学校接受大量的培训。」
「我认为我们都可以获得人工智能的超能力，我们可以实现我们想要的目标」。
当然，关于这个问题，每个人都可以有自己的答案，但Greg 无疑是一个乐观主义者，这或许也是不断向前的原因所在。
乐观是油门，悲观是刹车，两者都不可或缺，但是想要前进，我们必须多踩油门而不是刹车。
参考资料：
