Judul video: Presiden OpenAI Greg Brockman: Strategi AI, AGI, dan Super App
Video karya Alex Kantrowitz
Foto oleh Peggy Block Beats

Posting ini merupakan bagian dari liputan khusus Global Voices 2011. Program ini telah lama difokuskan pada perubahan dalam AI, ilmu pengetahuan dan industri teknologi dan struktur bisnis, dan merupakan jendela penting pandangan dari baris pertama penilaian Silicon Valley。

Dalam percakapan ini, Brockman tidak berhenti pada kapasitas model per se, tetapi memindahkan masalah ke depan: ketika kemampuan AI sebagian besar disahkan, bagaimana industri kemudian akan memilih jalannya, merumuskan bentuk produknya dan menyerap dampak sistemik. Diskusi ini berkisar pada strategi produk OpenAI, "aplikasi super" yang akan datang dan penilaiannya bahwa AI memasuki fase "deep- off"。

Percakapan ini dapat dipahami dalam tiga cara。

Pertama, jalan menyusut。
Dari generasi video ke model penalaran, dari berbagai baris dan ke dalam perdagangan aktif-off, pilihan OpenAI bukan penilaian teknis sederhana, tapi lebih kepada respon terhadap batasan realitas - aritmatika telah menjadi botleneck inti. Mengingat sumber daya terbatas yang tersedia, rute teknis mulai menyusut ke dua arah yang paling bermanfaat: asisten pribadi dan memecahkan masalah kompleks. Ini juga berarti bahwa logika kompetisi AI bergerak dari "melakukan apa yang bisa" untuk "melakukan apa yang pertama"。

Kedua, renovasi pola。
Pengenalan dari "aplikasi super" pada dasarnya merupakan lompatan dalam pola produk. AI bukan lagi koleksi alat yang terfragmentasi, tapi portal tunggal: Ia memahami konteks, memanggil alat-alat, melaksanakan tugas-tugas dan membangun pada memori dalam konteks yang berbeda. Dari ChatGPT ke Codex, AI secara bertahap mengambil alih seluruh alur kerja, sedangkan peran manusia bergeser dari penerapan ke dispatcher - menetapkan target, menugaskan tugas dan pemantauan。

Yang ketiga adalah putaran irama。
JIKA DUA TAHUN TERAKHIR TELAH MENJADI TAHAP KAPASITY- KELULUSAN, APA YANG TERJADI SEKARANG ADALAH "TERBANG". PADA SATU SISI, MODELLING KAPASITAS TELAH MELOMPAT DARI "DISEDIAKAN SEKITAR 20 PERSEN" KE "TERTUTUP SEKITAR 80 PERSEN" DAN LANGSUNG MEMICU REKAYASA RE- DARI ARUS KERJA; DI SISI LAIN, AI ADALAH BERPARTISIPASI DALAM SENDIRI EVOLUSI (MENGOPTIMALKAN AI DENGAN AI), CHIP LIPAT, APLIKASI DAN COMPANY-SISI SINNERGIES UNTUK MEMBENTUK SECARA TERUS MENERUS MEMPERCEPAT LINGKARAN TERTUTUP. AI BUKAN LAGI TEKNOLOGI TITIK TUNGGAL TAPI MULAI MENJADI MESIN KUNCI UNTUK PERTUMBUHAN EKONOMI。

Pada saat yang sama, bagaimanapun, satu set isu lain juga muncul secara bersamaan: ketidakpercayaan publik, ketidakpastian tentang pekerjaan, sengketa pusat-pusat data, dan batas-batas keamanan dan pemerintahan. Jawaban yang diberikan oleh Brockman tidak sepenuhnya teknis. Dia menekankan dua hal: pertama, risiko tidak dapat ditangani melalui "sentralisasi" dan kebutuhan untuk membangun infrastruktur sosial di sekitar AI mirip dengan sistem listrik; kedua, kemampuan individu berubah - benar-benar penting, bukan "alat akan digunakan" tapi "dapat AI digunakan untuk mencapai tujuannya"。

JIKA MASALAH DI MASA LALU ADALAH "APA YANG BISA AI LAKUKAN", MAKA MASALAHNYA TELAH MENJADI, KETIKA AI MULAI MELAKUKAN SEBAGIAN BESAR PEKERJAAN UNTUK ANDA, APA LAGI YANG HARUS ANDA LAKUKAN。

Berikut ini adalah teks asli (untuk memfasilitasi membaca dan memahami, teks asli telah dikonsolidasikan):

TL; DR

AGI TELAH MEMASUKI FASE "LISTING PATH":Greg Brockman (OpenAI Co.) percaya bahwa model penalaran GPT-based sudah memiliki rute yang jelas ke AGI dan diperkirakan akan tercapai dalam beberapa tahun, tetapi pola akan tetap "tidak merata" (bergerigi)。

Catatan: AGI (Kecerdasan Buatan) mengacu pada kecerdasan buatan umum dan untuk keberadaan sistem AI yang setara dengan, atau bahkan melebihi kemampuan manusia di sebagian besar tugas kognitif. Tidak seperti sekarang "special-purpose AI" (mis. identifikasi gambar, algoritma direkomendasikan), AGI menekankan interoperabilitas misi dan kemampuan migrasi。

Konvergensi Strategic: dari beberapa baris ke dua aplikasi inti:OpenAI memusatkan sumber daya pada "Personal Assistant" dan "Complicated Problem Solution" daripada secara bersamaan mendorong semua arah (misalnya video generation) di bawah batasan aritmatika。

SUPERAPPLICATION AKAN MENJADI FORMULIR MASUKAN AI:PERCAKAPAN, PEMROGRAMAN, PERAMBAN, DAN PENGETAHUAN AKAN TERINTEGRASI KE DALAM SISTEM YANG TERPADU, DENGAN AI BERGERAK DARI ALAT KE "TINGKAT EKSEKUTIF" DAN PENGGUNA BERPINDAH KE "MOBILIZER"。

TRANSISI KUNCI: AI UNTUK MULAI MENGAMBIL ALIH ALUR KERJA DARIPADA MENDUKUNG:Kemampuan model telah melompat dari "menyelesaikan 20% tugas" ke "mengambil 80%", memaksa individu dan bisnis untuk merestrukturisasi metode kerja mereka。

Kalkulus menjadi inti dan fokus kompetisi:AI DEMAND JAUH MELEBIHI PASOKAN DAN BATASAN DI MASA DEPAN TIDAK DALAM BENTUK KAPASITAS PEMODELAN, SEDANGKAN PUSAT DATA DAN INFRASTRUKTUR ADALAH VARIABEL KUNCI DALAM SUMBER DAYA KOMPUTASI。

Ini pertama kalinya aku mendengar iniTEKNOLOGI PERCEPATAN (AI OPTIMISASI AI) MEMAKSAKAN SINERGI INDUSTRI (CHIP, APLIKASI, BISNIS) YANG MENDORONG AI DARI ALAT KE MESIN PERTUMBUHAN EKONOMI。

Risiko terbesar tidak dalam teknologi, tetapi dalam pemerintahan dan penggunaan:Masalah keamanan tidak dapat diatasi oleh satu subjek, dan infrastruktur ekologi terbuka dan sosial diperlukan。

Masing-masing persaingan inti berubah:KOMPETISI MASA DEPAN BUKAN "DIJALANKAN" TAPI "TARGET + MENGELOLA AI" DAN PENGGUNAAN AI YANG AKTIF AKAN MENJADI KEMAMPUAN PENDIRI。

Q:

Alex (Moderator):
Hari ini kita telah mengundang Greg Brockman, pendiri dan CEO OpenAI, untuk berbicara tentang peluang paling potensial AI, bagaimana OpenAI akan merebut mereka, dan ide "superapply". Greg datang ke studio kami hari ini。

Greg Brockman (Presiden, OpenAI):
Senang bertemu denganmu, terima kasih atas undangannya。

Mengapa menutupnya, Sora? Ini tidak cukup

Alex:
Ini adalah waktu yang menarik, dan OpenAI menangguhkan kemajuan generasi video dan memusatkan sumberdaya pada sebuah "aplikasi super" -- ini akan mengintegrasikan bisnis dan skenario pemrograman. Dari luar, termasuk saya, rasanya OpenAI memimpin sisi konsumen dan sekarang menyesuaikan alokasi sumber dayanya. Apa yang terjadi

Catatan: Pada bulan Maret 2026, OpenAI mendeklarasikan produksi videonya Sora (termasuk aplikasi dan API) ditutup dan menghentikan kemajuan komersial yang terkait。

Greg Brockman:
Untuk beberapa waktu sekarang, kami telah mengembangkan teknologi ini pembelajaran in-deep untuk melihat apakah itu benar-benar memiliki dampak positif kita sudah berpikir tentang. - Apakah mungkin untuk membangun aplikasi yang benar-benar membantu orang dan memperbaiki hidup mereka。

Pada saat yang sama, kita melakukan garis lain: menyebarkan teknologi ini. Salah satunya adalah untuk mendukung operasi dan yang lain adalah untuk membangun pengalaman di dunia nyata di muka dan mempersiapkan diri untuk saat teknologi benar-benar dewasa。

Dan sekarang kita telah mencapai tahap baru. Kita melihat bahwa teknologi ini memang layak. Kami bergerak dari benchmark dan beberapa kemampuan abstrak ke tahap baru - Ini harus ditempatkan di dunia nyata, di mana ia dapat benar-benar bekerja dan berkembang melalui umpan balik pengguna。

Jadi saya lebih suka menafsirkan perubahan ini sebagai pergeseran strategis yang didorong oleh perubahan teknologi。

Ini bukan untuk mengatakan bahwa kita bergerak dari "konsumsi" ke "bisnis". Lebih tepatnya, kami mengajukan pertanyaan: Aplikasi apa yang harus kita berikan prioritas tertinggi ketika sumber daya terbatas? Karena kita tidak bisa melakukan apa-apa。

APLIKASI APA YANG DAPAT MENDARAT, MENCIPTAKAN SINERGI DI ANTARA MEREKA DAN MEMILIKI IMPLIKASI PRAKTIS? JIKA ANDA MENDAFTAR SEMUA ARAH, SISI KONSUMEN DAPAT DIPECAH MENJADI BERBAGAI MACAM HAL: ASISTEN PRIBADI, SISTEM YANG BENAR-BENAR MENGENAL ANDA, KONSISTEN DENGAN ANDA, MEMBANTU ANDA MENCAPAI TUJUAN HIDUP ANDA; KREATIF DAN MENGHIBUR; DAN BANYAK KEMUNGKINAN LAINNYA. DAN PADA TINGKAT KORPORASI, JIKA ANDA MELIHATNYA DARI TINGKAT YANG LEBIH TINGGI, ANDA BENAR-BENAR DAPAT ABSTRAK MENJADI SATU HAL: DAPAT AI MELAKUKANNYA UNTUK ANDA

BAGI KAMI, PRIORITAS SAAT INI SANGAT JELAS, DENGAN HANYA DUA HAL DI ATAS: PERTAMA, SEORANG ASISTEN PRIBADI; KEDUA, SEBUAH AI YANG DAPAT MEMBANTU ANDA MEMECAHKAN MASALAH RUMIT。

Masalahnya adalah kita bahkan tidak puas dengan perhitungan kita saat ini. Sekali lagi aplikasi ditambahkan, cakupan penuh tidak mungkin. Jadi ini adalah penilaian yang realistis: teknologi menjadi cepat dewasa dan dampaknya akan meledak, dan kita harus memilih arah yang paling penting untuk benar-benar membuatnya。

Alex:
Anda menyebutkan analogi sebelumnya, mengatakan bahwa OpenAI adalah jenis seperti Disney: Ada kemampuan inti, dan kemudian dapat diperpanjang ke skenario yang berbeda. Disney memiliki Mickey Mouse dan dapat melakukan film, taman hiburan, Disney +. "inti" OpenAI adalah model yang dapat digunakan untuk pembuatan video, asisten dan aplikasi bisnis。

Tapi sekarang, apakah terlihat seperti Anda tidak akan mengambil ini "full rollover" path, tapi lebih tepatnya harus memilih

Greg Brockman:
Sebenarnya, saya pikir itu lebih seperti sekarang. Tapi intinya adalah: dari sudut pandang teknis, Sora dan GPT sebenarnya milik dua cabang teknis yang berbeda. Mereka dibangun dengan cara yang sama sekali berbeda。

MASALAHNYA ADALAH BAHWA PADA TAHAP INI, SANGAT SULIT UNTUK MEMAJUKAN KEDUA POHON TEKNOLOGI SECARA BERSAMAAN, TERUTAMA DALAM KONTEKS SUMBER DAYA TERBATAS. JADI PILIHAN YANG KAMI BUAT ADALAH, PADA TAHAP INI, UNTUK MEMFOKUSKAN SUMBER DAYA UTAMA KAMI PADA JALUR GPT。

Tentu saja, itu tidak berarti kita menyerah ke arah lain. Sebagai contoh, di bidang robotika, kami melanjutkan penelitian kami. Tapi robot itu sendiri pada tahap sebelumnya, dan itu belum matang untuk wabah nyata。

SEBALIKNYA, PADA TAHUN BERIKUTNYA, KITA AKAN MELIHAT AI BENAR-BENAR LEPAS LANDAS DI BIDANG PENGETAHUAN。

Dan penting untuk menekankan bahwa rute GPT bukan hanya "teks". Misalnya, interaksi suara dua arah (speech-to-speech), yang merupakan bagian dari jalur teknologi ini, membuat AI lebih berguna dan praktis. Kemampuan ini pada dasarnya beradaptasi dengan cara yang berbeda dalam sistem model yang sama。

Tetapi jika Anda pergi ke dua cabang teknologi yang sama sekali berbeda, sangat sulit untuk mempertahankan mereka dalam jangka panjang, mengingat kendala perhitungan. Dan alasan untuk ini adalah bahwa kebutuhan terlalu besar. Setelah hampir setiap model dirilis, orang ingin berbuat lebih banyak dengan itu。

Alex:
Lalu kenapa kau tidak fokus pada Model Dunia? Model video, misalnya, perlu memahami hubungan antara objek, yang juga penting bagi robot. Dan Sora benar-benar bergerak sangat cepat. Mengapa taruhan utama

Catatan: Model Dunia berfokus pada naluri sensorik dan fisik, dengan inti sedang untuk membuat AI memahami bagaimana dunia bekerja, bukan hanya untuk belajar tentang pola wajah data. Model ini biasanya digunakan untuk menggambarkan sistem seperti Sora: Hal ini tidak hanya generasi gambar atau video, tetapi juga hubungan antara modelling objek (misalnya, orang, mobil, cahaya), perubahan terus-menerus dalam waktu (misalnya, evolusi antara frame) dan mendasari pola fisik (misalnya, gerak, perisai dan tabrakan). Sebaliknya, GPT adalah model bahasa dan penalaran yang lebih berfokus pada kinerja abstrak kognitif dan misi。

Greg Brockman:
Masalah terbesar di daerah ini sebenarnya terlalu banyak kesempatan。

Kami menemukan bahwa, di OpenAI, ketika ide secara matematis masuk akal, biasanya berjalan melalui dan mencapai hasil yang baik. Hal ini menunjukkan bahwa tingkat bawah pembelajaran yang dalam sangat kuat, dan dapat menjadi aturan dari data dalam abstrakto dan bermigrasi ke adegan baru. Anda dapat menggunakan model dunia, penemuan ilmiah, pemrograman, dll。

Tapi kuncinya adalah: kita perlu membuat trade- off。

ADA PERDEBATAN DI MASA LALU. SEBERAPA JAUH MODEL TEKS BISA PERGI? BISAKAH DIA MEMAHAMI DUNIA? SAYA PIKIR ADA JAWABAN UNTUK PERTANYAAN INI. MODEL TEKS BISA PERGI KE AGI。

Kita telah melihat jalan yang jelas, dan akan ada model yang lebih kuat tahun ini. Dan dalam OpenAI, salah satu rasa sakit terbesar kami adalah bagaimana mendistribusikan kalkulus - masalah yang hanya semakin buruk, tidak kurang. Jadi, pada dasarnya, ini bukan pertanyaan rute mana yang lebih penting, tetapi waktu dan urutan。

SEKARANG, BEBERAPA APLIKASI YANG DULU KITA PIKIRKAN ADALAH REMOTE TELAH MULAI DAPAT DIAKSES. SEBAGAI CONTOH, MEMECAHKAN MASALAH FISIK YANG BELUM TERPECAHKAN. KAMI BARU SAJA MEMILIKI KASUS DI MANA SEORANG FISIKAWAN TELAH MEMPELAJARI MASALAH UNTUK WAKTU YANG LAMA, MEMBERIKANNYA KEPADA MODEL, DAN 12 JAM KEMUDIAN, KAMI TELAH MEMBERIKAN SOLUSI. DIA MENGATAKAN ITU ADALAH PERTAMA KALINYA IA MERASA SEPERTI MODEL SEDANG BERPIKIR. MASALAH INI MUNGKIN BAHKAN TIDAK DISELESAIKAN OLEH MANUSIA, TAPI AI MELAKUKANNYA。

Ketika Anda melihat sesuatu seperti ini, hanya pilihan Anda adalah untuk menggandakan taruhan Anda dan tiga kali lipat masukan Anda. Karena itu berarti kita benar-benar dapat melepaskan potensi besar。

Jadi bagi saya, ini bukan kompetisi antara arah yang berbeda, tapi apa misi OpenAI? Bagaimana kita membawa AGI ke dunia? Bagaimana bisa menguntungkan semua orang? Dan kita telah melihat jalan itu, dan kita tahu bagaimana untuk bergerak maju。

BET GPT, BUKAN MODEL DUNIA: PILIHAN TAPAK KE AGI

Alex:
Aku ingin kembali ke model generasi berikutnya yang baru saja kau sebutkan, tapi aku ingin menanyakan pertanyaan itu dulu。

Saya berbicara dengan Demis Hassabis dari Google DeepMind awal tahun ini. Menariknya, ia mengatakan bahwa baginya, hal yang paling dekat dengan AGI sebenarnya generator gambar mereka, Nano Banana。

Catatan: Demis Hassabis adalah salah satu orang penting yang mengendarai AI dari penelitian ke penerobosan aplikasi. Dia menciptakan DeepMind untuk mengembangkan AlphaGo dan mengalahkan juara dunia catur pada tahun 2016 sebagai peristiwa tengara dalam sejarah pengembangan kecerdasan buatan。

Alasannya adalah bahwa, dalam rangka untuk menghasilkan gambar tersebut dan video, itu penting untuk memahami interaksi antara objek, setidaknya tentang bagaimana dunia beroperasi。

Jadi itu berarti risiko potensial? Ini taruhan besar -- jika itu terjadi, apakah OpenAI pernah melewatkan sesuatu dengan menambahkan angka ke pohon teknologi lain

Greg Brockman:
Bagaimana jika itu benar? Aku punya dua jawaban。

Pertama, tentu saja ada kemungkinan itu. Ini adalah di mana Anda harus memilih dan bertaruh. Dan OpenAI telah melakukan hal ini dari awal: kita harus mencari tahu apa jalan menuju AGI, dan kita harus fokus tinggi di jalan. Seperti vektor acak, hasil akhir mungkin dekat dengan nol, tetapi jika Anda menyelaraskan semua vektor, mereka dapat mendorong Anda ke arah yang jelas。

Tapi poin kedua adalah bahwa generasi gambar sebenarnya adalah kemampuan yang sangat populer di ChatGPT, dan kami masih berinvestasi di dalamnya dan menjadikannya prioritas. Kita bisa melakukan ini karena tidak benar-benar milik cabang teknologi Model Dunia atau Model Proliferasi, yang sebenarnya didasarkan pada struktur GPT. Jadi, sementara itu menghadapi distribusi data yang berbeda, itu adalah hal yang sama pada inti yang lebih rendah teknologi。

DAN INI ADALAH SALAH SATU TEMPAT PALING MENAKJUBKAN UNTUK AGI: KADANG-KADANG APLIKASI YANG SANGAT BERBEDA -- SUARA UNTUK SUARA, GENERASI GAMBAR, PENGOLAHAN TEKS, DAN PENGGUNAAN TEKS ITU SENDIRI DALAM KONTEKS YANG BERBEDA, SEPERTI PENELITIAN ILMIAH, PEMROGRAMAN, INFORMASI KESEHATAN PRIBADI -- DAPAT DIAKOMODASI DALAM KERANGKA TEKNOLOGI YANG SAMA。

Jadi, dari sudut pandang teknis, satu hal yang saya dan perusahaan telah pikirkan adalah bagaimana menyelaraskan upaya kami sebanyak mungkin. Karena kami benar-benar percaya bahwa teknologi ini akan menyebabkan peningkatan keseluruhan, atau bahkan menggembirakan seluruh sistem ekonomi。

Dan benda ini terlalu besar. Tentu saja, kita tidak bisa melakukan segalanya, tapi kita bisa melakukan apa yang menjadi milik kita。

Alex:
Ini adalah apa Artificial Umum Intelijen berarti oleh "umum"。

Greg Brockman:
ITU BENAR. ITU G. ITULAH ARTI SEBENARNYA。

Alex:
Berbicara tentang "unified", seperti apa aplikasi super ini

Greg Brockman:
Saya mengerti bahwa aplikasi super adalah..

Alex:
Ini membawa percakapan, pemrograman, browsers dan ChatGPT, kan

Greg Brockman:
BENAR. APA YANG KITA INGINKAN ADALAH APLIKASI END- BERORIENTASI YANG MEMBERIKAN ANDA PENGALAMAN NYATA DARI KEKUATAN AGI, YAITU "UNIVERSALITAS" NYA。

JIKA ANDA BERPIKIR TENTANG PRODUK CHAT HARI INI, SAYA PIKIR ITU AKAN BERKEMBANG MENJADI ASISTEN PRIBADI ANDA, API PRIBADI ANDA, AI NYATA UNTUK ANDA. IA TAHU ANDA BAIK, TAHU BANYAK INFORMASI TENTANG ANDA, KONSISTEN DENGAN TUJUAN ANDA, DAPAT DIPERCAYA, DAN DALAM BEBERAPA UKURAN MEWAKILI ANDA DI DUNIA ANGKA INI。

Adapun Codex, Anda dapat memahaminya: ini masih alat utama yang dirancang untuk insinyur perangkat lunak, tetapi berubah menjadi "Codex untuk semua orang"。

Siapapun yang ingin membuat atau membangun sesuatu dapat menggunakan Codex untuk membiarkan komputer melakukan apa yang mereka inginkan. Dan ini bukan hanya tentang menulis perangkat lunak lagi, ini lebih seperti menggunakan komputer. Seperti aku akan membiarkan hal itu membantu saya dengan pengaturan laptop. Kadang-kadang saya lupa bagaimana untuk mengatur daerah panas, dan aku hanya membiarkan Codex melakukannya, dan itu。

Itulah yang komputer seharusnya. Mereka harus beradaptasi dengan orang-orang, bukan denganku。

JADI ANDA DAPAT MEMBAYANGKAN APLIKASI DI MANA ANDA DAPAT MEMBERITAHU SEMUA YANG ANDA INGINKAN KOMPUTER UNTUK DILAKUKAN. INI AKAN MENGGABUNGKAN KEMAMPUAN "PENGGUNAAN KOMPUTER" DAN "OPERASI PERAMBAN" SEHINGGA AI DAPAT BENAR-BENAR MENGOPERASIKAN HALAMAN WEB DAN ANDA DAPAT MEMANTAU APA YANG DILAKUKANNYA. DAN APAKAH INTERAKSI ANDA MENGOBROL, MENULIS KODE, ATAU PENGETAHUAN BEKERJA SECARA UMUM, SEMUA DIALOG INI BERSATU DALAM SATU SISTEM. AI AKAN INGAT, AKAN MEMAHAMI ANDA。

Itulah yang kita bangun。

Tapi jujur saja, itu hanya puncak dari gunung es, bagian yang ada di permukaan. Apa yang benar-benar penting bagi saya adalah kesatuan teknologi bawah。

Kami telah menyebutkan sebelumnya harmonisasi tingkat model bawah, tapi apa yang telah benar-benar berubah selama beberapa tahun terakhir adalah bahwa itu bukan hanya "model" itu sendiri, tapi yang lebih penting lagi "membawa sistem. Artinya, bagaimana model mendapatkan konteks? Bagaimana terhubung ke dunia nyata? Apa yang bisa dilakukannya? Bagaimana siklus interaksi dengan pengguna bekerja ketika konteks baru memasuki

DI MASA LALU, KAMI MEMILIKI BEBERAPA HAL, ATAU SETIDAKNYA BEBERAPA HAL YANG BERBEDA. SEKARANG KITA MENEMPATKAN MEREKA BERSAMA. AKHIRNYA, KITA AKAN MEMILIKI LAPISAN AI TERPADU, DAN KEMUDIAN, DENGAN CARA YANG SANGAT RINGAN, TITIK KE APLIKASI SPESIFIK YANG BERBEDA。

Tentu saja, Anda masih dapat melakukan sebuah plugin kecil, antarmuka kecil, didedikasikan untuk layanan keuangan, hukum layanan khusus, tetapi dalam kebanyakan kasus Anda bahkan tidak membutuhkannya, karena aplikasi super itu sendiri akan cukup luas dan universal。

Alex:
Aplikasi ini baik untuk bisnis dan individu

Greg Brockman:
Ya, itu sebenarnya inti dari itu. Seperti komputer, seperti notebook Anda, adalah untuk penggunaan pribadi atau untuk bekerja? Jawabannya adalah: keduanya. Ini perangkat Anda, antarmuka ke dunia digital. Dan itulah yang ingin kita lakukan。

Alex:
Dan dari sudut pandang non-komersial, apa yang akan saya lakukan dengan itu jika saya menggunakannya dalam kehidupan pribadi saya? Apa yang terjadi dengan hidupku

Greg Brockman:
Aku akan mengerti bahwa dalam kehidupan pribadi, pertama akan melanjutkan cara Anda menggunakan ChatgPT。

Bagaimana Anda menggunakan ChatGPT sekarang? Bahkan, orang-orang sudah menggunakannya untuk tugas yang sangat beragam dan menakjubkan. Kadang-kadang hanya itu, "Aku akan mengatasi pernikahan. Dapatkah Anda membantu saya rancangan itu? Atau," Dapatkah Anda menunjukkan ide ini dan memberi saya beberapa umpan balik? Dan seperti, "Saya melakukan bisnis kecil. Dapatkah Anda memberi saya beberapa pemikiran?"

Adegan ini agak pribadi dan beberapa telah mulai mengaburkan batas-batas antara individu dan pekerjaan. Dan poin saya adalah, semua hal ini harus dibiarkan untuk superapply。

Greg Brockman:
Tetapi jika Anda melihat kembali ChatGPT, itu sebenarnya sudah berkembang。

DULU TIDAK MEMILIKI MEMORI, KAN? UNTUK SEMUA ORANG, ITU AI YANG SAMA, MULAI DARI AWAL, HAMPIR BERBICARA DENGAN ORANG ASING. TAPI JIKA ITU MENGINGAT INTERAKSI MASA LALUMU, ITU AKAN JAUH LEBIH KUAT. JIKA IA DAPAT MENGAKSES LEBIH BANYAK KONTEKS, IA DAPAT LEBIH KUAT。

Sebagai contoh, ini terhubung ke kotak surat Anda, kalender Anda, benar-benar memahami preferensi Anda, memiliki latar belakang informasi yang lebih dalam tentang pengalaman masa lalu Anda, dan menggunakannya untuk membantu Anda mencapai tujuan Anda. Dan sekarang, contohnya, ChatGPT sudah memiliki fungsi yang disebut Pulse, yang, tergantung pada apa yang dia ketahui tentang Anda, menawarkan sesuatu yang mungkin menarik bagi Anda。

Jadi pada tingkat penggunaan pribadi, peralatan super akan menutupi semua ini dan akan melakukan lebih dan lebih。

Alex:
Kapan kau akan meluncurkannya

Greg Brockman:
Lebih tepatnya, kita akan bergerak ke arah ini langkah demi langkah dalam bulan-bulan mendatang. Visi lengkap yang kita bicarakan akan disampaikan secara bertahap, tetapi tidak akan sejalan dalam satu, cara yang terintegrasi, dan akan muncul dengan cara yang berubah。

Sebagai contoh, aplikasi Cordex hari ini sebenarnya berisi dua lapisan: satu dari pembawa cerdas universal yang dapat menggunakan alat; dan yang lain dari tubuh cerdas yang dapat menulis perangkat lunak。

Dan sistem pembawa universal ini sebenarnya dapat digunakan dalam banyak skenario lain. Anda meletakkannya di lembar kerja, pada file Word, dan membantu Anda dengan pekerjaan pengetahuan Anda。

Jadi langkah pertama kami adalah membuat aplikasi Cordex lebih berguna untuk pengetahuan umum. Karena kita telah melihatnya di dalam OpenAI, dan orang-orang mulai menggunakannya seperti ini。

Ini akan menjadi langkah pertama, dan akan ada banyak langkah di depan。

Alex:
Ketika saya berbicara dengan salah satu rekan Anda kemarin tentang Codex, dia menyebutkan seseorang yang membuat video klip dengan Codex: Dia membuat Codex menangani video untuk dirinya sendiri, dan Codex bahkan membuat sebuah plugin untuk Adobe Premiere, membagi video menjadi bab dan mulai mengedit. Itu yang akan kau lakukan

Greg Brockman:
Aku sangat suka mendengar kasus seperti itu. Itulah bagaimana kita ingin sistem bekerja. Dan hal ini menarik: Codex awalnya dirancang untuk insinyur perangkat lunak, jadi untuk programer non-, itu tidak terlalu berguna. Karena ada begitu banyak masalah kecil dalam konfigurasi。

Pengembang tahu apa artinya dan bagaimana memperbaikinya, kita sudah terbiasa. Tapi jika kau bukan pengembang, maka kau seperti, "Apa ini?" Aku belum pernah melihatnya sebelumnya

Tapi meskipun demikian, kita telah melihat banyak orang yang belum pernah menulis program, yang telah mulai meletakkannya di situs web, atau melakukan apa yang Anda katakan - otomatis interaksi antara perangkat lunak yang berbeda, dengan pengaruh yang besar. Misalnya, seseorang di tim komunikasi kami mengambilnya pada Slack dan kotak surat sehingga bisa menangani banyak umpan balik dan membuat sintesis dan sintesis yang baik。

Jadi apa yang terjadi adalah bahwa mereka yang sangat termotivasi sudah bersedia untuk menyeberangi ambang batas ini dan kemudian mendapatkan keuntungan tinggi。

DALAM ARTIAN, BAGIAN TERSULIT TELAH TERCAPAI - KITA TELAH MEMBUAT AI YANG BENAR-BENAR CERDAS, MAMPU DAN MAMPU UNTUK BENAR-BENAR MENYELESAIKAN TUGASNYA。

Hal berikutnya adalah bagian relatif "mudah": untuk membuatnya sangat berguna bagi publik, untuk meruntuhkan ambang pintu masuk。

Alex:
Dan dalam hal pola kompetisi, Anthropic kini memiliki aplikasi Claude, robot obrolan dan Claude Code. Di satu sisi, mereka memiliki prototipe peralatan super mereka sendiri。

Bagaimana menurutmu, Anthropic? Dan bagaimana menurutmu OpenAI akan menyusul

Greg Brockman:
Jika Anda menempatkan kembali 12 sampai 18 bulan yang lalu, kami telah menggunakan "pemrograman" sebagai daerah prioritas, dan kami telah mendapatkan hasil terbaik dalam kompetisi pemrograman dan sebagainya. Tapi satu hal yang kami tidak cukup berinvestasi adalah kilometer terakhir ketersediaan。

ARTINYA, KITA TIDAK CUKUP MEMPERHATIKAN FAKTA BAHWA AI CUKUP CERDAS UNTUK MEMECAHKAN SEMUA PERTANYAAN PEMROGRAMAN YANG SULIT, TETAPI BELUM PERNAH MELIHAT PERPUSTAKAAN KODE DI DUNIA NYATA - DAN BAHWA DUNIA NYATA CODING BANK SERING BINGUNG, JAUH DARI LINGKUNGAN "BERSIH" ITU TAHU。

Pada saat itu, kami memang tertinggal. Tapi mungkin dari pertengahan tahun lalu, kami mulai dengan serius. Kami telah mengumpulkan tim untuk melihat di mana semua kesenjangan ini, apa dunia nyata adalah, apa kompleksitas, dan apa yang kita belum memiliki kontak nyata dengan sebelumnya。

SEBAGAI CONTOH, BAGAIMANA MEMBANGUN DATA PELATIHAN? BAGAIMANA MEMBANGUN LINGKUNGAN PELATIHAN? BIARKAN AL BENAR-BENAR MENGALAMI APA RASANYA MENJADI "MELAKUKAN REKAYASA PERANGKAT LUNAK" - DIGANGGU, MEMILIKI MASALAH ANEH, MENJADI TIDAK DIINGINKAN, DAN SEBAGAINYA。

Saya pikir sekarang kita sudah tertangkap. Ketika pengguna benar-benar membandingkan kita dengan pesaing mereka, banyak yang lebih memilih kita。

Tentu saja, kita juga tahu bahwa kita memiliki kesenjangan di depan-akhir pengalaman, dan kita akan mengisinya. Tapi itulah cara kita pergi kali ini: tidak hanya untuk membuat model, tetapi untuk menambahkan shell; untuk berpikir tentang hal itu sebagai produk dari awal. Dalam melakukan penelitian kami, kami berpikir pada saat yang sama, "Bagaimana akhirnya akan digunakan?" Ini adalah pergeseran yang terjadi di dalam OpenAI。

Jadi poin saya adalah, kita akan memiliki gelombang yang sangat kuat dari peningkatan. Melihat peta jalan untuk tahun ini saja, saya merasa sangat bersemangat bahwa banyak yang dapat dilakukan。

Pada saat yang sama, kita membuat untuk kilometer terakhir dengan sangat fokus。

Alex:
Sejak 2022, OpenAI sudah seperti pelari yang tak terbantahkan di bidang ini. Jelas, kompetisi bukan lagi kompetisi uji coba. Kau bilang "kami datang"。

Apakah suasana di perusahaan berubah? Dengan kata lain, itu tidak seperti itu seperti di masa lalu bahwa Anda memimpin pada produk seperti ChatGPT, tapi sebenarnya memasuki kompetisi positif。

Beberapa laporan di luar dapat melihat perubahan ini - sebagai contoh, pertemuan di dalam perusahaan yang menekankan bahwa OpenAI tidak lagi memiliki "misi suku" dan bahwa setiap orang harus fokus pada arah pusat ini. Jadi apa yang terjadi di lingkungan dan atmosfer

Greg Brockman:
Aku akan mengatakan, secara pribadi, OpenAI adalah saat yang paling mengganggu bagi saya, tepat setelah kami merilis ChatGPT。

Aku ingat ada suasana "kita menang" di pesta liburan perusahaan. Aku tidak pernah merasa seperti itu sebelumnya. Tanggapan saya adalah: tidak, kita tidak. Kami adalah orang yang dalam kerugian。

Dan kita selalu begitu. Sebagian besar pesaing di daerah ini sudah didirikan perusahaan besar dengan modal lebih, tenaga kerja lebih, lebih banyak data dan hampir semua sumber daya。

Jadi, mengapa OpenAI bersaing? Di satu sisi, jawabannya adalah bahwa kita tidak pernah merasa bahwa kita bisa aman. Kita selalu melihat diri kita sebagai penantang。

Bahkan, itu sehat bagi saya untuk melihat bahwa pasar mulai menunjukkan pola kompetisi dan bahwa lawan lain mulai muncul dan melakukannya dengan baik。

Karena menurut pendapat saya, Anda tidak pernah dapat pin perhatian Anda pada pesaing. Jika Anda hanya menatap di mana mereka sekarang, mereka akan pergi pada saat Anda sampai di sana。

Dan saya pikir hal ini telah menjadi kebalikan dari beberapa waktu: banyak orang telah menatap di mana kita berada dan kita telah mampu bergerak maju. Sebaliknya, itu memberi kita rasa keselarasan internal dan persatuan。

Seperti yang saya sebutkan sebelumnya, di masa lalu kami hampir melihat "penelitian" dan "penyebaran" sebagai dua hal yang terpisah; sekarang kami benar-benar ingin mengintegrasikannya. Bagi saya, itu adalah hal yang indah。

Jadi saya akan mengatakan bahwa ini bukan tahap di mana saya pikir kita sudah "stabil" atau di mana kita tiba-tiba dalam krisis. Kau tahu, biasanya tidak sebagus yang mereka katakan, atau seburuk yang mereka katakan。

Saya pikir kita sudah stabil secara keseluruhan. Dan aku sangat percaya diri dalam peta jalan kita dan dalam penelitian yang telah kita lakukan. Adapun untuk akhir produk, saya pikir kita sekarang memiliki energi yang sangat baik, dan Anda datang bersama-sama untuk menyampaikan hal-hal ini ke dunia。

Alex:
Anda telah menyebutkan beberapa kali sebelumnya, dan akan ada beberapa model baru yang kuat. Apa itu

Informasi melaporkan bahwa kau telah menyelesaikan pelatihan awal untuk "Spud", dan Sam Altman juga mengatakan kepada staf internal OpenAI bahwa mereka harus melihat model yang sangat kuat dalam beberapa minggu. Itu beberapa minggu yang lalu. Dalam tim, rasanya bahkan ada kemungkinan nyata bahwa hal itu bisa mempercepat perekonomian dan bahwa hal-hal yang bergerak lebih cepat dari yang banyak telah diantisipasi。

Jadi, apa itu Spud

Greg Brockman:
Model yang bagus. Tapi kurasa intinya bukan satu model。

PROSES R & D KAMI SECARA LUAS ADALAH: PERTAMA, PRA-PELATIHAN, YAITU, PRODUKSI MODEL DASAR BARU, DAN KEMUDIAN SEMUA PERBAIKAN LEBIH LANJUT AKAN DIBANGUN PADA MODEL FONDASI. HAL INI SERING LANGKAH YANG MEMBUTUHKAN UPAYA YANG CUKUP OLEH BANYAK TIM DALAM PERUSAHAAN. BAHKAN, DALAM 18 BULAN TERAKHIR, SAYA TELAH MENGHABISKAN SEBAGIAN BESAR WAKTU SAYA DI SINI: HAL INI TERUTAMA DI SEKITAR INFRASTRUKTUR GPU, MENDUKUNG TIM YANG BERTANGGUNG JAWAB UNTUK KERANGKA PELATIHAN DAN MEMBUAT MENJALANKAN NYATA UNTUK TUGAS PELATIHAN SKALA BESAR。

HAL INI DIIKUTI OLEH PEMBELAJARAN INTENSIF. DAN ITULAH BAGAIMANA AL, YANG TELAH BELAJAR BANYAK TENTANG DUNIA, MULAI BENAR-BENAR MENGGUNAKANNYA。

Kemudian ada proses pos-pelatihan. Pada tahap ini, Anda akan benar-benar mengatakan -- baik, sekarang Anda tahu cara memecahkan masalah, pergi berlatih dalam situasi yang berbeda。

Akhirnya, ada fase "kilometer terakhir" pada perilaku dan ketersediaan。

Jadi saya akan melihat Spud sebagai basis baru, model pra-pelatihan baru. Dan di atasnya, dapat dikatakan bahwa penelitian kami selama dua tahun terakhir atau lebih telah mulai benar-benar mengarah pada hasil. Ini akan sangat menarik。

Saya pikir apa yang dunia luar akhirnya terasa adalah keseluruhan peningkatan kapasitas. Tapi bagi saya, itu tidak pernah hanya masalah tunggal. Karena ketika keluar, itu hanya versi awal dari apa yang akan kita lakukan. Kami akan terus melakukan lebih banyak di setiap langkah proses ini。

Jadi saya pikir kita lebih seperti memiliki sebuah mesin dipercepat kemajuan, dan Spud hanya sebuah titik di jalan ini。

Alex:
Jadi apa yang dapat dilakukan model hari ini

Greg Brockman:
Saya pikir itu akan memecahkan lebih sulit masalah dan menjadi lebih halus. Ini akan lebih baik memahami arah dan konteks。

orang kadang-kadang mengatakan "bau model besar" -- - ini berarti anda dapat merasakannya ketika model benar-benar lebih cerdas dan lebih mampu. ini akan lebih sejalan dengan niat anda, lebih selaras dengan kebutuhan anda。

KETIKA ANDA MENGAJUKAN PERTANYAAN DAN AI TIDAK BENAR-BENAR MENGERTI APA YANG ANDA MAKSUD, PERASAAN ITU MASIH MENGECEWAKAN. ANDA TIDAK DAPAT MEMBANTU TETAPI BERPIKIR BAHWA ANDA HARUS DAPAT MENCARI TAHU。

JADI SAYA AKAN MENGATAKAN, DALAM ARTI, ITU BANYAK "MASSA" YANG DATANG BERSAMA. DI SATU SISI, AKAN ADA BANYAK PENINGKATAN INDIKATOR; DI SISI LAIN, AKAN ADA SKENARIO BARU: ANDA DULU LELAH MENGGUNAKAN AI KARENA TIDAK DAPAT DIANDALKAN, DAN SEKARANG ANDA AKAN MENGGUNAKANNYA。

Saya pikir ini akan menjadi full- ditiup perubahan. Aku berharap untuk melihat bagaimana hal itu akan terus meningkatkan langit-langit kapasitas. Kita telah melihat kinerjanya dalam studi fisik skenario tersebut, dan saya pikir akan mampu memecahkan lebih terbuka masalah dan span lagi。

Pada saat yang sama, saya berharap untuk melihat bagaimana itu mengangkat ambang batas daya. - Jadi apapun yang ingin Anda lakukan, itu jauh lebih berguna daripada hari ini。

Alex:
TAPI TIDAK SELALU MUDAH BAGI PENGGUNA BIASA UNTUK MERASAKAN PERUBAHAN INI. SEBELUM GPT-5, MISALNYA, ADA BANYAK PANAS DAN HARAPAN, TETAPI KETIKA BENAR-BENAR KELUAR, REAKSI PUBLIK AWAL AGAK MENGECEWAKAN. ITU HANYA SAAT ITU MENJADI JELAS BAHWA ITU SANGAT KUAT DALAM TUGAS TERTENTU TERTENTU。

Jadi, untuk generasi berikutnya, apakah Anda pikir itu akan merasa lebih jelas dalam beberapa adegan profesional, atau akan menjadi lebih intuitif, promosi universal untuk semua

Greg Brockman:
Kurasa ceritanya mungkin masih sama. Setelah model dirilis, seseorang pasti mulai berpikir, "Ini persis perbedaan antara siang dan malam dibandingkan dengan apa yang saya lihat sebelumnya. Tapi ada juga beberapa aplikasi yang tidak pada botol" pintar ". Jadi jika Anda hanya membuat model lebih pintar, mungkin di tempat-tempat ini, pengguna tidak merasakan perbedaan segera。

Tapi seiring berjalannya waktu, aku pikir kita semua akhirnya merasa berubah. Karena apa yang benar-benar berubah adalah berapa banyak Anda akan mulai mengandalkan sistem ini。

JIKA ANDA INGIN BERPIKIR TENTANG BAGAIMANA KITA BERINTERAKSI DENGAN AI SEKARANG, SEMUA ORANG SEBENARNYA MEMILIKI MODEL PSIKOLOGIS DARI APA YANG DAPAT DILAKUKANNYA. DAN MODEL PSIKOLOGIS INI TIDAK BERUBAH DENGAN CEPAT. HAL INI BIASANYA DENGAN PENGALAMAN BAHWA IA MELAKUKAN SESUATU YANG MENAKJUBKAN UNTUK ANDA SEKALI-SEKALI, DAN ANDA TIBA-TIBA MENYADARI BAHWA IA MAMPU MELAKUKANNYA, DAN SAYA TIDAK BERPIKIR ITU AKAN。

Kita telah melihat hal-hal seperti ini dalam konteks akses ke informasi medis. Aku punya teman yang menggunakan ChatGPT untuk memahami pengobatan kanker yang berbeda. Dokter sebelumnya mengatakan kepadanya bahwa itu terlambat dan bahwa tidak ada yang tersisa untuk dilakukan. Tapi dia menggunakan ChatGPT untuk mempelajari banyak ide yang berbeda, dan akhirnya dia menemukan obatnya。

DALAM HAL INI, PREMIS ADALAH BAHWA ANDA HARUS MEMILIKI BEBERAPA KEPERCAYAAN DIRI DALAM KEMAMPUAN AI UNTUK MEMBANTU DALAM ADEGAN INI, DAN ANDA BERSEDIA UNTUK MENCURAHKAN BEGITU BANYAK UPAYA UNTUK MENGEKSTRAK NILAI DARI SISTEM。

JADI SAYA PIKIR APA YANG AKAN KITA LIHAT SELANJUTNYA ADALAH BAHWA DALAM SKENARIO APLIKASI YANG SAMA, AKAN LEBIH JELAS BAGI SEMUA ORANG BAHWA AI DAPAT MEMBANTU ANDA。

Jadi kedua teknologi itu sendiri menjadi lebih kuat dan pemahaman kita tentang teknologi berubah dan mengejar ketinggalan。

Alex:
Itu berarti Anda akan mengandalkan itu lebih dan lebih. Dalam OpenAI, Anda juga mengembangkan peneliti AI otomatis yang dikatakan akan diluncurkan musim gugur ini. Apa itu

AI DALAM TAHAP AWAL DARI "DOWNING"

Greg Brockman:
Saya berpikir bahwa kita sekarang pada tahap awal dari penerbangan teknologi ini dalam hal tren keseluruhan。

Alex:
Apa artinya

Greg Brockman:
DAN ITU, SEPERTI, AI SEMAKIN KUAT SEPANJANG KURVA EKSPONENSIAL. DAN ALASANNYA ADALAH KITA DAPAT MENGGUNAKAN AI UNTUK MEMBANTU KITA MEMPERBAIKI AI ITU SENDIRI, SEHINGGA SELURUH PROSES INI MEMPERCEPAT。

TAPI SAYA BERPIKIR BAHWA BEGITU - DISEBUT "TERBANG" BUKAN HANYA MASALAH TEKNIS, TETAPI RILIS PENGARUH DUNIA NYATA. BANYAK PERKEMBANGAN TEKNOLOGI SEPERTI KURVA S; DAN JIKA ANDA MELIHAT BEBERAPA KURVA S SELAMA DIMENSI WAKTU YANG LEBIH PANJANG, MEREKA AKHIRNYA BERTEMU MENJADI PERTUMBUHAN YANG HAMPIR EKSPONENSIAL。

Saya pikir kita berada di tahap ini. Dengan kata lain, teknologi itu sendiri maju pada kecepatan yang semakin cepat, dan mesin kemajuan mengumpulkan energi kinetik。

PADA SAAT YANG SAMA, DI DUNIA LUAR, ADA SEJUMLAH FAKTOR YANG BERKELOK-KELOK: PENGEMBANG CHIP MENDAPATKAN LEBIH BANYAK MASUKAN; SEJUMLAH BESAR ORANG MELAKUKAN APLIKASI DI ATAS, MENCOBA UNTUK MENANAMKAN AI DALAM SKENARIO YANG BERBEDA, MENCARI TITIK KONVERGENSI ANTARA ITU DAN KEBUTUHAN SPESIFIK。

SEMUA ENERGI INI MEMBANGUN, DAN BERSAMA-SAMA, ITU MENDORONG AI MENJADI "PERIODE DEEP- OFF" DARI KEHADIRAN MARGINAL KE MESIN UTAMA PERTUMBUHAN EKONOMI。

Dan itu bukan hanya apa yang terjadi di dinding kita. Ini adalah tentang dunia secara keseluruhan, ekonomi secara keseluruhan, bagaimana bersama-sama hal ini mendorong teknologi ini, dan bagaimana cara kerjanya。

Alex:
Apa sebenarnya "peneliti" ini lakukan

Greg Brockman:
ISTILAH "PENELITI" PADA DASARNYA BERARTI BAHWA KETIKA AI DAPAT MENGAMBIL ALIH LEBIH DAN LEBIH TUGAS, KITA HARUS MENGIZINKANNYA UNTUK MENGOPERASIKAN LEBIH OTONOM。

Tentu saja, ada banyak di balik ini yang perlu dipertimbangkan. Ini tidak berarti bahwa kita meletakkannya keluar, biarkan berjalan untuk sementara dan kembali nanti untuk melihat apakah itu bekerja。

Saya pikir kita masih akan sangat terlibat dalam manajemen. Seperti sekarang, jika Anda membawa seorang peneliti junior, jika Anda menggantungnya sendirian terlalu lama, dia mungkin akan berada di jalan yang tidak memiliki banyak nilai. Tapi jika ada peneliti senior, atau seseorang dengan tujuan yang benar, siapa yang tidak perlu memiliki semua keterampilan operasional tertentu secara langsung, dia masih bisa memberikan umpan balik yang terus menerus, tinjauan, dan bimbingan arah pada apa yang dia hasilkan: apa sebenarnya yang saya ingin Anda lakukan。

Jadi apa yang saya mengerti adalah bahwa sistem yang kita bangun adalah mekanisme yang akan secara dramatis meningkatkan kecepatan model keluaran kita, mendorong terobosan penelitian baru dan membuat mereka lebih berguna dan berguna di dunia nyata. Dan itu semua akan terjadi pada tingkat yang meningkat。

Alex:
APA SEBENARNYA YANG AKAN DILAKUKANNYA? APAKAH ANDA MENGATAKAN KEPADANYA, "PERGI MENEMUKAN ADI", DAN KEMUDIAN AKAN MENCOBA

Greg Brockman:
Sampai batas tertentu, saya mengerti bahwa, setidaknya dalam arti pertama. Tapi dalam arti yang lebih praktis, saya akan memahaminya berarti memindahkan salah satu ilmuwan penelitian kami ke Silicon- berbasis sistem sebanyak mungkin。

Alex:
NAMUN CARA LAIN UNTUK MEMAHAMI ISTILAH "DEFUNCT" ADALAH UNTUK AI UNTUK BERGERAK DARI KEMAJUAN PROGRESIF KE AKUMULASI ENERGI KINETIK, YANG AKHIRNYA BEREVOLUSI MENJADI DORONGAN HAMPIR TAK TERBENDUNG TERHADAP KECERDASAN LEBIH PINTAR DARIPADA MANUSIA。

Apakah Anda khawatir bahwa, hanya sebagai hal-hal mungkin pergi ke arah yang benar, kemajuan seperti itu sendiri bisa di luar kendali dan bisa bias

Greg Brockman:
Saya pikir, tentu saja, bahwa tidak ada keraguan. Saya percaya bahwa, untuk menuai manfaat teknologi ini, harus disertai dengan refleksi serius pada risiko。

Jika Anda melihat pendekatan kami terhadap pengembangan teknologi, Anda akan menemukan bahwa kami telah berinvestasi banyak dalam keselamatan dan perlindungan. Sebuah contoh yang baik adalah serangan cepat. Jika Anda akan menjadi AI yang sangat cerdas, sangat mampu, dan memiliki akses ke banyak alat, tentu saja Anda akan memastikan bahwa itu tidak bisa didorong dan dimanipulasi untuk memberikan instruksi yang aneh。

Itulah yang kita telah mengabdikan begitu banyak energi untuk, dan saya pikir kita telah mencapai hasil yang sangat baik dan ada tim yang sangat kuat yang bertanggung jawab atas bagian ini bekerja。

Menariknya, beberapa pertanyaan sebenarnya mirip dengan manusia. Manusia sama terpengaruh oleh serangan memancing dan mungkin disesatkan dan mungkin bertindak tanpa mengetahui konteks penuh。

Kita akan membawa analogi ini ke R & D kita sendiri Setiap kali kami menerbitkan model dan mengembangkan model, kami bertanya-tanya: Bagaimana kita memastikan bahwa itu benar-benar konsisten dengan tujuan manusia dan bagaimana bisa benar-benar membantu? Ini satu hal yang sangat kita pedulikan。

Ada juga, tentu saja, pertanyaan yang lebih besar tentang dunia, ekonomi secara keseluruhan: bagaimana semuanya akan berubah? Bagaimana semua orang bisa mendapatkan keuntungan dari teknologi ini? Ini bukan hanya masalah teknis, ini bukan masalah OpenAI. Tapi ya, saya pikir sering tidak hanya tentang mendorong teknologi maju, tetapi juga tentang benar-benar memastikan bahwa hal itu dapat membawa efek positif sepadan dengan potensinya。

Alex:
Masalahnya adalah, ini terlihat seperti perlombaan. OpenAI akan dengan cepat direplikasi oleh banyak pemain open source juga. Pemain ini cenderung lebih lemah dalam hal aman perbatasan dan langkah-langkah pelindung。

Saya ingat apa yang Anda katakan sebelumnya untuk efek bahwa hasil kreatif membutuhkan banyak orang untuk melakukan hal yang benar, tetapi hasil merusak mungkin hanya membutuhkan seorang pria dengan niat buruk. Di situlah aku paling khawatir. Karena ini jelas sebuah perlombaan, dan bergerak cepat. Banyak rekan Anda mengatakan bahwa mereka akan berhenti jika semua setuju untuk berhenti. Tapi sekarang tampaknya tidak ada tanda-tanda melambat。

Apakah itu benar-benar layak risiko

Greg Brockman:

Saya pikir kembali layak. Tapi aku juga berpikir itu terlalu kasar, terlalu satu - enam - cocok - semua。

Dari awal OpenAI, kami bertanya, "Apa itu masa depan yang baik?" Bagaimana bisa teknologi ini benar-benar memajukan situasi semua orang

Anda dapat memecahkan ini menjadi dua sudut. Sebuah perspektif "centreisasi": cara terbaik untuk membuat teknologi ini aman adalah hanya memiliki satu subjek untuk mengembangkannya. Dengan begitu, tidak akan ada tekanan kompetitif, dan Anda dapat perlahan dan hati-hati mendapatkan hal yang benar, dan ketika Anda siap, memutuskan bagaimana untuk mengirimkannya kepada semua orang. Ide ini, tentu saja, bisa dimengerti, tetapi juga, sampai batas tertentu, rumus yang tidak dapat diterima。

Dan jalan lain, yang merupakan jalan yang kita pilih, adalah berpikir tentang "resistensi". Dengan kata lain, sistem ini dilihat sebagai sistem terbuka: banyak peserta yang mempromosikan pengembangan teknologi ini, namun fokusnya bukan hanya pada teknologi itu sendiri, tetapi pada membangun infrastruktur sosial di sekitarnya sehingga dapat diambil alih lebih aman。

Anda dapat berpikir tentang evolusi listrik. Listrik juga dihasilkan oleh banyak orang yang berbeda dan lembaga, dan sama-sama berisiko dan berbahaya dalam dirinya sendiri. Pada saat yang sama, bagaimanapun, kami telah membangun prasarana keamanan multilatered di sekitarnya: standar keselamatan listrik, norma penggunaan yang berbeda dan ukuran yang berbeda dari regulasi. Pada skala yang sangat besar, ada juga peraturan spesifik persyaratan. Banyak orang mampu menggunakan listrik dengan cara yang demokratis, bersama dengan inspektur dan satu set sistem pendukung, dibangun di sekitar karakteristik teknologi ini。

DAN SAYA PIKIR, AL ADALAH SAMA. APA YANG KITA BENAR-BENAR LIHAT ADALAH BAHWA HARUS ADA DISKUSI SOSIAL YANG LUAS DI SEKITAR AI. JIKA TEKNOLOGI INI BENAR-BENAR DATANG DAN MENGUBAH HIDUP SEMUA ORANG, MAKA ORANG HARUS TERLIBAT. HAL INI TIDAK DAPAT DIDORONG DAN DIPUTUSKAN SECARA RAHASIA OLEH KELOMPOK KECIL TERPUSAT。

Jadi, bagi saya, ini selalu menjadi pertanyaan yang sangat penting: dengan cara apa teknologi ini harus pergi? Dan apa yang benar-benar kita percaya adalah bahwa ini adalah "ekosistem yang tangguh" yang telah berkembang di sekitar pengembangan teknologi。

Alex:
JADI APA YANG ANDA KATAKAN ADALAH BAHWA KITA BERADA DALAM PROSES "TERBANG" DAN KITA SEMUA DI DALAMNYA. CEO YOUNG WEIDA WONG IN- HOON BARU-BARU INI MENGATAKAN DIA PIKIR AGI TELAH DICAPAI. KAU SETUJU

Greg Brockman:
SAYA PIKIR AGI MEMILIKI DEFINISI YANG BERBEDA UNTUK ORANG YANG BERBEDA. DAN BENAR BAHWA BANYAK ORANG BERPIKIR BAHWA TEKNOLOGI YANG KITA MILIKI HARI INI SUDAH AGI。

Hal ini dapat diperdebatkan. Tapi saya pikir apa yang benar-benar menarik adalah bahwa teknologi yang kita miliki sekarang masih sangat "tidak stabil" dengan kesalahan yang jelas。

PADA BANYAK MISI, SEPERTI KODE TULIS, ITU PASTI SUPERMAN. AI MAMPU MELAKUKANNYA, DAN ITU SECARA SIGNIFIKAN MENGURANGI GESEKAN DALAM MENCIPTAKAN SESUATU. NAMUN PADA SAAT YANG SAMA, ADA HAL-HAL DASAR YANG DAPAT DILAKUKAN MANUSIA DENGAN MUDAH, DAN AI MASIH DAPAT BEKERJA。

Jadi di mana Anda menarik garis? Di satu sisi, itu lebih seperti perasaan, suasana penghakiman, daripada pertanyaan yang dapat secara ketat didefinisikan oleh ilmu pengetahuan pada saat ini dalam waktu。

Jadi bagi saya, saya pikir kita jelas akan melalui saat itu. Jika Anda menunjukkan sistem ini hari ini lima tahun yang lalu, saya akan berkata, "Ya, itulah yang kami katakan. Hanya saja realitas terlihat sangat berbeda dari yang kita duga. Ini tidak sama dengan bentuk apapun yang kita pikirkan。

Jadi saya pikir kita perlu menyesuaikan model mental kita sesuai。

Alex:
Jadi maksudmu, belum

Greg Brockman:
Aku akan mengatakan itu sekitar 70%, 80%. Jadi saya pikir kita benar-benar dekat。

DAN SAYA BERPIKIR BAHWA SATU HAL YANG SANGAT JELAS: DALAM BEBERAPA TAHUN KE DEPAN, KITA PASTI AKAN BERTEMU AGI. PENAMPILANNYA MUNGKIN MASIH "KEJAM" DAN TIDAK SEPENUHNYA MULUS DAN SEMPURNA. TAPI BATAS BAWAH KEMAMPUANNYA UNTUK MENYELESAIKAN MISINYA AKAN MENINGKAT SANGAT TINGGI - SAYA BISA MELAKUKAN HAMPIR APA PUN INTELEKTUAL YANG MENGHARUSKAN ANDA UNTUK MELAKUKAN PADA KOMPUTER。

Jadi sekarang saya harus memberikan sedikit ketidakpastian, karena ini seperti semacam prinsip "ketidakpastian" -- Anda dapat berdebat tentang hal itu dari definisi yang berbeda. Tapi menurut definisi saya sendiri, saya pikir kita hampir sampai. Sedikit lebih jauh, dan itu pasti ada。

Perubahan kritis: dari 20% ke 80% untuk mengambil alih

Alex:

Apa yang terjadi pada Desember 2025. Karena tampak seperti titik balik, "Biarkan mesin menulis kode selama berjam-jam tanpa gangguan", dan tiba-tiba mulai dari pemikiran teoritis untuk semua orang, dan berkata, "Saya pikir saya bisa percaya itu dan membiarkan terus berjalan untuk sementara waktu"

Jadi apa yang terjadi kemudian

Greg Brockman:
SETELAH RILIS MODEL BARU PADA SAAT ITU, PERSENTASE TUGAS-TUGAS YANG AL BISA LAKUKAN ADALAH SEKITAR 20 PERSEN DARI PEKERJAAN ANDA, DAN NAIK KE 80 PERSEN. INI ADALAH TRANSFORMASI YANG LUAR BIASA. KARENA ITU BUKAN HANYA "ALAT KECIL YANG BAGUS" LAGI, TAPI ITU - ANDA HARUS MENGATUR ULANG ALIRAN KERJA ANDA DI SEKITAR AI INI。

SECARA PRIBADI, AKU PUNYA PERASAAN YANG KHAS. SELAMA BERTAHUN-TAHUN, SAYA MENDAPAT PETUNJUK TES: BIARKAN AI MEMBUAT SITUS WEB BAGI SAYA. AKU MELAKUKANNYA SENDIRI KETIKA AKU BELAJAR PEMROGRAMAN. BUTUH WAKTU BERBULAN-BULAN。

DAN PADA TAHUN 2025, ITU AKAN MENGAMBIL SEKITAR EMPAT JAM DAN BEBERAPA PUTARAN TIPS UNTUK MELAKUKANNYA DENGAN BENAR. TAPI PADA BULAN DESEMBER, SAYA HANYA BERTANYA SEKALI, DAN AI MELAKUKANNYA SEKALI, DAN ITU BAIK。

Alex:
Dan bagaimana model ini mencapai itu

Greg Brockman:
Banyak alasannya adalah bahwa model dasar itu sendiri telah menjadi lebih kuat. OpenAI telah terus meningkatkan kemampuan latihannya. Dan pada saat itu, untuk pertama kalinya, kami melihat sedikit apa yang akan terjadi di sisa tahun ini. Tapi pada saat yang sama, itu bukan hanya terobosan tunggal-titik. Lebih tepatnya, kita maju pada semua dimensi inovasi。

Hal yang menarik tentang model-model ini adalah bahwa dalam arti, Anda merasa bahwa mereka telah "melompat" untuk selamanya, namun dari sudut pandang lain, itu sebenarnya evolusi yang terus menerus. Ini tidak tiba-tiba melompat dari 0% ke 80%, tetapi dari 20% ke 80%. Jadi dengan cara, Anda dapat mengatakan itu hanya semakin baik。

dan saya berpikir bahwa kemajuan ini terus dalam setiap update kecil yang kita ikuti. sebagai contoh, dari 5,2 sampai 5.3, saya punya insinyur yang sangat dekat yang tidak bisa membuat model untuk melakukannya. jenis bawah, sistem kerja keras sistem yang bertanggung jawab kepadanya, tetapi dengan versi baru, model telah mampu mengakses file desain, sebenarnya mencapai, ditambah indikator pemantauan dan pengamatan, menjalankan analisis kinerja profiller, terus mengoptimalkan, dan akhirnya mencapai hasil yang ia harapkan untuk memberikan dirinya sendiri。

Jadi saya akan mengatakan, itu lebih seperti "muka lambat, dan tiba-tiba berubah di mana-mana". Tapi semua ini telah diprediksi oleh kemampuan untuk bekerja sekarang. Dalam satu tahun terakhir, banyak hal, beberapa bahkan lebih cepat, akan menjadi sangat dapat diandalkan。

Alex:
Apa itu mengejutkanmu juga? Karena saya ingat beberapa saat lalu Anda mengatakan dalam sebuah wawancara yang Codex, alat pemrograman otomatis, dimaksudkan untuk pengembang perangkat lunak. Tapi bahkan lebih awal hari ini, Anda mengatakan bahwa alat tersebut tersedia untuk semua。

Apa yang membuatmu berubah pikiran

Greg Brockman:
Saya sebenarnya menggunakan Codex untuk memahaminya dalam konteks kode tulis. Setelah semua, ada kode dalam namanya, yang secara alami dilihat sebagai alat untuk programer. Dan di dalam OpenAI, banyak orang adalah insinyur perangkat lunak sendiri, dan kami membangun alat untuk diri kita sendiri, jadi wajar untuk berpikir seperti itu。

Tapi ketika teknologi ini terus berkembang, kita mulai menyadari satu hal: teknologi bawah yang kita buat kebanyakan bukan tentang "kode" sama sekali, ini tentang "memecahkan masalah"。

DI JANTUNG ITU ADALAH MENGELOLA KONTEKS, MENGATUR KERANGKA IMPLEMENTASI, DAN BERPIKIR TENTANG BAGAIMANA AI HARUS MASUK KE PEKERJAAN NYATA DAN BENAR-BENAR MENYELESAIKAN SESUATU. DAN KETIKA INI TERJADI, BAHKAN DALAM ADEGAN PEMROGRAMAN, TIBA-TIBA ITU BERARTI BAHWA SIAPA PUN DAPAT MENGAKSESNYA. KARENA APA YANG ANDA BENAR-BENAR MILIKI ADALAH SISTEM YANG DAPAT DIIMPLEMENTASIKAN UNTUK ANDA. SELAMA ANDA MEMILIKI VISI, ANDA MEMILIKI TUJUAN UNTUK MENCAPAI, ANDA DAPAT MENGGAMBARKAN NIAT ANDA, DAN AI BISA MELAKUKANNYA, DAN ANDA BISA MELAKUKANNYA。

Tapi itu juga akan membuat Anda bertanya mengapa saya hanya melihat pada "non-program" atau "pemrograman" divisi. Sebenarnya ada banyak pekerjaan, pada dasarnya hanya beberapa jenis keterampilan mekanis. Misalnya, bentuk Excel, seperti presentasi. Jika AI sudah memiliki cukup konteks dan kecerdasan asli, itu benar-benar dapat melakukannya dengan baik。

Jadi jika kita hanya mendapatkan lebih dekat dan lebih ramah, itu akan dari "Codex adalah untuk programer" untuk "Codex adalah untuk semua orang"。

Alex:
Dan sekarang kita telah melihat perkembangan gelombang, ada fenomena lain hampir diam di Silicon Valley: Open Claw, kan? Atau, lebih luas, seluruh lingkaran teknologi mulai mempercayai AI dengan cara yang baru saja Anda sebutkan -- seperti menyerahkan kontrol desktop pada robot AI, atau mendapatkan Mac Mini, memberikan hak untuk mengirim, kalender, dokumen, dan kemudian membuatnya "mengambil alih kehidupan"。

Kemudian, OpenAI merekrut pendiri Open Claw. Jadi bisa kau ceritakan lebih banyak tentang Al yang membantumu mengatur hidupmu? Bawa masuk tim Open Claw. Apakah itu visi di balik itu

Greg Brockman:
Saya akan mengatakan bahwa inti dari teknologi ini adalah untuk mencari tahu bagaimana cara kerjanya, bagaimana orang-orang ingin menggunakannya, apa visi dari tubuh pintar, dan bagaimana memasukkan kehidupan orang-orang - masalah yang sulit dalam diri mereka sendiri。

Dan satu hal yang telah saya lihat berulang-ulang dalam generasi evolusi teknologi ini adalah mereka yang benar-benar bersedia untuk terlibat, penasaran dan imajinatif berada dalam diri mereka sendiri sangat nyata dan akan menjadi semakin berharga dalam perekonomian baru。

Peter, pendiri Open Claw, yang menurutku, memiliki imajinasi dan dorongan kreatif yang hebat. Jadi, sampai batas tertentu, hal ini berhubungan dengan teknologi tertentu; untuk tingkat lain, itu bukan hanya masalah teknis sama sekali. Apa yang benar-benar penting adalah bagaimana kita menanamkan kemampuan ini dalam kehidupan orang-orang dan menemukan di mana mereka benar-benar berada。

Jadi, sebagai seorang teknolog, hal ini tentu menarik, tetapi sebagai orang yang benar-benar peduli tentang bagaimana memberikan nilai-nilai praktis kepada pengguna, kita sekarang berinvestasi berat dalam hal ini juga。

Alex:
ANDA TELAH MEMILIKI MENARIK MENGATAKAN TENTANG HAL INI AKHIR-AKHIR INI. ANDA MENGATAKAN BAHWA KETIKA ANDA MULAI BEKERJA DENGAN OTONOM AI CONSOLIDATED INI, ANDA MENJADI CEO DARI RIBUAN ARMADA MUSLIM YANG MELAKUKAN TUJUAN ANDA, VISI ANDA DAN MISI ANDA, DAN ANDA TIDAK LAGI TERJEBAK DALAM RINCIAN BAGAIMANA MASALAH SPESIFIK DISELESAIKAN。

Tapi Anda juga mengatakan bahwa, dalam arti, cara baru kerja ini dapat membuat orang merasa bahwa mereka kehilangan mereka "perasaan pulsa" tentang masalah itu sendiri。

Greg Brockman:
Apakah itu hal yang baik? Saya pikir itu adalah trade- off。

Jadi saya pikir apa yang perlu kita lakukan adalah mengenali, di satu sisi, kekuatan yang sebenarnya alat-alat ini dapat membawa dan, di sisi lain, untuk meminimalkan kelemahan yang mereka bawa. Sebagai contoh, memberikan pengaruh dan mobilitas yang lebih besar - jika Anda memiliki visi dan satu hal yang ingin Anda lakukan, Anda dapat memobilisasi seluruh armada cerdas untuk melakukannya untuk Anda, yang pasti kuat。

Tetapi jika Anda berpikir tentang cara dunia bekerja, harus ada seseorang yang bertanggung jawab pada akhirnya. Misalkan Anda melakukan sebuah situs web, dan kecerdasan Anda mengacaukan segalanya dan akhirnya mempengaruhi pengguna, itu bukanlah kesalahan dari kecerdasan, tapi kesalahan Anda. Jadi Anda harus peduli tentang hal ini。

SAYA PERCAYA BAHWA SIAPA PUN YANG INGIN MEMBUAT PENGGUNAAN NYATA ALAT-ALAT INI HARUS MENYADARI BAHWA MOBILITAS MANUSIA DAN TANGGUNG JAWAB MANUSIA ADALAH INTI KOMPONEN SISTEM. BAGAIMANA ORANG MENGGUNAKAN AI, ITU SANGAT MENDASAR DALAM DIRINYA SENDIRI。

Jadi hal yang paling penting yang saya pikir adalah sebagai pengguna dari tubuh-tubuh cerdas ini -- dan kita berada di dalam OpenAI -- Anda tidak bisa menyerah pada tanggung jawab. Anda tidak bisa hanya mengatakan, "Ai akan melakukannya sendiri"

Alex:
Tentu. Tapi apa yang baru saja Anda katakan adalah, "Aku merasa seperti aku kehilangan denyut nadi saya" dan itu tidak seperti "tanggung jawab"。

Greg Brockman:
BAGIKU, KEDUANYA BENAR-BENAR TERHUBUNG. KARENA INTINYA ADALAH, JIKA ANDA CEO, NAMUN ANDA TERLALU JAUH DARI RINCIAN -- SEPERTI ANDA MEMBAWA SEBUAH TIM, MENJALANKAN SEBUAH PERUSAHAAN, DAN ANDA KEHILANGAN PERASAAN ANDA AKAN SEBUAH NEGARA GARIS DEPAN, DAN BIASANYA TIDAK MENGHASILKAN HASIL YANG BAIK. JADI APA YANG SAYA COBA KATAKAN SEKARANG BUKAN BAHWA "MANUSIA AKHIRNYA BISA TAHU APA-APA" ADALAH SESUATU YANG LAYAK MENGEJAR。

Tentu saja, ada rincian tertentu yang dapat diberikan dengan nyaman. Sama seperti Anda menemukan kontraktor umum untuk membangun rumah Anda, ada banyak rincian Anda mungkin tidak perlu melihat, karena Anda percaya satu sama lain untuk mengurusnya. Tetapi dalam analisis akhir, jika ada masalah dengan rincian kunci tertentu, Anda masih harus peduli dan tahu。

Jadi inilah perbedaan yang sangat penting: Anda tidak bisa hanya mengatakan secara membabi buta, "Saya bersedia kehilangan rasa kepastian itu". Sebaliknya, kita harus proaktif dalam mengatakan bahwa saya masih perlu mempertahankan rasa yang dan untuk benar-benar memahami kekuatan dan kelemahan sistem。

Dan ketika Anda mulai menarik diri dari sesuatu yang lebih rendah dan lebih mekanis, Anda harus dapat melakukan ini karena Anda telah membangun kepercayaan dalam sistem untuk memastikan hal itu terjadi。

Alex:
Satu pertanyaan terakhir tentang model. Anda baru saja menyebutkan jalur evolusi model: Dari awal pelatihan sampai akhir sampai pembelajaran intensif, lebih siap untuk memecahkan masalah satu per satu dan dapat melakukan tugas-tugas di Internet。

Dan sekarang kita berada pada tahap di mana model belajar menggunakan alat melalui proses ini. Jika saya mengerti dengan benar, apa langkah berikutnya dalam jalur ini

Greg Brockman:
SAYA BERPIKIR BAHWA DUNIA DI MANA KITA HIDUP ADALAH SALAH SATU PERBAIKAN DAN MEMPERLUAS KEKUATAN MESIN. BAGIAN DARI INI, TENTU SAJA, TERKAIT DENGAN PENGGUNAAN ALAT, TETAPI PADA SAAT YANG SAMA KITA PERLU BENAR-BENAR MELAKUKAN ALAT SENDIRI DENGAN BAIK. MISALNYA, JIKA AI SUDAH DAPAT MENGOPERASIKAN "KOMPUTER" DAN MENGGUNAKAN SISTEM DESKTOP SEPERTI MANUSIA, MAKA PADA PRINSIPNYA DAPAT MELAKUKAN APAPUN YANG ANDA BISA。

Tetapi pada saat yang sama, kita harus menambahkan banyak infrastruktur ke mesin. Misalnya, di lingkungan bisnis, bagaimana dengan identifikasi dan manajemen otoritas? Bagaimana dengan jalan audit dan observasi? Ada sejumlah besar teknologi pendukung yang perlu dibangun untuk mengejar ketinggalan dengan pengembangan kapasitas bawah model。

Dan dalam arah keseluruhan, saya pikir itu akan mencakup sesuatu seperti "antarmuka suara yang sangat alami". Dengan kata lain, Anda dapat berbicara dengan komputer secara alami seperti yang Anda lakukan sekarang, dan komputer dapat memahami Anda, melakukan apa yang Anda butuhkan, dan membuat rekomendasi berharga。

Sebagai contoh, ini adalah pengingat positif bahwa sesuatu yang Anda telah mendorong terjebak, dan masalahnya ada di sini. Atau ketika Anda bangun di pagi hari, itu akan memberitahu Anda, "Ini adalah singkat harian Anda, berapa banyak pekerjaan kecerdasan Anda lakukan tadi malam?"。

Mungkin ini sudah menjalankan bisnis untuk Anda -- saya pikir ini akan menjadi aplikasi besar dari teknologi ini. Democratisasi kewirausahaan pasti akan terjadi. Ini akan memberitahu Anda bahwa ada sesuatu yang salah dengan tempat-tempat ini; ada klien yang tidak bahagia sekarang, dan dia ingin berbicara dengan orang yang nyata, dan Anda lebih baik mengurusnya sendiri. Itulah yang terjadi。

Kemudian, saya pikir tahap berikutnya juga akan mencakup langit-langit tujuan bahwa kemanusiaan dapat menantang dan akan terus dibesarkan oleh teknologi ini. Kita sekarang telah melihat garis depan tren ini. Hal yang paling menarik adalah hampir dapat dibandingkan dengan tangan AlphaGo ke-37 -- gerakan yang tidak pernah keluar manusia, itu kreatif dan mengubah pemahaman banyak orang tentang permainan。

Hal ini terjadi di setiap bidang. Hal ini dapat terjadi dalam ilmu pengetahuan, matematika, fisika, kimia; dalam ilmu material, biologi, obat, obat; dan bahkan dalam literatur, puisi dan banyak bidang lainnya. Ini akan membuka ruang baru untuk pemahaman kreatif dan konsepsi manusia dengan cara-cara yang tidak bisa kita bayangkan hari ini。

Alex:
Tapi jika modelnya sekuat katamu, kenapa itu belum terjadi

Greg Brockman:
Saya pikir ada "kapasitas lemah" di dalamnya -- ada jarak besar antara model yang sebenarnya dan bagaimana orang-orang menggunakannya. Di satu sisi, pemahaman kita tentang apa yang ada dalam model tumbuh。

JADI SAYA BERPIKIR BAHWA BAHKAN JIKA TEKNOLOGI TIDAK TERUS KEMAJUAN DARI SEKARANG, MASIH AKAN ADA PERUBAHAN BESAR DI DUNIA - PERHITUNGAN YANG DIDORONG, MENGGERAKKAN EKONOMI YANG MASIH AKAN DATANG。

Namun pada saat yang sama, ada alasan lain: apa yang terbaik bagi kita adalah melatih model dalam tugas "terukur". Jadi pada awalnya, kami mulai dengan pemrograman matematika, karena misi ini memiliki sertifikat yang sangat jelas: jawabannya adalah ya, dan dapat dinilai dengan sangat jelas. Dan selama periode terakhir, kita telah mampu secara bertahap membawa model untuk pertanyaan yang lebih terbuka dengan memperluas kisaran hal-hal yang dapat diuji dan dievaluasi。

AL DAPAT MEMBANTU DENGAN INI. JIKA AI CUKUP PINTAR UNTUK MEMAHAMI MISI, ANDA MEMBERIKAN STANDAR EVALUASI, IA DAPAT BELAJAR DARI WAKTU KE WAKTU. TAPI SULIT UNTUK MENCETAK TUGAS SEPERTI MENULIS KREATIF, SEPERTI "BAGAIMANA PUISI DILAKUKAN?"。

JADI, KITA PERNAH BERADA DALAM SITUASI SEPERTI INI, DAN SANGAT SULIT BAGI AI UNTUK BENAR-BENAR BELAJAR MELALUI USAHA DAN UMPAN BALIK KONSTAN. TAPI ITU SEMUA BERUBAH, DAN KITA TELAH MELIHAT JALAN BERIKUTNYA CUKUP JELAS。

Alex:
Itu menarik. Peter Thiel mengatakan sebelumnya bahwa jika Anda pandai matematika, Anda mungkin lebih terpengaruh oleh model-model ini daripada kata-kata. Dan kau anggota Klub Matematika. Jangan khawatir tentang hal itu

Greg Brockman:
SAYA PIKIR SELALU LEBIH MUDAH BAGI ORANG UNTUK MELIHAT APA YANG TELAH MEREKA KEHILANGAN, BUKAN APA YANG MEREKA MILIKI. KARENA KITA MEMILIKI PENGALAMAN MENDALAM TENTANG BAGAIMANA SAYA DIGUNAKAN UNTUK MELAKUKAN HAL INI. AKU BIASA PERGI KE KOMPETISI MATEMATIKA, DAN SEKARANG AI BISA MELAKUKAN KOMPETISI MATEMATIKA. TAPI MASALAHNYA ADALAH, ITU TIDAK PERNAH BENAR-BENAR TENTANG KOMPETISI MATEMATIKA ITU SENDIRI, BUKAN? ITU BUKAN INTI YANG MENDORONG KEMANUSIAAN MAJU。

Jika Anda melihat cara kami melakukan pekerjaan kami - duduk di depan satu kotak, mengetik yang lain - kami tidak hidup seperti itu seratus tahun yang lalu. Ini bukan keadaan alam, atau benar-benar dunia di mana kita terlibat。

Itu bukan esensi menjadi manusia. Sangat penting untuk hadir, hadir, terhubung dengan orang lain。

DAN APA YANG SAYA PIKIR AKAN KITA LIHAT ADALAH BAHWA AI AKAN MELEPASKAN BANYAK WAKTU DAN MEMBERIKAN MANUSIA LEBIH BANYAK KESEMPATAN UNTUK MEMPERKUAT LINK MEREKA DAN MEMBANGUN LEBIH BANYAK HUBUNGAN ORANG。

Aku sangat senang tentang itu。

Alex:
oke. dan ketika anda melangkah lebih jauh menuju aplikasi agen yang lebih banyak ini, dunia luar juga mulai mendiskusikan pertanyaan: apakah ada kebutuhan untuk terus melakukan begitu banyak pelatihan di masa depan

Terutama ketika model cukup baik, Anda tampaknya dapat untuk mendapatkannya ke dunia nyata, dan kemudian mendapatkan banyak peningkatan dalam banyak non-tergantung pra-pelatihan. Dan mereka yang benar-benar perlu didukung oleh super- data pusat sebagian besar pra-terlatih。

Kau bertanggung jawab atas skala dan mempromosikan ini. Bagaimana menurutmu

Greg Brockman:
Saya berpikir bahwa pernyataan ini mengabaikan titik yang sangat penting dalam evolusi teknologi. Memang, setiap hubungan dalam garis air yang dihasilkan oleh model akan memperbesar efek masing-masing. Jadi kau ingin semuanya menjadi lebih kuat。

Apa yang kita lihat adalah bahwa, sekali pra-pelatihan menjadi lebih kuat, setiap langkah yang berikut akan lebih mudah. Itu benar-benar masuk akal. Karena model ini lebih mampu dari awal, dia belajar lebih cepat; model ini juga bergerak lebih cepat dan membuat lebih sedikit kesalahan ketika dia mencoba berpikir secara berbeda dan belajar dari kesalahannya sendiri。

Jadi perubahan yang sebenarnya adalah tidak mengatakan bahwa kita pergi dari "pelatihan murni tertutup, sistem pemrograman diri dari rasionalitas" ke "menunjukkan ke dunia nyata". Sebaliknya, kita menyadari bahwa tidak hanya model itu sendiri besar dan kuat, tetapi juga bahwa ia harus mencoba untuk memahami bagaimana orang menggunakannya di dunia nyata dan kembali memasuki proses pelatihan dengan umpan balik pada penggunaannya. Tapi ini tidak mengurangi nilai atau pentingnya untuk melanjutkan untuk memajukan bagian tersebut。

saya pikir ada perubahan lain: di masa lalu, kita telah berfokus terutama pada peningkatan kemampuan asli pada tahap pra-pelatihan, tetapi tidak begitu banyak pada tahap penalaran, atau tahap ekstrapolasi. dan dalam 24 bulan terakhir, pergeseran besar telah bahwa kita telah menyadari bahwa ada kebutuhan untuk keseimbangan。

Artinya, Anda dapat memiliki model bawah yang sangat kuat, tetapi juga harus cukup efisien untuk ekstrapolasi dan benar-benar beroperasi. Karena Anda ingin belajar lebih banyak, dan untuk benar-benar menyebarkannya ke dunia nyata, hal ini memerlukan agar hal itu menjadi sangat spekulatif。

Ini juga berarti bahwa Anda tidak selalu mendorong skala pelatihan untuk tingkat teoritis terbesar mungkin, karena Anda juga harus memperhitungkan jumlah besar penggunaan berikutnya。

Apa yang Anda inginkan adalah antara tingkat kecerdasan dan biaya, titik terbaik untuk berkembang biak. Daripada mengoptimalkan hanya satu dimensi。

Alex:
Jika masa depan berubah terutama untuk kesimpulan, akan Anda tidak lagi perlu GPU Nvidia

Greg Brockman:
Tentu saja。

Alex:
Kenapa

Greg Brockman:
Ada banyak alasan。

Salah satunya adalah, terlepas dari rasio antara pelatihan dan ekstrapolasi, isu pelatihan kelas-super masih dapat dicapai hanya dengan berkonsentrasi massal komputasi pada satu masalah, yang saat ini tidak ada alternatif。

Jadi apa yang saya pikir lebih mungkin terjadi di masa depan adalah bahwa rasio kalkulus pada sisi penyebaran akan meningkat secara signifikan, tetapi pada saat yang sama, masih akan ada saat-saat ketika Anda harus melakukan putaran yang sangat besar dari tugas-tugas pra-pelatihan, ketika Anda masih perlu untuk kolam banyak perhitungan。

Dan saya pikir tim Nvidia benar-benar hebat, dan mereka melakukan pekerjaan yang menakjubkan. Jadi, ya, kami bekerja sangat dekat dengan mereka。

Alex:
Akankah suatu hari nanti orang-orang mulai berkata, "Kami sudah cukup terlatih, model cukup pintar?"

Greg Brockman:
Saya pikir ini seperti mengatakan, "Yah, mungkin kita bisa mengatakan bahwa ketika manusia telah memecahkan semua masalah sebelum mereka". Tapi saya pikir apa yang ingin kita capai sebenarnya adalah langit-langit yang jauh lebih tinggi。

Selama 50 tahun terakhir, ambisi kita untuk banyak tujuan telah, sampai batas tertentu, surut. Sebagai contoh, beberapa pertanyaan tampak sangat jelas - bisa kita memberikan semua orang keamanan medis? Dan itu bukan hanya "merehabilitasi dengan masalah", tapi itu benar-benar obat pencegahan, melihat gaya hidup, membantu orang pada tahap awal untuk mendeteksi risiko potensial sebelum penyakit terjadi. Masalah tersebut, menurut saya, dapat diselesaikan dengan model yang lebih cerdas。

Tentu saja, mungkin ada tingkat di mana masalahnya benar-benar telah diselesaikan, ketika Anda mungkin bertanya: Apakah saya perlu dua kali sebagai model cerdas? Tapi pada saat yang sama, harus ada masalah lain yang membutuhkan tingkat kecerdasan yang lebih tinggi。

Ini bukan biaya, itu adalah mesin pendapatan

Alex:
Mari kita bicara tentang angka-angka di belakang pusat data ini. Kalian mengangkat $110 miliar awal tahun ini. Bagaimana matematika bekerja di sini? Akankah uang ini langsung ke pusat data? Dan bagaimana Anda berpikir Anda akan memberikan uang itu kembali kepada investor di masa depan? Bicara tentang perhitungan ini。

Greg Brockman:
Saya pikir ini sangat sederhana: pengeluaran terbesar yang kita punya sekarang adalah kekuatan. Tapi Anda tidak bisa berpikir matematika hanya sebagai pusat biaya, lebih seperti pusat pendapatan。

Anda dapat membayangkannya sebagai tim penjualan. Berapa harga penjualannya? Selama produk Anda dijual, dan selama Anda memiliki mekanisme untuk memasarkannya dalam skala, semakin Anda menyewa, semakin tinggi pendapatan Anda。

Dan apa yang kita berada di adalah dunia di mana kita telah berulang kali menemukan bahwa kita tidak dapat membangun perhitungan kita cukup cepat untuk menjaga kecepatan dengan pertumbuhan permintaan. Aku bisa merasakan itu sekarang. Kita harus membuat keputusan yang sangat menyakitkan: yang berfungsi sesuai dan yang sementara tidak; yang mana prioritas yang diberikan。

DAN SAYA PIKIR HAL INI AKAN TERJADI PADA TINGKAT YANG LEBIH LUAS SAAT SELURUH EKONOMI BERGERAK MENUJU EKONOMI YANG DIKENDALIKAN OLEH UDARA。

Pertanyaan sebenarnya untuk masa depan adalah: masalah apa yang bisa dicapai massa itu? Bagaimana Anda memperluas sehingga setiap orang memiliki kecerdasan pribadi? Bagaimana Anda mendapatkan semua orang untuk menggunakan sistem seperti Codex

Tidak cukup bakat di dunia ini untuk mempertahankan hal-hal ini. Jadi kami mempersiapkan ini di muka。

Alex:
Tapi itu kategori baru, kan? Dan kau bertaruh dengan tingkat kepastian yang sangat kuat - jumlah yang belum pernah dilihat dunia sebelumnya. Ketika Anda membuat kategori baru, bagaimana Anda bisa begitu yakin bahwa itu akhirnya akan didirikan

Greg Brockman:
Saya pikir ada beberapa komponen。

Pertama, sudah ada preseden sejarah. Dari saat ChatGPT dibebaskan, aku ingat memiliki percakapan yang sangat jelas dengan tim saya. Saya ditanya, "Berapa banyak uang yang harus kita beli?" Aku berkata, "Semua itu". Yang lain bertanya, "Tidak, serius, berapa harganya? Saya berkata," Bagaimanapun kita membangun, saya tahu kita tidak bisa mengikuti permintaan。

Dan setiap tahun sejak itu, ini telah terbukti. Masalahnya adalah bahwa kalkulator jenis ini biasanya terkunci 18 bulan di muka, kadang 24 bulan, atau bahkan lebih lama. Artinya, sebelum mesin benar-benar memberikan, Anda harus membuat penilaian. Itu berarti Anda harus bergerak maju sangat kuat。

Dan dunia yang kita tuju adalah bahwa, sejauh ini, sebagian besar pendapatan kita berasal dari subscriptions konsumen, dan masa depan ini akan tetap sangat penting. Tentu saja, kami juga menghasilkan sumber pendapatan lain。

Tapi sekarang kesempatan yang lebih besar yang muncul adalah pekerjaan pengetahuan。

Dan itulah yang kita lihat dalam istilah yang sangat konkret: hampir setiap perusahaan mulai menyadari bahwa teknologi ini sangat berguna dan bahwa teknologi ini harus diadopsi jika mereka tetap kompetitif. Dan Anda dapat melihat bahwa dorongan alami yang sudah digunakan oleh sejumlah besar insinyur perangkat lunak; dan kemudian mulai menyebar lebih luas, dan orang-orang menggunakannya dalam lanskap bisnis. Dan kesediaan untuk membayar yang muncul dalam industri ini, dan peningkatan pendapatan yang Anda lihat, sangat jelas。

Ini terjadi sekarang. Anda hanya perlu mendorong ke depan. Dan apa yang mungkin kita lihat lebih dari dunia luar adalah kita dapat melihat lebih jelas bagaimana model-model ini akan berkembang。

MENEMPATKAN INI BERSAMA-SAMA, ANDA AKAN MENEMUKAN: EKONOMI ITU SENDIRI ADALAH BESAR, HAL YANG HAMPIR TAK TERBAYANGKAN. DAN MULAI SEKARANG, FAKTOR PERTUMBUHAN TERTINGGI DALAM EKONOMI INI ADALAH AI -- SEBERAPA BAIK ANDA DAPAT MENGGUNAKAN AI, DAN SEBERAPA BAIK ANDA BISA MENGENDARAINYA。

Alex:
Anda baru saja mengatakan bahwa langganan konsumen masih sumber pendapatan terbesar Anda. Apakah penilaian Anda berarti bahwa, di masa depan, bisnis akan menjadi sumber pendapatan terbesar

Greg Brockman:
SAYA PIKIR ITU SANGAT JELAS SEKARANG BAHWA PERUSAHAAN INI TUMBUH DENGAN CEPAT. TENTU SAJA, KATA "PERUSAHAAN" SENDIRI TELAH BERUBAH. KARENA APA YANG BENAR-BENAR TITIK ADALAH BAHWA ORANG MENGGUNAKAN AI DALAM PEKERJAAN PENGETAHUAN PRODUKTIF。

Dan dalam hal harga, saya tidak berpikir klasifikasi akan sejelas seperti di masa lalu. Sebagai contoh, cara Codex digunakan adalah jika anda memiliki langganan konsumen untuk ChatGPT, anda dapat menggunakan Codex。

JADI SAYA TIDAK BERPIKIR MASA DEPAN AKAN MENJADI JENIS B-AND -C-END PERBEDAAN. LEBIH MUNGKIN, SEBAGAI PENGGUNA, ANDA AKAN MEMILIKI SATU PORTAL -- SEPERTI LAPTOP ANDA, YANG MERUPAKAN PORTAL ANDA KE DUNIA DIGITAL。

Dan pendapatan nyata berasal dari sini。

Alex:
Dario mengatakan satu hal, dan saya pikir dia mungkin berbicara tentang Anda: beberapa pemain menaruh risiko terlalu tinggi, dan dia sangat khawatir. Saya pikir dia mengacu pada taruhan besar Anda dalam infrastruktur. Bagaimana menurutmu

Greg Brockman:
Aku tidak setuju. Saya pikir kita sudah sangat berhati-hati, dan kita melihat apa yang terjadi selanjutnya. Saya pikir jika kita melihat tahun ini saja, semua orang yang benar-benar terlibat akan merasa bahwa "iklim terbatas"。

Dan saya pikir kita baru menyadari bahwa lebih awal dari yang lain dan mulai mempersiapkan untuk bagaimana teknologi yang akan pergi。

Sebaliknya, apa yang saya lihat adalah bahwa banyak peserta lain mungkin menyadari hal itu pada akhir tahun lalu, dan kemudian mulai panik dan mencari ide-ide, tapi ada sedikit yang tersisa untuk membeli。

Jadi saya pikir mudah untuk mengatakan bahwa. Tetapi kenyataannya adalah bahwa semua orang sekarang menyadari bahwa teknologi ini layak, bahwa telah tiba dan bahwa itu benar. Rekayasa perangkat lunak hanya contoh pertama yang jelas。

Dan yang benar-benar membatasi kita adalah kemampuan untuk menghitung。

Alex:
Dia juga mengatakan bahwa jika prediksi itu sedikit berbeda, perusahaannya mungkin bangkrut. Apakah Anda pada risiko yang sama

Greg Brockman:
Saya pikir ada apos; s sebenarnya lebih "pintu keluar". Jika Anda mulai berpikir tentang langkah berikutnya - dan saya pikir itu sangat wajar - - Kemudian Anda akan menemukan bahwa, dengan cara, taruhan itu tidak pernah di perusahaan。

Ini benar-benar bertaruh pada seluruh industri. Bertaruh adalah: apakah Anda percaya bahwa teknologi ini dapat dibuat dan memberikan nilai besar yang kita lihat sebelum kita。

Aku masih akan kembali ke titik paling langsung bukti. Rekayasa perangkat lunak -- jika Anda bukan seorang insinyur perangkat lunak dan Anda tidak benar-benar menggunakan Codex -- sulit untuk memahami betapa berbedanya pengalaman ini dengan membaca. Sangat sulit untuk menggambarkan perbedaan itu. Tapi saya pikir orang benar-benar akan merasakannya segera。

Enam bulan lalu, perasaan ini terjadi hanya dalam diri kita, kemudian mulai terlihat jelas dari luar. Dan dalam enam bulan, saya pikir semua orang akan merasakannya. Dan kemudian kita semua akan merasa sakit lain: ada model yang hebat, tetapi Anda tidak dapat menggunakannya sama sekali, karena dunia tidak memiliki cukup matematika。

Alex:
Ya, tapi ketika kami membuat 2026 proyeksi kami pada acara itu, ada diskusi pada akhir tahun lalu, dan Ranjan Roy ada di sana, dan dia mengatakan bahwa 2026 akan menjadi tahun "semua orang menggunakan kecerdasan". Dan reaksi saya saat itu adalah saya tidak akan percaya sampai saya melihatnya dengan mata saya sendiri dan mulai menggunakan kecerdasan。

Greg Brockman:
Sekarang, bukankah ini saat yang kita capai? Apa yang akan kau lakukan dengan itu sekarang

Alex:
Saya akan menggunakannya untuk menempatkan alat-alat di tempat untuk membantu orang-orang yang bekerja dengan saya lebih baik sinkronisasi ketika video online, apa thumbnails harus dilakukan. Saya juga akan menghubungkan beberapa data di YouTube sehingga kita dapat menyortir kinerja video berdasarkan, misalnya, thumbnail. Di satu sisi, ini adalah perangkat lunak yang saya atur sendiri, dan jika sudah tradisional, saya mungkin tidak akan membayarnya。

SAYA PIKIR ITULAH YANG MENARIK TENTANG SAAT INI: PERANGKAT LUNAK ITU DIMAKSUDKAN UNTUK PRODUKSI MASSAL, TAPI ITULAH SEBABNYA SELALU ADA BANYAK RUANG DI DALAMNYA YANG TIDAK DIBUAT UNTUK ANDA. DAN MUNGKIN PERUBAHAN YANG AL BAWA ADALAH BAHWA IA AKHIRNYA MEMUNGKINKAN KITA UNTUK BERURUSAN DENGAN PERANGKAT LUNAK DENGAN CARA YANG LEBIH ALAMI。

Greg Brockman:
Kurasa itu intinya. Dan satu hal yang saya pikirkan selama ini adalah cara kita membangun komputer saat ini, menarik kita ke dunia digital。

ANDA BERPIKIR TENTANG BERAPA BANYAK WAKTU ANDA MENGHABISKAN MENYIKAT PADA TELEPON ANDA. DAN PIKIRKAN BERAPA BANYAK WAKTU YANG ANDA BUTUHKAN UNTUK MENJAGA SEMUA JENIS TOMBOL UP DAN MENDAPATKAN SISTEM INI TERHUBUNG KE SISTEM ITU - MENGAPA ANDA HARUS MELAKUKAN INI SENDIRI? APA YANG AL BENAR-BENAR HARUS DILAKUKAN ADALAH MEMBAWA MESIN LEBIH DEKAT KEPADA ANDA, MEMBUATNYA LEBIH RELEVAN BAGI ANDA, MEMAHAMI APA YANG INGIN ANDA LAKUKAN。

Hal ini selalu ada di budaya populer kami bahwa Anda dapat berbicara langsung ke komputer, dan kemudian hal itu melakukannya untuk Anda. Dan sekarang menjadi kenyataan, itu benar-benar menjadi sesuatu yang dapat Anda lakukan. Dan betapa menakjubkan perubahan ini, berkali-kali Anda harus mencobanya sendiri untuk memahami. Jadi saya merasa bahwa kita pada saat yang sangat khusus。

Alex:
Lalu aku bertanya-tanya, mengapa AI terlihat begitu buruk di depan umum? You Gov, misalnya, menunjukkan bahwa orang Amerika yang berpikir bahwa AI akan memiliki dampak negatif pada masyarakat adalah tiga kali lebih mungkin untuk berpikir bahwa itu akan memiliki dampak positif。

MENURUTMU APA DIBALIK SEMUA INI? APAKAH ANDA KHAWATIR TENTANG CITRA PUBLIK AI

Greg Brockman:
SAYA PIKIR ADA SATU HAL YANG HARUS KITA LAKUKAN: BIARKAN ORANG-ORANG DI NEGARA INI MELIHAT MENGAPA AI BAIK BAGI MEREKA. DAN INI BUKAN HANYA TENTANG MAKROEKONOMI, INI BUKAN HANYA TENTANG KATA-KATA YANG MENDORONG PERTUMBUHAN PDB, INI TENTANG BAGAIMANA HAL ITU SEBENARNYA MENINGKATKAN HIDUP MEREKA。

Memang, aku mendengar banyak cerita yang sangat spesifik setiap hari. Sebagai contoh, ada sebuah keluarga yang anaknya mengalami sakit kepala dan masalah kesehatan lainnya, tapi MRI tidak pernah disetujui. Lalu mereka menggunakan ChatGPT untuk mempelajari gejala tersebut dan menyadari bahwa mereka dapat menggunakannya untuk membuat aplikasi yang lebih kuat bagi perusahaan asuransi. Mereka melakukannya, dan mereka menemukan bahwa ada tumor di otak anak itu. Dan karena mereka mendapatkan informasi yang tepat melalui ChatgPT, anak terakhir yang diselamatkan。

Ini hanya sebuah cerita. Ada banyak cerita seperti itu. Kehidupan masyarakat telah ditingkatkan dengan teknologi ini dan bahkan menyelamatkan hidup mereka. Kuncinya adalah bahwa mereka benar-benar memiliki kemitraan dengan teknologi ini dalam realitas。

Tapi aku tidak berpikir cerita seperti itu benar-benar keluar. Saya pikir hal ini terjadi dalam kehidupan banyak orang, namun entah bagaimana hal ini tidak menjadi cerita utama。

DAN SAYA JUGA MENYADARI BAHWA BUDAYA POP, TERUTAMA IMAJINASI YANG TERUS DARI TAHUN 1990-AN, SANGAT NEGATIF BAGI AI, SELALU MENEKANKAN APA YANG MUNGKIN. TAPI BEGITU ORANG BENAR-BENAR MULAI MENGGUNAKAN AI, MEREKA AKAN MERASA BERGUNA DAN MEMBANTU。

Jadi saya peduli tentang satu hal: kami belum benar-benar berhasil membantu orang-orang memahami mengapa gelombang teknologi ini meningkatkan hidup mereka dan mengapa hal ini mendorong lebih dekat keterhubungan manusia。

INI ADALAH PERHATIAN YANG SANGAT PENTING DALAM HATIKU. DAN JIKA ANDA MEMPERBESAR SEDIKIT LAGI DAN MELIHAT MENGAPA AI BEGITU PENTING, SAYA PIKIR ITU AKAN MENJADI SUMBER PENTING KEKUASAAN EKONOMI DAN KEAMANAN NASIONAL. INI TENTANG PERSAINGAN SEBUAH NEGARA. DAN NEGARA-NEGARA LAIN SEPERTI CINA, PADA AI, MEMILIKI ARAH YANG HAMPIR BERLAWANAN。

Jadi, ya, saya pikir itu sangat penting. Kita harus melihatnya, dan kita harus benar-benar mencari tahu bagaimana manfaat teknologi ini dapat dibagikan oleh semua orang。

Alex:
TAPI KITA JUGA PADA SAAT KETIDAKSTABILAN BESAR. ORANG-ORANG KHAWATIR TENTANG PEKERJAAN. SETIAP KALI SAYA BERBICARA DENGAN SESEORANG, AI, MEREKA HAMPIR BERTANYA, "BERAPA LAMA SAYA BISA MENJAGA PEKERJAAN SAYA?"

DAN SEKALI LAGI, PUSAT DATA, PERSEPSI PUBLIK TENTANG HAL ITU BAHKAN LEBIH BURUK DARI AI ITU SENDIRI. ANDA DAPAT MELIHAT BAHWA LEBIH BANYAK ORANG PERCAYA BAHWA PUSAT-PUSAT DATA MEMILIKI DAMPAK NEGATIF TERHADAP LINGKUNGAN, BIAYA ENERGI RUMAH TANGGA DAN KUALITAS HIDUP POPULASI SEKITARNYA, BUKAN DAMPAK POSITIF。

Jadi kita pada saat pekerjaan yang baik menjadi semakin sulit ditemukan, dan orang-orang melihat pusat data memasuki komunitas mereka sendiri, dan mereka merasa bahwa itu tidak ramah lingkungan atau biaya-efektif, dan itu mengurangi kualitas kehidupan。

Apa mereka salah

Greg Brockman:
Saya pikir ada banyak kesalahan di sekitar pusat data。

Contoh khas adalah air. Jika Anda benar-benar melihat fasilitas kami di Abilene, itu terbesar, atau setidaknya salah satu yang terbesar, superkomputer di dunia, yang menghabiskan satu tahun penuh di atas air, yang setara hanya satu tahun di rumah tangga biasa. Dengan kata lain, jumlah air yang digunakan praktis diabaikan。

Ada, bagaimanapun, banyak informasi yang salah dari luar, yang mengarah pada keyakinan bahwa pusat-pusat data ini akan mengkonsumsi jumlah yang signifikan sumber daya air。

Listrik serupa. Kami telah berjanji untuk menanggung biaya kita sendiri dan tidak untuk menggeser tekanan dari kenaikan harga listrik ke warga. Hal ini penting, dan komitmen yang sama sekarang dibuat di seluruh industri, karena memang penting untuk meningkatkan komunitas lokal. Dan ketika kita membangun pusat data, kita benar-benar masuk ke komunitas lokal ini dan tahu apa yang terjadi di tanah dan apa yang bisa kita lakukan untuk membantu. Pusat data menghasilkan pajak dan menciptakan lapangan pekerjaan. Itu membawa banyak keuntungan。

Jadi saya pikir ini masih tentang bagaimana kita muncul, dan itu adalah tanggung jawab yang kita anggap sangat serius。

Alex:
Oke, tetapi jika Anda tidak meningkatkan biaya listrik, Anda harus mendapatkannya dalam, yang bisa berarti lebih polusi. Bukankah itu masalah

Greg Brockman:
Saya pikir ada apos; s sebenarnya jauh lebih detail di dalamnya。

Jika Anda melihat cara jaringan bekerja hari ini, Anda akan menemukan bahwa sebenarnya ada banyak "listrik gratis" - yang mengatakan, banyak itu ada di sana, tetapi tidak benar-benar digunakan. Pada saat yang sama, sistem transmisi itu sendiri perlu ditingkatkan. Terlebih lagi, penting bahwa biaya peningkatan ini ditanggung oleh kami, bukan oleh kontributor biasa. Ada banyak tempat di mana energi bersih itu tersedia, tapi ini sebenarnya kurang dimanfaatkan dan, sampai batas tertentu, terbuang。

Dengan demikian, ketika pusat data perlu masuk, ada insentif nyata untuk meng-upgrade grid tua dan usang. Peningkatan seperti itu akan membawa keuntungan nyata bagi masyarakat. Sebagai contoh, di Dakota Utara, kita telah melihat bahwa pembangunan pusat data lokal telah membantu meningkatkan infrastruktur utilitas, menghasilkan harga listrik yang lebih rendah bagi populasi。

Alex:
Oke, pertanyaan politik terakhir. Kau menyumbangkan 25 juta dolar ke Maga Inc, komite aksi politik mendukung Trump。

Greg Brockman:
Anda berbicara dengan Kara tentang hal ini sebelumnya。

Catatan: Kara Swisher, jurnalis teknologi Amerika terkenal, telah lama meliput Silicon Valley dan perusahaan-perusahaan internet, yang dikenal karena pertanyaan dan gayanya。

Alex:
Benar. Anda berkata, "Saya akan melakukan apa pun yang akan membantu membuat teknologi ini benar-benar bekerja untuk semua orang". Tidak masalah jika itu membuatmu menjadi pemilih tunggal atau donor tunggal. Tapi apa yang saya pikirkan adalah, untuk ini "satu masalah" kamp, seharusnya tidak "untuk membuat negara ini lebih kuat" itu sendiri, tapi Bintang Utara di jantung tindakan politik

Artinya, bahkan jika seorang kandidat tidak mendukung 100 persen dari apa yang Anda lakukan, harus dia menjadi kriteria penting untuk dukungan politik jika ia dapat membuat negara ini lebih kuat? Jika demikian, adalah bahwa bagian dari kontribusi Anda

Greg Brockman:
Saya melihat bahwa: sumbangan adalah keputusan yang saya buat dengan istri saya. Kami juga berkontribusi pada komite tindakan-politik super- dari kedua belah pihak。

Saya pikir itu datang sangat cepat. Pada tahun-tahun mendatang, itu benar-benar akan mengubah segalanya dan menjadi bagian bawah dari ekonomi. Tapi tidak diterima sekarang. Jadi kami sangat ingin mendukung politisi yang benar-benar ingin merangkul teknologi ini dan memahaminya。

Tentu saja, pada tingkat yang lebih besar, teknologi itu sendiri memang meningkatkan kapasitas negara kita. Dalam arti, saya seorang pemilih tunggal, karena saya pikir ini adalah daerah di mana saya bisa membuat kontribusi unik. Dalam analisis akhir, bagaimanapun, ini adalah ekspresi dukungan: sebagai sebuah bangsa, kita harus merangkul teknologi ini。

PERSAINGAN INTI UNTUK MASA DEPAN: TIDAK MENGGUNAKAN AI, TETAPI MENGELOLA AI

Alex:
JIKA ADA SEORANG PRIA SEKARANG YANG TAKUT AI DUDUK DI DEPAN ANDA, DIA AKAN BERPIKIR BAHWA AI AKAN MENGAMBIL PEKERJAAN SAYA, MENGHANCURKAN KOMUNITAS SAYA, MEMBUAT DUNIA BERUBAH TERLALU CEPAT

Greg Brockman:
HAL YANG PALING INGIN SAYA KATAKAN: PERGI DAN COBA ALAT-ALAT INI UNTUK DIRI SENDIRI. KARENA HANYA JIKA ANDA BENAR-BENAR MENGALAMI AI YANG ADA SEKARANG AKAN ANDA BENAR-BENAR MENGERTI APA YANG DAPAT DILAKUKAN UNTUK ANDA。

DAN KITA TELAH MELIHAT TERLALU BANYAK PELUANG, POTENSI, DAN PEMBERDAYAAN DARI TEKNOLOGI INI SAAT INI. ANDA HANYA MENGATAKAN APA YANG DAPAT ANDA LAKUKAN DENGAN ITU, KAN? ORANG-ORANG YANG TIDAK PERNAH MEMILIKI SITUS WEB SEBELUMNYA DAPAT MELAKUKANNYA SEKARANG; JIKA ANDA INGIN MELAKUKAN BISNIS KECIL, ANDA MUNGKIN TELAH TERINTIMIDASI OLEH PROSES BELAKANG PANGGUNG, RINCIAN, TAPI SEKARANG AI DAPAT MEMBANTU ANDA DENGAN BANYAK HAL INI。

Jadi saya pikir, untuk hidup Anda sendiri, Anda harus berpikir: Apa itu akan membantumu menjaga kesehatanmu? Dapatkah saya membantu Anda mengurus orang-orang yang Anda cintai? Dapatkah saya membantu Anda membuat uang? Dapatkah saya menghemat uang? Ini semua pilihan realistis。

Saya pikir itu selalu lebih mudah untuk melihat apa yang berubah, tetapi kurang sehingga untuk melihat apa yang Anda dapatkan. Tapi saya pikir itu adalah layak memberikan kesempatan yang adil untuk serius memahami apa yang setiap ujung keseimbangan adalah。

Alex:
OMONG-OMONG, INI JUGA MERUPAKAN TITIK YANG JARANG DIBAHAS DALAM JAJAK PENDAPAT. ORANG-ORANG YANG HANYA MENDENGAR AL TAPI TIDAK PERNAH BENAR-BENAR MENGGUNAKANNYA, ATAU YANG HAMPIR TIDAK MENGGUNAKAN AI, CENDERUNG LEBIH NEGATIF. DAN BEGITU ANDA MEMASUKKAN KELOMPOK PENGGUNA BERAT, BAHKAN PENGGUNA BIASA, PERSEPSI MEREKA TENTANG TEKNOLOGI BIASANYA JAUH LEBIH POSITIF。

Greg Brockman:
Bagi saya, kami telah berpikir tentang teknologi ini selama bertahun-tahun. Dan cara di mana realitas yang saya lihat terbuka sekarang lebih dramatis, lebih berguna dan jauh lebih positif daripada yang kita bayangkan。

Alex:
Pertanyaan terakhir. Jika ada yang bertanya padamu, "Bagaimana aku bisa mempersiapkan masa depan?" Apa yang akan kau katakan

Dan jawabannya tidak hanya "untuk menggunakan alat". Sebab ada seorang teman yang bertanya kepada saya, "Saya tidak tahu apa yang akan terjadi dengan pekerjaan saya, tetapi apa yang akan terjadi pada dunia ini

Greg Brockman:
Saya masih berpikir hal pertama adalah untuk memahami teknologi. Kita telah melihat bahwa mereka yang paling banyak mendapatkan teknologi ini seringkali mereka yang mendekatinya dengan rasa ingin tahu. Mereka benar-benar akan memasukkannya ke dalam aliran mereka sendiri dan mencoba untuk menyeberangi ambang batas awal - yaitu, di wajah kotak masukan kosong, perasaan apa yang harus saya lakukan dengan itu。

Anda perlu mengembangkan rasa aksi: saya bisa menjadi manajer, saya bisa mengatur arah; saya bisa menetapkan tugas, saya bisa mengawasi. Hal ini juga penting untuk benar-benar membawa keluar perkembangan kapasitas tersebut, yang akan menjadi sangat mendasar。

Kami membangun teknologi ini untuk membantu manusia, untuk mempromosikan lebih banyak hubungan manusia dan untuk memberikan lebih banyak waktu untuk melakukan apa yang mereka benar-benar ingin lakukan. Jadi pertanyaannya adalah, apa yang kau inginkan? Dan apa yang benar-benar penting adalah untuk berpikir tentang hal itu dan menggunakannya untuk mencapainya。

Alex:
Tepat. Terima kasih banyak untuk datang ke pertunjukan。

Greg Brockman:

Terima kasih atas undangannya。

Alex:
Dan terima kasih untuk mendengarkan dan menonton. Sampai jumpa di Podcast Big Technology。

[Link video]