影片標題:OpenAI總統Greg Brockman:AI策略、AGI及超級應用程式
影片來自Alex Kantrowitz
照片來自Peggy Block Beats

全国人大代表信息-王 This. 這項計畫長久以AI、科技產業與企業结构的改變為主。

在這次談話中, 布洛克曼並沒有停留在模型容量本身, 而是將問題推向了前進:當AI的能力基本被驗證時, 這項討論围绕OpenAI的產品策略。

這段對話有三種理解方式。

首先,道路收縮。
OpenAI的選擇不是簡單的技術判斷, 而是對現實限制的反應——算術已經成為核心瓶颈。 技術路線開始縮小到兩條最引人注意的方向:個人助理和解決複雜的問題。 這也意味著AI的競爭邏輯正在從"做能做的事"走向"做能先做的事"。

第二,是模式的改造。
引入"超級應用程式"实质上是產品模式的跳跃. AI不再是零散工具集, 它理解背景、稱呼工具、執行任務, 由ChatGPT到Codex,AI逐渐接管了全部工作流程,而人的角色也從執行者轉至调度者——设定目標,分配任務和监督。

第三是節奏的轉折。
如果過去兩年是升級期, 一方面,建模能力從"提供20%左右"跳跃到"覆盖80%左右",直接触发了工作流程的再造;另一方面,AI也參與了自身的進化(优化AI与AI),折叠芯片,應用程式和公司-侧面合力,形成一個持续加速的封闭圈. AI不再是一分科技。

也出現了另一類問題:公眾不信任、工作不穩定、數據中心爭議, 布洛克曼的答案不完全是技術性的 他強調了兩件事:第一,這項風險不能通過「集中化」來解決。

如果過去的問題是「AI能做什麼」。

以下是原文(为了便于阅读和理解,原文已合并):

TL; DR

AGI 已進入「 列出路徑」 階段 :Greg Brockman(OpenAI Co.)認為基于GPT的推理模型已經有了通往AGI的明确路線。

注:AGI(人工一般智能)是指一般人工智能,以及存在一個相当于甚至超过人的能力的AI系統,在绝大多数认知任務中. 和目前的"特殊目的AI"不同(例如影像识别,推荐算法),AGI强调跨任務互操作性和移動能力。

战略趋同:從多行到兩個核心用途:OpenAI將資源集中在「私人助理」和「複雜問題解決」上。

超應用程式為 AI 項目表 :聊天、程式、瀏覽器與知識將整合成一個统一的系統。

依據創用CC授權使用模式能力從"完成20%的工作"跳到"承担80%",迫使个人和企業重整工作方式。

Calculus成為核心瓶颈與競爭焦點:AI需求遠超過供應量, 未來的限制因素並非建模能力。

這是我第一次聽說這件事科技自我加速(AI OPTIMIZATION AI)使工業协同(芯片、應用程式、企業)。

最大的風險不在于科技安全問題不能靠一個主題解決,需要开放的生态和社会基础设施。

个人核心能力正在发生变化:未來的競爭能力並非「執行」。

Q:

Alex (主持人):
今天我們邀請了OpenAI共同創辦人兼首席執行官Greg Brockman, 來討論AI最有可能的機會, OpenAI會如何抓住, 格雷格今天來我們工作室了。

格雷格·布洛克曼(OpenAI主席):
很高興見到你,謝謝你的邀請。

為什麼關掉,空氣? 不足

Alex:
現在是個有趣的時刻, OpenAI 正在暫停影片產生的進步, 將資源集中到一個「超級應用程式」上, 包括我在内, 怎么了

2026年3月, OpenAI宣布其影片製作Sora(包括應用程式與API)關閉。

格雷格·布洛克曼:
這項技術是深入學習的, 能否建立真正幫助人民和改善生活的應用程式。

同時,我們正在做另一條線:部署此科技。 一是支持運作, 二是提前积累現實世界的經驗。

現在我們已經到了一個新階段 我們覺得這科技是可行的 我們正在從基准和一些抽象能力 轉向一個新的階段... 它必須放在現實世界中, 它能通過使用者的回應實際地工作和進化。

所以我更想把這項變化 理解成由技術變化所推动的战略性變化。

這並不是說我們正在從「消费」變成「生意」。 更确切地說,我們問: 當資源有限時, 我們應該给予哪些應用程式最优先? 因為我們什麼都做不了。

哪些應用程式能真正落地, 如果你列出所有的方向, 消費者可以被分解成不同的類型: 私人助理,一個真正了解你的系統, 符合你, 在公司层面,如果你從更高層觀察, 你就可以把它抽象成一件事:AI能為你做嗎

對我們來說, 目前的优先事项非常清楚, 只有兩件事:第一。

問題是我們對目前的計算都不滿足 一旦加入新的應用程式, 所以這是個實際的判斷: 科技正在快速成熟, 影響將要爆炸。

Alex:
你之前提到過一個類比, 有核心能力,然后可以延伸至不同的情景. 迪士尼有米老鼠,可以拍電影,主題公園,迪士尼+. OpenAI的"core"是一种可以用于视频生成,助手和商业應用程式的模型。

但現在,你看起來不是要走這條"全面翻滾"的路 而是要選擇

格雷格·布洛克曼:
其實,我覺得現在是了 但關鍵是:從技術角度看,Sora和GPT其實屬於兩個不同的技術分支. 他們的建築方式完全不同。

問題是, 在目前阶段, 所以我們現在的選擇是 把我們的主要資源集中在GPT路上。

當然,這不代表我們放棄另一方向。 例如,在机器人领域,我們正在繼續研究。 但機器人本身還很早。

相形之下,我們將在未來的一年中看到AI真正在知識领域起飞。

必須強調GPT路線不只是「文字」。 例如,雙向語音互動(speech-to-speech)是此科技路径的一部分,使得AI更加有用和实用. 這些能力在本质上是在同一模型系統內以不同方式調整的。

但是,如果你去 兩種完全不同的科技分支, 這是非常困難的 長期維持它們, 由于計算的限制。 原因就是需求太大了 幾乎每個模特兒都釋放后,人們都想用它做更多的事情。

Alex:
那你為什么不專注世界模特兒呢? 例如,影像模型需要了解物件之間的關係,這對機器人也至关重要。 空氣的進展非常快 為什麼是最後的賭注

注:世界模型注重感知和物理本能,核心是讓AI了解世界是如何運作的,而不只是了解資料的面部模式. 這些模型通常用于描述像Sora這樣的系統: 它不僅是影像或影片的產生,而且也是建模物件(如人,車,光),時間的连续變化(如框架之间的演化)和基底物理模式(如运动,屏蔽和碰撞)的關係. GPT是一種語言與推理模式。

格雷格·布洛克曼:
這方面最大的問題是機會太多。

我們早前發現,在OpenAI,當一個想法在數學上合理時,它通常會流過並取得好結果. 這表示深入學習的底層非常強大, 你可以使用世界模型,科學發現,程序化等。

但關鍵是 我們需要取舍。

過去一直有爭議 文字模型能走多遠? 它真的能理解世界嗎? 我想有答案了 文字模型可以到 AGI 。

我們已經看到了清晰的路徑 今年會有更強大的模型 在OpenAI, 我們最大的痛苦之一是如何分配微积分, 所以,在本质上,這不是一個問題,哪個路線更重要, 而是時間和排序。

我們過去認為有些應用程式是遙遠的, 例如,解決尚未解決的物理問題. 一個物理學家研究了一個問題很久了 把它交給模型 12小時后 我們找到了解決辦法 他說這是他第一次覺得模特兒在思考 這問題甚至可能無法被人類解決。

當你看到這樣的事情, 你唯一的選擇是加倍的賭注和三倍的輸入。 因為這意味著我們能釋放巨大的潛力。

對我來說,這不是不同方向的競爭 但OpenAI的任務是什麼? 我們怎麼帶AGI去世界? 怎麼會對每個人都有好處? 我們看到了這條路,我們知道如何向前走。

輸入 GBT, 而不是世界模型: 路徑選擇到 AGI

Alex:
我想回到你剛才提到的下一代模特兒 但我想先問問這個問題。

今年早些时候我和Google DeepMind的Demis Hassabis談過話。 有趣的是,他說,對他來說, 與AGI最接近的 實際上是他們的影像產生器,納諾香蕉。

Demis Hassabis是從研究到突破性應用程式的關鍵人物之一。 他創造了DeepMind以發展AlphaGo並在2016年擊敗棋手世界冠軍,成為人工智能發展史上的一個里程碑事件。

他的理由是,要產生這些影像和影片,至少要了解世界如何運作。

那意味著有潛在的風險嗎? 如果是這樣的話 OpenAI有沒有錯過其他科技樹上的數字

格雷格·布洛克曼:
如果是真的呢? 我有兩個答案。

首先,當然有可能 這是你必須選擇和下注的地方 OpenAI從一開始就這樣做:我們必須找出通向AGI的道路, 和隨機向量一樣, 最後結果可能接近於零; 但是如果你將所有向量對齊, 它們可以把您引向一個清晰的方向 。

但第二點是影像生成是ChatGPT中非常受歡迎的能力, 我們可以這樣做,因為它不真正屬於世界模型或扩散模型的技術分支, 而扩散模型其實是基于GPT的结构. 所以,當它面對不同的數據分布時, 它在科技的低層核心上也是一樣的。

這只是AGI最令人驚奇的地方之一: 有時非常不同的應用程式, 语音、影像產生、文字處理。

因此,從技術角度而言,我和公司一直在想的一件事是如何盡最大可能协调我們的努力。 因為我們真的相信這項技術會導致全面提升。

這玩意太大了 當然,我們不能做所有的事情 但我們可以做我們該做的。

Alex:
這就是人工總情報部的"將軍"的意思。

格雷格·布洛克曼:
沒錯 那是G。 這才是真正的意義。

Alex:
說到"统一" 這個超級應用程式會是什麼樣子

格雷格·布洛克曼:
我知道超級應用程式是..

Alex:
它把聊天、程式、瀏覽器和ChatGPT集中在一起,對吧

格雷格·布洛克曼:
好吧 我們想要的是一個面向最终用户的應用程式, 它讓你真正體驗到AGI的力量。

如果你想到今天的聊天產品 我想它會演化成你的私人助理 你的個人API 它非常了解你,知道很多關於你的信息,符合你的目標,值得信任,在某种程度上可以代表你在這個數字世界中。

至於Codex,你可以理解:它仍然是主要為軟體工程師設計的工具,但是它正在變成"為所有人設計的Codex"。

任何想創作或建設東西的人都可以使用Codex讓電腦做他們想做的事. 不只是寫軟體,更像是用電腦 就像我讓它幫助我做電腦設置 有時候我忘了怎麼設置熱帶區域 我只是讓Codex來設置它。

這就是電腦應該是的。 他們應該適應人,而不是我。

所以你可以想像一個應用程式 你可以告訴所有你想要電腦做的事 這將包含「電腦使用」和「瀏覽器操作」的能力, 無論你的互動是聊天、寫作程式碼、還是一般的知識工作, AI會記住,會理解你的。

這就是我們要建的。

但老實說,這只是冰山的一角, 表面的部分。 我真正要緊的是 最底层技術的统一。

過去幾年中真正改變的不只是「模型」本身, 也就是說,模型是怎麼有背景的? 它是如何連結到真實世界的? 它能做什么? 當新的環境進入時, 與使用者的互動周期是如何工作的

過去,我們有多套東西, 或者至少有幾套稍微不同的東西。 現在我們把它們拼在一起了 最後,我們會有统一的AI層, 然后,用非常輕便的方式,指向不同的特定應用程式。

當然,你仍然可以做一個小插件,一個小介面, 專門金融服務,專業服務法則, 但大多數情况下你甚至不需要它, 因為超應用程式本身將足够廣泛。

Alex:
這個應用程式既适用于企業,也适用于個人

格雷格·布洛克曼:
是啊,這其實是它的核心。 像電腦一樣 跟你的筆記一樣 是私人用還是工作用? 答案是: 這是你的裝置 數位世界的介面 這正是我們想做的。

Alex:
以非商業的觀點來看 如果我在個人生活中用它 我該怎麼辦? 我的生活怎么了

格雷格·布洛克曼:
我會明白的,在個人生活中, 它首先會繼續你使用ChatGPT的方式。

你現在怎麼用ChatGPT? 事實上,人們已經用它來完成 非常多样和令人驚訝的任务。 有時只是"我要在婚禮上發言" 你能幫我起草嗎? 或者,"你能給我看這個想法 給我一些回應嗎? 且道:"我做些小生意. 你能給我一些想法嗎?"

有些人開始模糊個人與工作之間的界限。 而我的重點是 這些事情都應該被超級利用。

格雷格·布洛克曼:
如果你回想一下查特GPT 它已經進化了。

它以前沒有記憶,對吧? 對每個人來說,這是同樣的AI,從零開始,幾乎和陌生人說話. 但是如果它能記起你過去的相互作用 它會更強大 如果它能取得更多的背景,它可以更強。

例如,它連結到你的信箱,你的行事曆,真正理解你的喜好,有一套更深入的關於你過去經歷的背景资料,並用它來幫助你達到目的. 比如說,ChatGPT已經有一個叫做 Pulse的功能, 它能提供一些你可能喜歡的東西。

所以在個人使用水平上,超級應用程式會覆盖所有這些,而且會做更多的事情。

Alex:
你什麼時候發射

格雷格·布洛克曼:
更确切地說,我們將在今后幾個月中一步一步地朝此方向迈进。 我們所談到的完整觀點將逐步傳達。

例如,今天的 Cordex 應用程式實際上包含兩層:一是可以使用工具的通用智能载体;二是可以寫軟體的智能体。

而這個通用的運輸系統 實際上可以被用在很多其他情形中。 你把它放在电子表格上,在Word檔案上, 它幫助你完成你的知識工作。

所以我們的第一步是讓 Cordex 應用程式對一般知識更有用 因為我們在OpenAI裡看到過 人們開始這樣使用它。

這將是第一步 前面有很多步。

Alex:
我昨天跟你同事談Codex時, 他提到有人用Codex拍攝影片:他自己做了Codex處理影片, 你要這麼做嗎

格雷格·布洛克曼:
我特別喜歡聽這些案子 我們就是希望這個系統能這樣運作 有趣的是: Codex最初是為軟體工程師設計的, 所以對非程序員來說,它并不非常有用. 因為配置中有很多小問題。

開發者知道這意味著什麼 以及如何修復它 我們已經習慣了 但是如果你不是開發商 那你就會說 "這是什麼?" 我從沒看過

但即使如此,我們也看到很多人從未寫過一個程式, 他們開始把它放在網站上, 或者做你剛才說的, 例如,我們通信隊裡有人在Slack和信箱上找到的 這樣它就能處理很多回應 做個很好的合成和合成。

所以現在的情況是 那些非常有動機的人 已經愿意跨越這些阈值 然后得到高回报。

在某種意義上, 最難的部分已經完成。

接著是「輕鬆」部分。

Alex:
在競爭模式方面,Anthropic現在有Claude的應用程式 既有聊天機器人,也有Claude Code 某种程度上,他們有自己的超應用原型。

你覺得呢 安斯羅皮克 你覺得OpenAI會如何追上來

格雷格·布洛克曼:
如果你把12到18個月前放回去 我們一直把"程式化"當做优先區域 我們在編程比賽中取得了最好的效果 但有一件事我們投資不足 是最後一公里的可用量。

也就是說,我們對AI夠聰明能解決所有困難的編程問題。

當時,我們的确落在后面。 但也許從去年年中開始 我們開始很認真地編造了 我們召集了團隊 看看這些差距在哪裡 真實的世界是什麼 複雜的情況 以及我們之前沒有真正接触過的東西。

例如如何建立訓練資料? 如何建立訓練環境? 讓AI真正體驗「做軟體工程」的感覺。

我想我們已經追上來了 許多人更喜歡選擇我們。

當然,我們也知道我們在前期經驗上有差距 我們會填的 但這次我們就這樣走: 不只是做一個模型,而是加入一個外殼; 從開始就把它當成產品。 在做我們的研究時,我們同時想, 「它最终會如何使用? 」 這是在OpenAI內進行的轉變。

所以我的重點是 我們將有強烈的升級浪潮 我感到很興奮。

同時,我們正在補足最後一公里的焦點。

Alex:
自2022年起,OpenAI就成了這個领域的無疑跑者。 競爭已不僅僅是試驗競爭, 你剛才說"我們來了"。

公司的氣氛有變嗎? 也就是說,這不像你過去在像ChatGPT一樣的產品上領導的樣子,但實際上正在進入一個正面的競爭。

有些外界報導可以看到這項變化, 例如公司內會議, 環境和氣氛裡發生了什麼

格雷格·布洛克曼:
我個人說 OpenAI是我最令人不安的時刻 就在我們釋放ChatGPT之后。

我記得在公司的假期派對上 我們贏了 我以前從來沒有這樣過 我的答复是:不,不是。 我們才是弱點。

我們一直都是 包括資本、人力、數據與資源。

為什麼OpenAI會競爭? 某种程度上,答案是 我們從來沒有覺得我們可以安全。 我們總是把自己當成挑戰者。

市場開始顯示這種競爭模式, 其他對手也開始出現。

因為我認為 你永遠不能把注意力放在競爭者身上 如果你只是盯著他們現在的位置看 他們就會在你到達的時候就走了。

許多人一直盯著我們的位置, 相反,它讓我們感到內在的一致和统一。

過去我們幾乎把「研究」和「部署」視為兩種不同的事物; 對我來說,這是一件美妙的事。

所以我想說,這不是我們"穩定"的舞台 或者我們突然陷入危機的地方 你知道,它通常不是像他們說的那樣好,或者像他們說的那樣糟糕。

我想我們一直很穩定 我對我們的行進圖 以及我們所做的研究很有信心 至於產品的結尾,我想我們現在有非常好的能量 你們要一起把這些東西送給世界。

Alex:
你之前已經提到過很多次了, 會有一些強大的新模型。 那是什么

也對OpenAI的內部官員說, 他們幾周內應該看到一個非常強大的模范。 那是幾周前的事了 在團隊內,人們覺得甚至有真正的可能性,可以加速經濟,而且事情的進展比很多人預想的要快。

那么,什么是土豆

格雷格·布洛克曼:
好模范. 但我不認為重點 是真正的一個模型。

我們的研发流程大致上是:第一,先是訓練,即制作新的基礎模型,然后所有进一步的改进都將建立在基礎模型之上。 這往往需要公司內許多團隊付出很大努力。 事實上 在过去的18個月里 我大部分時間都在這裡 支持負責訓練框架的團隊。

之后是學習 也正是如此。

然後是訓練后的程序 在這個階段,你會告訴它 -- 現在你知道如何解決問題了, 在不同的情況下去練習。

最后。

所以我把Spud看成新的基地 新的訓練前模型 我們過去兩年來的研究 已經開始有結果了 會很刺激的。

我認為外界終於感覺到能力全面提升。 但對我來說,這從來就不是一個問題 因為當它出來時,它只是一個早期的版本,我們將要做的。 我們将继续在这一进程的每一步做更多的工作。

我想我們更像是有加速進步的引擎 土豆只是這條路上的節點。

Alex:
你覺得今天的模特兒能怎樣

格雷格·布洛克曼:
我覺得它會解決更困難的問題 變得更微妙 它更能理解指令和背景。

人們有時會說"大模型的味道" -- 這意味著當模型真的更聰明更有能力時,你可以感覺到它. 更符合你的意圖 更符合你的需要。

當你問問題和AI不理解你的意思時, 你總覺得你應該想出辦法。

所以我想說,從某种意义上說, 有很多"質量"合在一起。 一方面, 你曾經厭倦使用AI 因為它不可靠 現在你要使用它了。

我想這會是一團糟的改變 我尤其期待看到它如何繼續提高能力上限。 我們在實驗研究中看到了它的表現。

同時,我期待看到它如何提升電源阈值。 - – 所以不管你想做什么 都比今天有用多了。

Alex:
但一般使用者不總是容易感受到這個改變。 例如在GPT-5之前, 直到那時,才明白,在某些具体工作上,它非常有力。

所以,對下一代來說,你認為這會在某些專業場景中更清晰地感受到嗎? 還是會成為一個更直覺的,普世性的推廣

格雷格·布洛克曼:
我覺得故事還是很相似的 模型公布後,一定有人開始想,"這正是我之前所看到的白天和夜晚的區別. 但有些應用程式並非「智能」瓶颈。 所以如果你只是讓模特更聰明 也許在這些地方 使用者不會立刻感覺到不同。

但隨著時間流逝,我想我們都會感覺到改變 因為真正的變化是 你將如何開始依靠這個系統。

如果你想想想我們現在如何與AI交換, 每個人都有心理模型 它能做什么。 而這個心理模型並沒有很快的變化. 通常有經驗 偶爾會給你做一些驚人的事 而你突然意識到它能做到 而我沒想到它能做到。

我們在取得醫療資訊方面看到過這樣的事情 我有個朋友用ChatGPT來理解 他對癌症的不同治療 醫生之前告訴他已經很晚了, 但是他用ChatGPT研究了很多不同的想法,最后他真正找到了解藥。

在這個情況下,前提是你必須對AI在這個場景中的幫助能力有一定的信心,你愿意付出如此大的努力從系統中提取价值。

所以我們接下來要看到的是 在任何相似的應用情況下 AI都能幫助你。

科技本身變得更強大。

Alex:
這意味著你會越來越倚賴它 在OpenAI內, 您也在發展一個自動的 AI 研究者, 那是什么

AI在"打倒"的初期

格雷格·布洛克曼:
我認為目前我們已處於科技飛行的初期。

Alex:
什么意思

格雷格·布洛克曼:
就像AI在指数曲线上越來越強大 部分原因就是我們可以用AI來幫助我們改善AI本身,所以整個过程正在加速。

但我覺得,所谓的"飛行"不只是一個技術方面的问题,而是釋放真實世界的影響力. 許多科技發展都像S曲線; 如果你在更长的時間範圍內看到多個S曲線。

我想我們到了這個階段 也就是說,科技本身的進步速度越來越快,進步的引擎正在积累動能。

同時, 外界亦有許多風化因素:芯片開發者得到更多投入;很多人在頂端做應用程式。

所有這些能量都在增長。

而且不只是我們牆上發生的事 這關乎整個世界, 整個經濟。

Alex:
這個"研究者"到底做什麼的

格雷格·布洛克曼:
「研究者」(RESEARCHER)一词主要意味著。

需要考慮的是, 這不意味著我們把它熄滅 讓它跑一陣子 然后回來看看它是否有效。

我想我們仍會非常深入地參與其管理 就像現在,如果你帶一個低級研究者, 如果你把他一個人吊死太久, 他可能會走上一個沒有多大價值的道路。 但是,如果有一位高级研究员,或者一個真正有方向感的人,不需要自己掌握所有的操作技能,那么他仍然可以就他制作的作品提供连续的回馈,評論和方向指引:我到底要你做什么。

所以,我所理解的是,我們正在建造的系統是一種机制,它能大幅提升我們的輸出模型的速度,推动新的研究突破,使它們在現實世界更加有用和有用. 一切都將以增速發生。

Alex:
它到底能做什么? 你會對它說"去找AGI" 然后它會試試嗎

格雷格·布洛克曼:
某种程度上,我明白,至少第一個意思 但從更實際的觀點來看,我理解這意味著 我們的一個研究科學家 盡可能地移到硅基系統。

Alex:
人工智能從進步進步走向動能的积累。

你是否擔心,正如事情可能往正確的方向走, 這種進步本身可能失控,可能會有偏見

格雷格·布洛克曼:
我想,當然,沒有疑問。 我相信,為了得到這項技術的益惠, 它必須伴有對其風險的認真思考。

如果你看看我們的技術發展方法 你會發現 我們在安全與保護方面投入了很多 一個好例子就是即時攻擊 如果你要成為一個非常聰明,非常有能力的人工智能, 并且可以使用很多工具, 你當然要確保它不會因為提供奇怪的指令而被推動和操控。

這正是我們所投入的精力, 我想我們已經取得了非常好的成果。

有趣的是,有些問題其實和人類相似。 也有可能被誤導。

我們會把這些類似物 帶到我們自己的研发中去 每一次我們出版一個模型,开发一個模型,我們就想知道: 我們如何確保它真正符合人類的目標, 這是我們非常關心的一件事。

當然還有更嚴重的問題, 人們怎麼能從這個技術中获益呢? 不只是技術問題 也不是OpenAI問題 以及確保科技能帶來與潛力相應的正面效果。

Alex:
問題是 看起來像是場比賽 OpenAI也會很快被許多開源玩家复制。 在安全邊界和保護措施方面。

我記得你之前所說的,大意是創意成果需要很多人做正確的事;但破壞性成果可能只需要心懷惡意的人。 那是我最擔心的地方 因為這很明顯是種族, 你的很多同事都說 如果大家都同意停止的話 他們會停止的 但現在似乎沒有減速的迹象。

值得冒險嗎

格雷格·布洛克曼:

我覺得回報很值得 但我也覺得太粗糙,太一流了。

從OpenAI一開始 我們就問 "什麼是美好的未來?" 這項技術怎麼能真正改善所有人的生活

你可以把這個分成兩個角度 以「中心化」為觀點, 這樣就不會有競爭壓力了 你可以慢慢小心地把事情做好 當你準備好時 決定如何把事情交給所有人 當然這點子可以理解。

而另一條路,也就是我們最喜歡的路, 是想著"抵抗"。 許多參與者都在推廣科技發展, 但重點不只是科技本身。

你可以考慮一下電力的進化 電力也由許多不同的人和机构產生, 電力安全標準、使用規則與規定大小不一。 在非常大的规模上,也有具体的管理要求。 許多人可以民主使用電力。

我想艾爾也是一樣的 我們真正看到的是, 如果這科技真的來了 改變了每個人的生活 那么人們一定會參與其中 不能讓一小群人秘密推動和決定。

所以對我來說,這一直是一個非常核心的問題:這項技術應該用什麼方法? 我們真正相信的是,這是一個围绕科技發展而演化的「回應性生态系统」。

Alex:
所以你的意思是 我們正在"飛翔"中 我們都在其中 年輕的韋達CEO黃仁勳最近表示, 你同意嗎

格雷格·布洛克曼:
AGI對不同的人有不同的定義 很多人都認為今天的科技已經是AGI了。

這東西可以辯論 但我覺得真正有趣的是 我們現在的技術 仍然非常"不穩定" 有明顯的錯誤。

很多任務中 就像寫密碼 絕對是超人 艾爾能做到, 但同時,也有一些非常基本的事物,人類可以輕而易舉地做,AI仍然可以工作。

你從哪划線的? 從某方面來說,它更像是一種感覺,一种判斷的氛围, 而不是科學在這個時刻可以严格定義的問題。

所以對我來說,我想我們顯然正在經歷這一刻。 如果你在5年前的今天給我看這些系統 我會說:「是的,這就是我們說的。 只是現實看起來和我們想像的完全不同 和我們想過的形狀不同。

所以,我想我們需要 調整我們的心理模型。

Alex:
你是說還沒有

格雷格·布洛克曼:
我想大概是70% 80% 所以我覺得我們很接近了。

我認為有一件事是完全清楚的: 在接下來的幾年里,我們肯定會遇到AGI. 它的性能可能仍然"斜",并不完全平滑和完美. 但是它完成任務的能力的下限會提高很多 我幾乎可以做任何需要你在電腦上做的事。

所以現在我不得不給一些一些不确定性, 因為這就像某种"不确定性原理"—— 你可以從不同的定義來爭論它。 但根據我的定義 我們快到了 再往前一點,它肯定在那里。

重要轉折:由20%到80%接手

Alex:

2025年12月發生的事 因為這看起來像是一個轉折點, 「讓機器不斷地寫數小時的密碼」

然后呢

格雷格·布洛克曼:
在當時新模型發行後,AI能完成的任務比例是您作品的20%左右,並升至80%. 這是個非凡的變化 因為它不再只是"一個很好的小工具"了, 而是... 你必須重新組織你的工作流 围绕這個AI。

就我個人而言,我有很典型的感覺 這些年來,我有一個測試提示:讓AI為我建立網站. 我研究程式時自己做的 我花了好幾個月。

在2025年,需要4小時和几輪小費 才能做得很好。 但12月,我只問了一次,艾爾做了一次,很好。

Alex:
這些模型是怎麼做到的

格雷格·布洛克曼:
原因大多在于基模本身已變得更強大. OpenAI一直在提升其前期訓練技能。 在那時候,我們第一次看到 一年中會發生什麼 但与此同时,它不只是一分的突破。 更确切地說。

這些模型有趣的是, 從某种意义上說, 你感覺它們已經一勞永逸地"跳"了, 但從另一角度來說, 它實際上是一個连续的演化. 不是突然從0%跳到80% 而是從20%跳到80% 所以在某種程度上,你可以說它只是越來越好。

我認為這項進展繼續於每一個小更新中。 例如,從5.2到5.3, 我有一個非常親密的工程師, 他不能得到模型做它。 他負責的那種底部硬核系統工程, 但是有了新版本。

所以我想說,這更像是"低調的進步, 突然隨處改變" 但現在工作的能力已經預測到了這一切 在最晚的一年中,很多事情,有些甚至更快,將變得非常可靠。

Alex:
你也很驚訝嗎? 因為我記得不久前 你在一次訪談中說 Codex,一個自動編程工具, 是給軟體發展者的。 但就在今天的早些时候,你說,這些工具是可供所有人使用的。

你為什麼改變主意

格雷格·布洛克曼:
其實我一直在用 Codex 來理解寫作的代碼 畢竟,它的名字裡有一種代碼,它自然地被看作是程序員的工具. 在OpenAI內,很多人自己都是軟體工程師, 我們在為自己建設工具, 所以這很自然。

但隨著科技的進展, 我們開始意識到一件事: 我們真正製造的底部科技。

重點是管理環境、設置實施框架, 而當這發生,即使是在編程場景, 突然間,它意味著任何人都可以存取它。 因為你真正擁有的 就是一個可以為你實施的系統 只要有远见,就有目標可以完成,你可以描述你的用意,AI可以做到,也可以做到。

但這也會讓你問為什麼我只看"非程式"或"程式化"的區別. 實際上有很多工作, 基本上只是某种机械技術。 例如,Excel格式,比如演示文稿. 如果AI已經有足够的上下文和原始的智慧,它實際上可以做得很好。

所以,如果我們把它更近,更友好, 它從"Codex是給程序員的"到"Codex是給大家的"。

Alex:
現在我們看到了波的進展 硅谷還有一個幾乎沉默的現象: open Claw, right? 更廣泛地說, 整個技術圈開始以你剛提到的方式信任AI, 例如把桌面控制權交給AI機器人。

後來OpenAI招募了OpenClaw的創始人. 所以,你能告訴我更多關於 幫助你管理你生活的 al? 帶上開放法隊 這就是它背后的幻象嗎

格雷格·布洛克曼:
我想說,這個技術的中心點是 找出它的真正作用,人們想要如何使用它, 智慧體體的觀點是什麼, 以及它是如何進入人們的生活的, 問題本身很困難。

這幾代科技進化中, 我一再看到一件事, 就是那些真正愿意深入參與、好奇與想像力的人。

彼得,開放克勞的創始人, 在我看來, 他有巨大的想像力和巨大的創意冲動。 所以, 某種程度上, 此事與某種技術有關, 真正要緊的是 我們如何把這些能力嵌入人們的生活中 找到他們真正屬於的地方。

所以作為一位技術家, 這當然是令人興奮的; 但作為真正關心如何向使用者提供實際價值的人。

Alex:
你最近有個有趣的說法 你說當你開始和這些自主的AI智能人合作時 你成為了數以千計的智能人的首席執行官 他們完成你的目標,你的夢想和使命 你不再困在如何解決特定問題的細節中。

但你們也說, 從某种程度上來說。

格雷格·布洛克曼:
那是好事嗎? 我覺得這是取舍。

所以,我想我們需要做的是,一方面,認清這些工具能帶來的真正力量,另一方面,最大限度降低它們帶來的弱點。 例如,給人更大的影響力和更大的行動力——如果你有远见和你想做的事情,你可以动员整個智慧的船隊為你做,這絕對是強大的。

但是如果你想到世界的運作方式 總會有人負責的 假設你在做一個網站, 你的聰明人把事情搞砸了, 最後影響了使用者, 這不是聰明人的錯, 而是你的錯. 所以你得關心這件事。

我相信任何想真正使用這些工具的人,都必须明白人的流动和人的责任是系統的核心成份. 人們如何使用AI,它本身非常根本。

所以,我認為最重要的事情是,作為這些智慧體體體的使用者—— 我們在OpenAI體內—— 你不能放棄責任。 你不能只說"艾伊會自己做"

Alex:
好 但你剛才說的是"我感覺我的脈搏快斷了" 這不像"責任"。

格雷格·布洛克曼:
對我來說 兩者其實是聯系的 因為重點是,如果你是首席執行官,但你離這些細節太遠了, 就像你帶了一支隊伍,經營了一家公司, 你失去了你對一線狀態的感覺, 這通常不會有好結果。 所以我現在想說的不是 "人類終于什么都不知道" 是值得追求的。

當然,有些細節可以讓人放心 就像你找了個承包商來建你的房子一樣 有很多細節你可能不用看 因為你們互相信任來照顧它 但總而言之 如果某些關鍵細節有問題 你還是該關心和知道。

所以有一個很重要的區別: 你不能盲目地說, 「我愿意失去這種肯定感」。 我仍需要保持這種感覺。

當你開始從更低、更机械的東西中拔出的時候 你應該可以做到 因為你已經建立了對系統的信任 以确保它能做到。

Alex:
最后一個關於模特的問題 你剛剛提到模式進化的路徑:從前期訓練到微調。

現在我們正處於一個 模特兒學習用工具的阶段 如果我理解正确,下一步是什么

格雷格·布洛克曼:
我想我們所生活的世界 是深化和擴大機能的世界 部分與工具使用有關, 例如, 如果AI已經可以操作一個「電腦」。

但同時 我們必須在機器上增加很多基础设施 例如,在商業環境中,身份和權力管理如何? 調查線索和可觀性呢? 要赶上模型底部容量的發展。

在總的方向上,我想它會包括一些 像是"非常自然的聲音介面"。 也就是說,你可以像現在那樣自然地對電腦說話, 它能真正理解你,做你需要的事,并提出有价值的建議。

比方說,這是一個正面的提醒 你一直推的東西卡住了, 問題就在這裡。 或者當你早上醒來時 它會告訴你 這是你的每日簡報 你聰明人昨晚做了多少工作。

也許它已經為你經營了一項生意 我想這將是這項技術的一個巨大应用。 企業民主化絕對會發生。 它會告訴你這些地方有些不對勁 有個客戶現在不開心 他想跟一個真正的人談話 你最好自己處理 后果如是。

包括人類能挑戰的目標上限, 我們現在已經看到了這個潮流的第一線。 最令人激動的是,它几乎可以和AlphaGo的第37隻手相提并論——這一招是人類從來不出來的,很有創意,它改變了很多人對遊戲的理解。

這在每個领域都發生 在科學、數學、物理、化學、材料科學、生物、醫學、醫學中, 以我們今天無法想像的方式。

Alex:
但如果模特兒像你說的那樣強壯 為什么還沒發生呢

格雷格·布洛克曼:
我想裡面有一種"弱能力"—— 模型的真正作用和人們如何真正使用它們之間有很大的距离。 某种程度上,我們對模型中的東西的理解正在增加。

因此我認為即使科技從今以後沒有繼續進步, 世界仍會有巨大的變化。

但也有另一個原因:我們最擅長的, 所以我們從數學、程式開始, 因為這些任務都有非常清楚的證詞:答案是肯定的, 過去這段時間, 我們通過拓宽可以考驗和评价的範圍。

AI能幫上忙 如果AI夠聰明能理解任務, 但像創意寫作這樣的工作 很難得分 比如"詩寫得怎麼樣?"。

所以,我們曾經在這種場景中, AI更難真正學習 通过不停的試圖和回應。 但一切都在變化 我們已經很清楚地看到了下一步的道路。

Alex:
真有趣 彼得 Thiel早前說 如果你數學好 你可能會受到這些模型的影響 而不是言論上的影響 你是數學俱樂部的成員 你不擔心嗎

格雷格·布洛克曼:
我想人們總是更容易看到他們失去的東西,而不是他們擁有的東西。 因為我們有很深的經驗 我過去如何做到的 我以前參加數學比賽 現在AI可以參加數學比賽了 但問題是 從來就不是數學比賽本身 對吧? 這不是推动人類進步的核心。

如果你看一看我們的工作方式——坐在一個盒子前,打到另一個盒子——我們在一百年前不是那樣生活的。 這不是自然狀態,也不是我們所介入的世界。

那不是人類的本質 出席、出席、與他人聯系。

我想我們將看到的是,AI會釋放大量時間, 給人類更多機會。

我很興奮。

Alex:
好吧。 外界也開始討論問題: 未來還得繼續訓練嗎

尤其是當模型夠好的時候,你似乎可以把它帶入現實世界,然后在很多非依赖性的前訓練中得到很多的提升. 而那些真正需要超數據中心支持的 大多是經過訓練的。

你一直負責擴張和宣傳 你怎么看

格雷格·布洛克曼:
我認為這個聲明忽略了科技進化中的一個非常重要的點。 實際上, 所以你會希望一切變得更強壯。

我們看到的是,一旦前期訓練變得更強大, 這說得通 因為模型從開始就更有能力,它學得更快;當它試圖改變想法,從自己的錯誤中學習時,它的速度也更快,犯錯的也更少。

所以真正的變化不是說我們從「訓練一個完全封闭的自我編程系統」到「向現實世界展示」。 也應該試著瞭解人們在現實世界中如何使用, 但這並不減少繼續推進這部分研究的價值或重要性。

我認為還有另一個變化:過去, 我們主要專注於提升訓練前期的原始能力, 過去24個月來。

也就是說,你可以有一個非常強大的底部模型, 但是它也必須足够高效地推測和實際操作。 因為你想學到更多 并真正將它部署在現實世界, 這要求它具有高度的投机性。

這也意味著你不一定將訓練的範圍推向 最大的理論水平, 因為你也必須考慮後來大量使用。

你真正想要的是智商和成本之間 最好的乘數點 而不是只优化一個維度。

Alex:
如果未來主要靠推測 你是否不再需要Nvidia的GPU

格雷格·布洛克曼:
當然。

Alex:
為什麼

格雷格·布洛克曼:
原因很多。

超大規模訓練的問題仍只能集中在一個問題上。

所以我認為在未來更可能發生的是, 部署方的計算比會大增; 但同時。

我認為Nvidia的隊伍真的很出色 他們做的很棒 所以,是的,我們和他們非常密切地合作。

Alex:
會不會有一天人們會說 "我們已經訓練夠了 模特們夠聰明了"

格雷格·布洛克曼:
我想這有點像說 "也許我們可以說 當人類解決了他們面前的所有問題" 但我覺得我們想要做到的 實際上是天花板要高得多。

過去50年來,我們對很多目標的企圖 已經有所退縮。 例如,有些問題似乎非常清楚, 這不僅僅是「治療問題」, 這些問題,我想,實際上可以用更聰明的模型解決。

當你問:我需要兩倍的智慧模型嗎? 但同時,必須有其他的問題 需要更高的智慧。

不是成本 而是收入引擎

Alex:
我們來談談這些數據中心背后的數字 今年早些时候你們募集了1100億美元 數學是怎麼工作的? 這些錢會直接送到數據中心嗎? 你覺得你以後怎麼把錢還給投資人? 說說這些計算。

格雷格·布洛克曼:
我想這很簡單:我們目前最大的支出是權力。 但你不能只把數學當成一個成本中心 更像是一個收入中心。

你可以想像它是一個銷售團隊。 你要付多少? 只要你的產品被賣掉 只要有一套机制可以賣出去 你雇的越多 收入就越高。

我們的計算速度無法跟上需求增長, 我現在能感受到這一點了 我們必須做出非常痛苦的決定。

我認為這將在更廣的层面上發生。

未來真正的問題是: 哪些問題能達到質量? 你如何擴展它 讓每個人都有個人智慧? 你怎麼讓大家使用像Codex這樣的系統

這世上沒有足夠的天賦來維持這些事 所以我們提前做好了準備。

Alex:
但這是個全新的類別,對吧? 你下注的確性很強, 當您建立新的類別時, 您怎麼確定它會被建立

格雷格·布洛克曼:
我想有几种成分。

首先,已有歷史先例。 從ChatGPT發行的那一刻起, 有人問我 "我們該買多少錢?" 我說 "全部" 其他人問,"不,說真的,是多少? "我說,"不管我們建築,我知道我們不能跟上要求。

從那以后的每一年 都證明了這一點 問題是這種計算器通常會在18個月前上鎖, 也就是在機器交付之前 你得做出判斷 這意味著你必須大力前進。

而我們正走向的世界是,到目前为止, 我們的大部分收入 都來自消费訂單, 而這個未來將仍然非常重要。 當然,我們也在產生其他的收入来源。

但現在。

幾乎每個企業都開始意識到這項技術真的很有用, 你可以看到這個非常自然的驱动器, 它已經被大量軟體工程師使用; 然後它開始被廣泛地傳播, 人們在經營地圖上使用它。 以及你所看到的收入增長。

現在就這樣了 你只要向前推 我們可能比外界看到的更清楚的是 這些模型會如何進展。

放在一起,你會發現: 經濟本身是巨大的 幾乎不可想象的事情 從現在起,這個經濟中最高的增長因子是AI——你能多好地使用AI,能多好地推动它。

Alex:
你剛說 收費還是你最大的收入来源 你的判斷是否意味著 今后 生意將是最大的收入来源

格雷格·布洛克曼:
現在我很清楚 這家企業正在迅速發展 當然,"企業"這個詞本身已經變了 因為它真正指向的是人們在生产性知識工作中使用AI。

就價格而言 我覺得分類不會像以前那么清楚 比如說 Codex 的用法是 如果你有ChatGPT 的用戶訂閱, 你可以使用 Codex 。

所以我不認為未來會是B和C的分別 更可能,作為一個使用者,你將有一個單一的入口, 就像你的電腦,這是你通往數位世界的入口。

而真正的收入來自于此。

Alex:
達里歐說了一件事,我想他可能在談論你:有些球員把風險太大,他非常擔心. 我想他指的是你對基礎建築的巨大影響 你怎么看

格雷格·布洛克曼:
我不同意 我想我們已經非常小心了 我們知道接下來會怎樣 如果我們單獨觀察今年。

我想我們剛剛意識到 這比其他人早 并開始為科技的發展做準備。

許多其他參與者可能於去年底意識到。

所以我覺得這樣說很容易 但現實是大家都明白這科技是可行的, 軟體工程只是第一個清楚的例子。

真正限制我們的是計算能力。

Alex:
他也說如果他的預言稍有不同 他的公司可能會破產 你們有同樣的風險嗎

格雷格·布洛克曼:
我覺得還有更多"出口" 如果你開始考慮下一步... 我覺得這很合理... 然後你會發現 從某種程度上說 賭注從來不在公司。

這真的是全業的賭注 你相信這項技術可以製造嗎。

我還是要回到最直接的證據點 軟體工程(Software engineering)——如果你不是軟體工程師,而且你並沒有真正使用 Codex——很難理解這段經驗是怎麼不同的。 很難形容這區別 但我覺得人們很快就會感覺到。

六個月前,這種感覺只發生在我們身上, 半年后,我想每個人都會感覺到 然後我們都會感受到另一個痛苦: 有一些很棒的模型,但你根本不能使用, 因為世界上數學不足。

Alex:
是的,但當我們在節目上作出2026年的預測時, 去年年底發生了討論, Ranjan Roy也在場, 他說2026年將是「每個人都在用智慧」的一年。 我當時的反應是,我不會相信,直到我親眼看到它,並開始使用智慧。

格雷格·布洛克曼:
現在,這不是我們已經達到的那一刻嗎? 你現在要拿它做什麼

Alex:
我會用它來設置工具, 幫助與我合作的人, 我也會聯系YouTube上的一些資料, 總之,這是我自訂的軟體 如果是傳統的 我可能不會付錢。

我想這才是最有趣的 這個軟體是供大量製作的, 但正因為如此,它總是有很多空間 不是為你製造的。 也許AI帶來的改變 是它終於讓我們能 以更自然的方式處理軟體。

格雷格·布洛克曼:
我想這就是重點 有一件事我一直在想,就是我們今天建造電腦的方式, 實際上把我們拉進一個數位世界。

你想想你花了多少時間刷手機 想想你花了多少時間來保持各种按鈕 讓這個系統連接到這個系統 - 為什麼你必須自己來做? AI真正應該做的是讓機器更接近你,使其更切合你,理解你想要做的事。

我們的傳統文化中 你總是可以直接對電腦說話 然後它會為你做 現在它變成了現實 它真的變成了你能做的 這個變化有多神奇 多少次你必須自己試著去理解 所以我覺得我們正處於一個特殊的时刻。

Alex:
那為什麼艾爾在公眾面前這麼糟糕? 美國人認為AI會對社會造成負面影響。

你覺得幕後主使是什麼? 你擔心AI的公眾形象嗎

格雷格·布洛克曼:
我們必須做一件事:讓這個國家的人民看看AI為什麼對他們有利。 不只是宏观经济學, 不只是推动GDP增長的詞, 而是如何真正改善他們的生活。

我每天都聽到很多非常具体的故事。 例如,有一個家庭的孩子 一直有頭痛和其他的健康问题, 但核磁共振從來沒被批准。 然後他們用ChatGPT來研究症狀, 他們做了,他們發現孩子的大腦裡有肿瘤 因為他們通過ChatGPT得到了正確的信息 最後一個孩子被救了。

只是個故事 其事甚多. 人民的生命因此科技而得到了深刻的改善,甚至挽救了自己的生命。 關鍵是他們真的與這個技術有合作關係。

但我不覺得這樣的故事能說出來 但並未真正成為主流故事。

我注意到流行文化, 尤其是從1990年代開始的想像力, 但一旦人們真正開始使用人工智能,他們就會發現它有用且有幫助。

所以我在乎一件事:我們並沒有真正成功幫助人們理解這一波科技為何改善他們的生活。

這對我很重要 如果你再放大一點 看看AI為什麼如此重要 我覺得它會成為經濟力量和國家安全的重要源泉 而是國家的竞争力。 其他國家如中國。

所以,是的,我想這很重要。 我們必須看看, 我們必須真正想出 如何讓所有人分享這項科技的惠益。

Alex:
但我們也處於一個非常不穩定的時期。 人們擔心工作 每次我和別人說話,AI,他們幾乎問,"我能保住工作多久?"

更糟糕的是, 數據中心對環境、家庭能源成本及周边居民的生活质量有負面影響。

我們正處於一個好工作愈來愈難找到的時刻, 人們看到數據中心進入自己的社區。

他們錯了嗎

格雷格·布洛克曼:
我想數據中心有很多錯誤。

典型的例子是水。 如果你真的看看我們在阿比林的設施 這是世界上最大的 或至少一個最大的 超級電腦 它花在水上一年 相当于普通家庭的一年 换言之,用水量几乎可以忽略不计。

但外界傳來大量不實消息。

電力差不多 我們承擔自己的成本, 因為改善當地社區確實很重要。 當我們建立數據中心的時候, 我們真的進入了這些當地的社區, 知道地上發生了什麼, 以及我們能做些什么來幫助。 數據中心會產生稅金, 這能帶來很多利益。

所以我覺得這還是關於我們的外表 這是我們非常認真的責任。

Alex:
好吧,但如果你不提高 電費,你必須得到它, 這可能意味著更多的污染。 那不是問題嗎

格雷格·布洛克曼:
我認為里面有很多細節。

如果你看看今天的電網運作方式, 你會發現實際上有很多「無線電」, 同时,傳輸系統本身也需要更新. 這些升級的費用必須由我們來承担, 許多地方都有乾淨能源。

當數據中心需要進入時, 這項提升實際上會給社區帶來真正的利益。 例如北達科他州(North Dakota), 我們已看到當地數據中心的建設。

Alex:
好吧,最後一個政治問題。 你向馬加公司捐了2500万美元 一個支持特朗普的政治行動委員會。

格雷格·布洛克曼:
你之前跟Kara談過這個。

記者Kara Swisher是美國知名科技記者。

Alex:
好吧 你說,"我會做任何能讓這個技術真正為所有人效勞的". 無論你是單一選民還是單一選民捐贈者 都無所謂 但對於這個「單一問題」陣營而言, 難道不該是「使這個國家更強大」

即使候選人不百分之百支持你的工作, 如果有,那是你的一部分

格雷格·布洛克曼:
我看到了 捐款是我和我妻子的決定 我們也為兩黨的超政治行動委員會出力。

我想它來得很快 這將真正改變一切, 但現在不歡迎了 所以我們非常想支持那些真正想接受和理解此科技的政客。

科技本身也正在提升我們國家的能力。 因為我認為這是我能做出獨特贡献的地方。 但總而言之, 這是支持的表示。

未來的核心能力:不使用AI,而是管理AI

Alex:
如果現在有人害怕AI坐在你面前 他會覺得AI會奪走我的工作 毀掉我的社區 讓世界變化太快

格雷格·布洛克曼:
我最想說的是 去試試這些工具 因為只有你真正體驗到現在存在的人工智能 你才能真正理解它能為你做什麼。

今天我們從科技中看到了太多的機會、潛力和權力。 你剛剛說你能用它做什麼,對吧? 過去從未有網站的人現在就可以做; 如果你想做小生意, 你可能會受到後台流程、細節的威脅。

所以,我想,為了你自己的生活,你應該想: 這能幫你管理健康嗎? 我能幫你照顧你愛的人嗎? 我能幫你賺錢嗎? 我能幫你省點錢嗎? 這些都是現實的選擇。

我認為看到什麼變化總是容易的 但看你得到什麼就更少了 但我覺得值得給它一個公平的机会 認清平衡的方方面面。

Alex:
也很少在民調中討論, 有些人只聽過人工智能, 當你進入一群重型的使用者, 甚至普通的使用者。

格雷格·布洛克曼:
對我來說,我們已經考慮了多年了 而現在我所看到的現實的發展方式 比我們想像的更加戲劇化,更加有用,更加正面。

Alex:
最後一個問題 如果有人問你 我怎麼能為未來做準備 你會怎麼說

答案不能只是"用工具" 我 曾 有 一 個 朋友 、 問 我 說 、 我 的 工作 、 怎 樣 、 世界 怎 樣 、 怎 樣行 呢

格雷格·布洛克曼:
我還是覺得第一件事就是了解科技 我們已經看到那些真正從此科技中获得最多的人 常常是那些好奇地接近它的人。 他們會把它放進自己的溪流 試圖突破開始的门槛 也就是在空白的輸入盒面前 我該怎麼處理它。

你需要建立行動感:我可以做經理;我可以定方向;我可以分配工作;我可以監督。 這種能力發展也非常重要。

我們建立這項技術是為了幫助人性, 所以問題是,你想要什么? 而真正重要的是思考它,利用它来实现它。

Alex:
沒錯 感謝你來演出。

格雷格·布洛克曼:

謝謝你的邀請。

Alex:
感謝你聽和觀察 下一期《大科技》。

[视频連結]