رئیس هوش مصنوعی مایکروسافت می گوید ابر هوش نزدیک است، اما کار شما را نمی گیرد

امروز با مصطفی سلیمان، مدیر عامل مایکروسافت هوش مصنوعی صحبت می کنم. و من در واقع قصد دارم مقدمه امروز را کوتاه نگه دارم - همانطور که در ویدیو خواهید دید، این هفته در مزرعه خانوادگی همسرم کار می کنم، اما همچنین این یک قسمت واقعی است. ما همه چیز را پوشش دادیم، از رویکرد مصطفی برای آموزش مدل‌های جدید تا انتقادات او از آنتروپیک که درباره کلود به‌گونه‌ای آگاهانه صحبت می‌کرد. البته، ما همچنین در مورد رابطه مایکروسافت با OpenAI صحبت کردیم، اینکه مصطفی چگونه در مورد همه نظرسنجی‌های منفی و فشارهای سیاسی در مورد هوش مصنوعی در حال حاضر فکر می‌کند، و اینکه آیا هیچ یک از محصولات مصرفی برای غلبه بر آن به اندازه کافی خوب هستند یا خیر. همانطور که گفتم، این یک مشعل است. خوب: مصطفی سلیمان، مدیر عامل مایکروسافت هوش مصنوعی. در اینجا ما می رویم. این مصاحبه برای طولانی بودن و وضوح کمی ویرایش شده است. مصطفی سلیمان، شما مدیر عامل هوش مصنوعی مایکروسافت هستید. به رمزگشا خوش آمدید. خیلی خوبه که دوباره با شما هستم من بسیار هیجان زده هستم که با شما صحبت کنم. مکالمه قبلی ما یکی از گفتگوهای مورد علاقه من بود - در مورد هوش مصنوعی، اینکه چه احساسی باید در ما ایجاد کند و برای چه چیزی است - که در تمام مکالماتی که داشته ایم.  تغییرات بزرگی در مایکروسافت وجود دارد، شاید بازهم متنی بسیار مهمی در مورد احساس مردم نسبت به هوش مصنوعی که می‌خواهم به طور خاص با شما صحبت کنم. و سپس مایکروسافت بیلد، کنفرانس بزرگ توسعه دهندگان مایکروسافت، که تعداد زیادی از اعلان‌های جدید و ایده‌های بزرگ زیادی در مورد اینکه کامپیوترها برای چه کاری هستند و شاید کجا باید باشند که من می‌خواهم وارد آن شوم را به نمایش گذاشت. بیایید از همان ابتدا شروع کنیم. این برخی از چیزهای عمیق رمزگشا است که قبل از بقیه چیزها مهم است. از زمانی که به مایکروسافت پیوستید، نحوه عملکرد هوش مصنوعی را در آنجا بازسازی کرده اید. نقش شما تغییر کرده است. آخرین باری که با شما صحبت کردم، شما مسئول دسته ای از محصولات مصرفی بودید. که از آن زمان کنار گذاشته شده است. اکنون در حال آموزش مدل های جدید هستید. شما در مرز هستید  توضیح دهید که اکنون هوش مصنوعی مایکروسافت چگونه ساختار یافته است و چگونه در داخل مایکروسافت ساختار یافته است. حدس می‌زنم در حدود 15 تا 18 ماه گذشته ما در این سفر بوده‌ایم تا رابطه خود را با OpenAI دوباره برقرار کنیم و یک دقیقه طول کشیده است. من فکر می‌کنم با قرارداد جدیدی که در اکتبر سال گذشته انجام شد، به اوج رسید. و مفاد مختلف بسیار زیادی در آن وجود داشت، از جمله تثبیت و تمدید شراکت، اما به طور اساسی ما را آزاد کرد تا بتوانیم به طور مستقل به دنبال اطلاعات فوق العاده باشیم و همچنین به خرید و صدور مجوز مدل های آنها ادامه دهیم. بنابراین از ماه اکتبر، من تیم سوپراطلاعات را جمع‌آوری کرده‌ام، خوشه‌هایی در مقیاس کافی برای آموزش مدل‌های مرزی می‌سازم و تیمی را استخدام می‌کنم که بر روی ابر هوش متمرکز است. و بنابراین این یک تغییر بسیار بزرگ برای ما بود زیرا به نوعی من را قادر می‌سازد که فقط بر روی مأموریت ابراطلاعات تمرکز کنم، و این به چند چیز منجر شد که این هفته در بیلد اعلام کردیم. ما هفت مدل جدید در تمام مدالیته ها و غیره داریم. بنابراین این یک تغییر بسیار بزرگ بوده است، و من فکر می‌کنم زمان طولانی در برنامه‌ریزی، و برای ما آرامش بزرگی است که اکنون در بازی و دنبال کردن مرز مطلق در چند سال آینده هستیم. آیا این برنامه زمانی بود که در مایکروسافت استخدام شدید؟ قطعاً این برنامه برای 18 ماه گذشته بوده است. منظورم این است که من فکر می کنم رابطه با OpenAI فراز و نشیب های زیادی را پشت سر گذاشته است. و از بسیاری جهات، من فکر می کنم که به عنوان یکی از موفق ترین مشارکت ها در تاریخ ثبت خواهد شد. برای OpenAI عالی بود، و برای مایکروسافت عالی بود، و همه روابط خوب تکامل می‌یابند، و من فکر می‌کنم این فقط مرحله بعدی در تکامل ما است. بگذارید به طور خاص در مورد آن تکامل از شما بپرسم. همه ما محاکمه بین ایلان ماسک و OpenAI و سم آلتمن را دیدیم. مایکروسافت در آن محاکمه شرکت داشت به این معنا که هر چند وقت یکبار یک وکیل از مایکروسافت بلند می شد و می گفت: "و ما آنجا نبودیم." و یکی می گفت بله، و این بود. اما بدیهی است که در طول آن آزمایش، چیزی که در تمام این مدت مشخص بود، این بود که تصور اولیه این بود که OpenAI یک آزمایشگاه تحقیقاتی خواهد بود و مدل‌هایی را ارائه می‌دهد، در حالی که مایکروسافت محصولات را می‌سازد. مایکروسافت در رفتن به بازار تخصص داشت. این شرکت در زمینه سرمایه گذاری تخصص داشت، سعی می کرد به طرق مختلف جایگاه خود را در مصرف کننده بازگرداند. این یک تغییر پلت فرم خواهد بود و کار تحقیقاتی در OpenAI به پایان می رسد و کار محصول در داخل مایکروسافت خواهد بود.  این چیزی است که تغییر کرد: OpenAI می خواست محصولات مصرفی بیشتر و بیشتری تولید کند. بدیهی است که با توجه به نقش جدید و تمرکز جدید شما، مایکروسافت بیشتر و بیشتر می خواهد مدل های خود را بسازد. چرا انشعاب؟ چه چیزی در آن رابطه کار نکرد؟ منظورم این است که فکر می‌کنم OpenAI توسط یک تیم موسس فوق‌العاده جاه‌طلب و خود سام رهبری می‌شود. و بنابراین، به طور طبیعی، همانطور که آنها شروع به جذب بیشتر و ایجاد درآمد زیادی کردند، فرصت هایی را دیدند که به طور کامل به فروش برسند. بنابراین فقط این نبود که آنها شروع به کار روی محصولات مصرفی کردند. بدیهی است که ChatGPT فوق العاده موفق بود. آنها همچنین شروع به کار بر روی مراکز داده خود کردند. آنها شروع به ساخت تراشه خود کردند. شایعات زیادی در مورد دستگاه های سخت افزاری مصرف کننده خودشان وجود دارد. آنها شروع به عرضه مستقیم مدل ها به بازار از طریق ChatGPT Enterprise کردند. بنابراین در سراسر پشته، آنها به نوعی فراتر از تحقیقات در دو، سه، چهار سال گذشته بودند. و طبیعتاً همین امر در مورد مایکروسافت نیز صادق است. منظورم این است که فکر می‌کنم این شراکت پنج یا شش ساله است و هنوز چهار، پنج، شش سال دیگر باقی مانده است. به همین ترتیب، ما یکی از بزرگترین شرکت های فناوری در جهان هستیم. ما 493 از 500 شرکت بزرگ را داریم که بیشتر داده های خود را در سیستم های ما ذخیره و پردازش می کنند، از Azure استفاده می کنند، از M365 و Teams استفاده می کنند. من فکر می‌کنم مردم معمولاً از اینکه چقدر ما بزرگ هستیم و توزیع ما در شرکت‌ها چقدر بزرگ است، نادیده می‌گیرند. بنابراین، درازمدت، و منظور من در طی پنج، شش، هفت، 10 سال است، ما باید مطمئن شویم که کاملاً پایدار هستیم، و ما فقط دریافت کننده IP شخص دیگری نیستیم که سپس کمی آن را اصلاح کرده و تطبیق داده و برای محصولات خود تولید می کنیم، بلکه در واقع می توانیم روی پای خود بایستیم و مدل هایی در سطح جهانی ایجاد کنیم. منظورم این است که ابر هوش در راه است. فکر می کنم همین نزدیکی است. و بنابراین من فکر می کنم که اساساً با ارزش ترین فناوری تمام دوران خواهد بود. هیچ راهی وجود ندارد که در درازمدت بتوانیم از نظر ساختاری به شخص ثالثی برای ارائه آن IP برای همیشه وابسته باشیم. بنابراین این انتقالی بود که بدیهی است زمانی که OpenAI و غیره با مشکل هیئت مدیره خود مواجه شدند، آغاز شد. اما پس از آن که من وارد شدم و تیم من وارد شد، ما شروع به ساختن آن کردیم، ما در آن انتقال هستیم. و من فکر می‌کنم که ما در موقعیت بسیار خوبی قرار داریم، زیرا می‌توانیم یک موقعیت بهینه نسبتاً ثابت، دقیق و درازمدت داشته باشیم، هم برای OpenAI، که فکر می‌کنم در این زمینه بسیار خوب عمل کرده است و هم برای ما. من می‌خواهم مدتی را صرف هوش فوق‌العاده کنم. من فقط می خواهم یک سنجاق در آن قرار دهم زیرا فقط می خواهم به نوعی انتقال برای یک چرخش دیگر را در اینجا درک کنم. لحظه‌ای در محاکمه وجود دارد، پیام بسیار خنده‌داری از سوی مدیر عامل مایکروسافت، ساتیا نادلا، او می‌گوید: «من نمی‌خواهم اینتل باشم و OpenAI به مایکروسافت باشد»، که در شرایطی که خود مدیر عامل مایکروسافت می‌گوید، بسیار خنده‌دار است، «نمی‌خواهم ارائه‌دهنده باشم، و آنها را پلتفرمی بگذاریم که تمام ارزش‌ها را ارائه می‌کنند و ممکن است همه ارزش‌های PT را جمع‌آوری کنند. برای اجرا بر روی Azure، و سپس OpenAI تمام ارزش را به دست خواهد آورد، و سپس شاید آنها بتوانند ما را با هم عوض کنند، درست مانند اتفاقی که با ویندوز و اینتل در طول زمان رخ داد. آیا این یک تحقق است؟ نادلا پیشت اومد؟ آن جلسه چگونه بود، جایی که شما گفتید، "خوب، OpenAI مشکلات هیئت مدیره خود را داشت. ما باید به مرزها برگردیم و روی پای خود بایستیم." آن گفتگو چگونه بود و این تصمیم چگونه گرفته شد؟ منظورم این است که واضح است که این تصمیم ساتیا و همچنین امی، براد و بسیاری از افراد دیگر در شرکت است. اما من فکر می‌کنم که مانند هر چیز دیگری است: اینها تغییرات آهسته‌ای در شرکت هستند، زیرا متوجه می‌شویم مسیری که ما در پیش می‌گیریم نیاز به کمی اصلاح و تعدیل دارد. و بنابراین این اتفاق قبل از حادثه هیئت مدیره نوامبر رخ می‌داد، و من فکر می‌کنم که با مرور زمان به نوع صورت فلکی جبهه‌های مختلف که ما به طور مستقیم، به طور فزاینده‌ای در اطراف آن رقابت می‌کنیم و تمام تنش‌هایی که از آن ناشی می‌شود نگاه می‌کنید، ایجاد می‌شود. اما فقط دانستن این موضوع که چنین شراکتی برای همیشه دوام نمی آورد.  منظورم این است که OpenAI می خواهد یک شرکت عمومی تریلیون دلاری باشد، درآمدهای باورنکردنی داشته باشد و دیوانه وار در حال رشد است. آنها می خواهند آزادی عمل داشته باشند و بتوانند محاسبات را از انواع مکان های دیگر بخرند، محاسبات خود را بسازند و با هر کسی که می خواهند شریک شوند. بنابراین قرارداد در زمانی شکل گرفت که شرکت ها از نظر اندازه و مقیاس و تعادل نیازها و موارد بسیار متفاوت بودند. من فکر می کنم برای آن لحظه منطقی بود، اما بعد کاملاً مشخص شد که این چیزی است که ما باید بتوانیم آن را مالک و کنترل کنیم و توسط مشتریان خود درست انجام دهیم. همانطور که گفتم، ما یک توزیع باورنکردنی در سازمانی داریم که فکر می کنم در دنیا کاملاً بی رقیب است. و بنابراین ما باید مطمئن شویم که بهترین چیزها را برای مشتریان خود می سازیم. این کمی متفاوت به نظر می رسد برای شرکتی که به طور مشترک هم برای مصرف کننده، با ChatGPT، و برای شرکت، و همچنین برای مأموریت علمی بنیادی ابرهوشی، که شامل مجموعه ای از جهات مختلف است که همپوشانی دارند، اما می توان گفت که متعامد به مصرف کننده و جهت های سازمانی نیز هستند، متفاوت به نظر می رسد. طبیعتاً، من فکر می‌کنم که مشارکت‌ها به این ترتیب تکامل می‌یابند و به‌طور دوره‌ای بازنشانی می‌شوند. بله، اما به من گفته شده است که ساخت یک مدل مرزی بسیار گران است. با اطمینان گفته می شود، این یک پروژه بسیار گران است. در برخی موارد، امی هود، مدیر مالی مایکروسافت، باید بگوید: "بله، شما بودجه دارید." چه زمانی این اتفاق افتاد؟ این فقط یک پیامک بود؟ جلسه ای بود؟ در مورد مشخصات آن به من بگویید. فکر می‌کنم، نگاه کنید، ما در اوایل سال گذشته تصمیم گرفتیم، که آشکارا همه مذاکرات قرارداد را در جریان قرار داد، که سپس همه آنها حل شد و در اکتبر امضا شد. و این یک سرمایه گذاری قابل توجه است، اما ما زمان زیادی برای انجام آن داریم. منظورم این است که ما قبلاً سرمایه گذاری های قابل توجهی در ماموریت خودکفایی خود انجام داده ایم.  به عنوان مثال، تراشه Maia 200 ما در واقع یک تراشه برجسته است، درست است؟ ما اکنون قادر به تولید و ارسال تراشه ای هستیم که 30 درصد ارزان تر از GB200 در داخل کلاسترهای خودمان است. و اکنون که می‌توانیم مدل‌های خود را با آن طراحی کنیم، مدل MAI-Thinking-1 که به تازگی منتشر کرده‌ایم در واقع عملکردی 1.4 برابری در هر وات را بهبود می‌بخشد، علاوه بر بهبودی 30 درصدی که با استفاده از Maia 200 به دست می‌آوریم، وقتی که مدل‌ها را برای وظایف خود بهینه کنیم. بنابراین ارزش اطمینان از مالکیت و کنترل پشته خود و هدایت کل تلاش برای طراحی مشترک برای موارد استفاده که برای ما مهم‌تر است - که آشکارا کدنویسی عاملی، توسعه‌دهندگان ما، شرکت‌های ما است - را هدایت می‌کند که به وضوح سود سهامی را که سرمایه‌گذاری را که باید در چند سال آینده انجام دهیم را توجیه می‌کند. شما گفتید ماموریت خودکفایی، که روشی بسیار مؤدبانه برای گفتن است که می خواهید روی پای خود بایستید. شما می خواهید کار خود را انجام دهید به من گفته شده است که در داخل مایکروسافت در مورد خطی که همکارم هیدن فیلد در قطعه‌ای در توصیف بیلد نوشته است، بحث‌هایی وجود دارد. من فقط می خواهم این را بخوانم. این از هیدن است. این یک خط عالی است. او گفت: «بیلد مایکروسافت امسال حال و هوای یک فرد تازه طلاق گرفته را داشت که تله تشنگی را در اینستاگرام منتشر می کرد.» جدایی کامل شد و وقت آن است که انعطاف پذیر باشید. اینم مدل جدید ما ما روی دو پای خود می ایستیم. شما آنجا هستید و می گویید که می خواهید مدل هایی را در مرز بسازید و با آزمایشگاه های پیشرو رقابت کنید. آیا این احساس درون مایکروسافت است که شما آزاد هستید که خودتان باشید؟ قطعا نه. نه اصلا. ببینید، منظورم این است که واضح است که این یک عنوان جالب و یک عبارت سرگرم کننده است. اما واقعیت این است که ما برای سال ها و سال های آینده با OpenAI همکاری داریم. منظورم این است که ما به سمت شمال سال 2030 حرکت می کنیم. آنها هنوز بهترین مدل های جهان را تولید می کنند. GPT-5.5 یک مدل برجسته است. Codex، مدل‌های امنیت سایبری که در حال اجرا هستند، شگفت‌انگیز هستند و اکثر کارهای ما را تقویت می‌کنند. بنابراین به طور طبیعی، این امر ادامه خواهد داشت. و بنابراین من فکر می کنم که این فقط یک مسیر طبیعی از این نوع مشارکت ها است. فکر نمی‌کنم چیز ناخوشایند یا تعجب‌آوری باشد. من فکر می کنم OpenAI بسیار درک و حمایت از آن است. منظورم این است که آنها بدیهی است که یک شرکت فوق العاده سریع در حال رشد بوده اند، و آنها می دانند که ما نیز باید برنامه کاری خود را دنبال کنیم. پس خیلی عادیه اجازه بدهید سوال دیگر Decoder را از شما بپرسم، و سپس می‌خواهم به اطلاعیه‌های Build، و مطمئناً superintelligence بپردازم. آخرین باری که صحبت کردیم، گفتید که چارچوب شما برای تصمیم گیری با توجه به سرعت حرکت هوش مصنوعی در یک چرخه شش هفته ای عمل می کند. آن موقع منطقی بود. همه چیز حل شده است، شاید. شاید برخی چیزها بیشتر مورد توجه قرار گیرند. اکنون چارچوب تصمیم گیری شما چیست؟ ما هنوز با همان ریتم چرخه کار می کنیم. در پایان هر چرخه، یک جلسه یک هفته ای حضوری داریم. من واقعاً به این موضوع اعتقاد دارم، حتی اگر چهار روز در هفته هنوز یک فرهنگ داخلی هستیم. در واقع، هفته بعد، کل تیم سوپراطلاعات من شخصاً به مدت چهار روز در بوستون گرد هم می آیند. این برای همه مرورهای گذشته ما در مورد چگونگی پیشروی بیلد، چیزهایی که یاد گرفتیم، چیزهایی که درست نگرفتیم، آنچه باید بهبود دهیم، برنامه‌ریزی ما برای چرخه بعدی است که این بار هشت هفته با یک جلسه یک هفته‌ای پس از آن اجرا می‌شود، و همه اینها برای کل سال ارائه شده است. بنابراین کل سازمان می‌داند که این ریتمی است که با آن کار می‌کنیم. و من فکر می کنم واقعاً تأکید بر این چارچوب زمانی بسیار مهم است، زیرا برنامه ریزی فصلی کمی مبهم و کمی انتزاعی می شود. من فکر می کنم شش تا هشت هفته، بسته به جایی که در تقویم قرار می گیرد، در واقع زمان بهینه برای انجام ماموریت های بسیار واضح و قابل تقویت است. بنابراین ما نیز علاوه بر ریتم این چرخه های شش تا هشت هفته ای، توسط جوخه ها عمل می کنیم. جوخه ها زیرگروه های میان رشته ای مختلط هستند که بر روی یک ماموریت خاص متمرکز شده اند و لزوماً به سمت مدیر نمی روند. آنها در واقع توسط یک DRI اداره می شوند، و DRI اغلب یک آی سی است، و وظیفه آنها این است: این "فرد مسئول مستقیم" و "مشارکت کننده فردی" است. آره دقیقا متشکرم. و من فکر می کنم که ما رویکرد جدا کردن نقش مدیر را از نقش DRI که در یک ماموریت خاص اجرا می کند، اتخاذ کرده ایم. من فکر می کنم این به این دلیل است که یک DRI عالی بودن خسته کننده است. شما به معنای واقعی کلمه در 24 ساعت شبانه روز هستید و تا جایی که ممکن است تلاش می کنید. مدیر بودن اغلب به معنای مربی بودن، ارائه پشتیبانی، ارائه راهنمایی، بازخورد، رفع انسداد همه چیز و کمک به رشد شغلی افراد است. و بنابراین فکر می‌کنم جدا نگه داشتن آن‌ها به ما این امکان را می‌دهد که DRI‌ها را هر دو یا سه چرخه بچرخانیم تا برخی افراد بتوانند موقعیت‌های مختلف را امتحان کنند و چرخش داشته باشند. به نظر من، این یک ساختار عالی و بسیار انعطاف‌پذیر است که به ما امکان می‌دهد بسیار زیرک باشیم. بیایید در مورد بیلد صحبت کنیم. می خواستم با هوش فوق العاده شروع کنم. اکنون چندین بار به آن اشاره کرده اید. من فقط در Google IO بودم. دمیس حسابیس، که زمانی که در گوگل بودید، همکار شما بود، سخنرانی اصلی را با این جمله به پایان رساند که ما در «پایه‌های تکینگی هستیم و AGI با تمام قدرت Google می‌آید». شما می گویید ابرهوش اینجاست. آیا اینها همه یکسان هستند؟ آیا از زبان های مختلفی برای توصیف AGI استفاده می کنیم؟ آیا تفاوت هایی وجود دارد؟ چگونه ابرهوشی را در زمینه خود در مقابل تکینگی در دمیس تعریف می کنید؟ منظورم این است که واضح است که نگفتم اینجاست. گفتم داره میاد و من فکر می کنم که سیالیت زیادی در اطراف این عبارات وجود دارد. اما من فکر می‌کنم آنچه که ما به وضوح می‌توانیم ببینیم که در حال حاضر اتفاق می‌افتد این است که تپه‌نوردی خطی در تمام روش‌ها وجود دارد، و این بدان معناست که رابطه بسیار مستقیمی بین هر مرتبه بزرگی محاسبه‌ای که اعمال می‌کنیم، هر افزایش فزاینده در داده‌ها، و صعود به معیارها وجود دارد، خواه آنها معیارهای عمومی با معیارهای داخلی باشند، محیط های یادگیری تقویتی و این یک مشاهده بسیار مهم است.  آن پیش‌بینی‌هایی که فکر می‌کنم همه ما انجام می‌دهیم - من می‌دانم که چرا برخی از مردم به نوعی نسبت به آن‌ها شک دارند یا سؤالاتی را مطرح می‌کنند، اما آن‌ها به نوعی مبتنی بر مشاهدات تجربی بیش از یک دهه افزایش عملکرد این مدل‌ها هستند. منظورم این است که اساساً همان معماری همه‌منظوره شاهد 12 مرتبه بزرگی محاسبات بیشتر، افزایش تریلیون برابری FLOPS در طی 15 سال بوده است و اساساً در صدا، تصویر، متن، در کد و در بسیاری از کارهای پیش‌بینی سری‌های زمانی دیگر کار کرده است. و بنابراین ما اساساً برون‌یابی می‌کنیم که مرتبه‌های بزرگی محاسباتی بیشتر ما را قادر می‌سازد تا به این روش ورود به سیستم خطی در داخل محیط‌های دیگر صعود کنیم. و سپس این سؤال را مطرح می‌کند که آیا ما می‌توانیم مدل‌هایی تربیت کنیم که بتوانند دانش جدید اختراع کنند، نه فقط به نوعی از داده‌های موجود که داریم، بلکه در واقع چیزهایی را به ما بیاموزند که نمی‌دانیم و اکتشافات جدیدی انجام دهیم؟ سپس دومین مورد این است که آیا آنها ظرفیت خودسازی و تسریع فرآیند تصمیم گیری در مورد اینکه کدام فرضیه ها باید تنظیم شوند، کدام فرضیه ها باید دنبال شوند، چگونه داده های آموزشی برای هر یک از آنها تولید شود، چگونه آنها را در اجرای جدید قرار دهند یا حتی در خود معماری واقعی نوآوری کنند، دارند؟ بنابراین، من فکر می‌کنم که هر دوی این چیزها باید درست باشند تا بتوانیم این پیشرفت مرکب را ببینیم، اما فکر می‌کنم که ما فقط از اعمال چند مرتبه بعدی محاسبات به دستاوردهای عظیم ادامه خواهیم داد. این احتمالاً با عملکرد انسان در بسیاری از وظایف دیگر برابری می کند، همانطور که در شش ماه گذشته در مورد کدنویسی شاهد بودیم که این اتفاق افتاد. کدنویسی واقعاً جالب است، زیرا به راحتی تأیید می شود، درست است؟ شما کد را می نویسید، از کامپیوتر می خواهید آن را اجرا کند، اجرا می شود یا از کار می افتد. ما برخی از جنبه های منفی را دیده ایم، مطمئناً در مورد امنیت، درست است؟ نکات منفی واضح است و ما شاهد این هستیم که این نوع رویکرد نظارتی برای امنیت کدنویسی به طرق مختلف انجام می شود. من احتمالاً برخی از فاجعه‌های امنیتی را روی تلفن و رایانه‌ام کدگذاری کرده‌ام، و شاید این خطری باشد که من مایل به انجام آن هستم. هر عملکرد دیگری به این راحتی به نظر نمی رسد. من همیشه قانون را انتخاب می کنم، زیرا این پیشینه من است. اما یک قاضی به روشی که رایانه کد را تأیید می کند، نوشتن قانونی را تأیید نمی کند. اگر اشتباه متوجه شوید، قاضی می تواند شما را به زندان بفرستد، درست است؟ این شاید بدترین خطای اعتبارسنجی خروجی باشد که احتمالاً ممکن است با آن مواجه شوید. چگونه می توانید اثربخشی را در دامنه ها به آسانی اندازه گیری کنید که می توانید اثربخشی در کدنویسی را اندازه گیری کنید؟ زیرا به نظر من این جایی است که استعاره یا تشبیه از کدگذاری به حوزه های دیگر خیلی سریع از بین می رود. من خیلی مطمئن نیستم بدیهی است که در کدنویسی می توانید اجرای صحیح کد را تأیید کنید. اجرا می شود، یا خراب می شود. اما بسیاری از تفاوت های ظریف در آن وجود دارد. کیفیت کدی که نوشته می شود واقعاً مهم است: توسعه پذیری آن، میزان قابل تنظیم مجدد آن، میزان مفید بودن آن در عمل. فقط این نیست که یک قطعه کد اجرا می شود، بلکه نحوه استفاده یک مدل از آن به عنوان DevOps یا SRE در تولید نیز برای بازگشت به آن قطعه کد نوشته شده و سپس استفاده از آن به روشی کاربردی و مفید است. و سپس، البته، باید کیفیت خروجی تولید شده را درجه بندی کنید. ممکن است این کد باکیفیت و عملکردی باشد، اما آیا در واقع برنامه یا وب‌سایتی است که می‌خواهید؟ و قضاوت های زیبایی شناختی در آن وجود دارد; قضاوت های تجاری در آن وجود دارد. چالش درونی‌سازی پاداش‌های غیرقابل تأیید در کد وجود دارد، حتی اگر کد هنوز در درجه اول یک سیگنال پاداش قابل تأیید است. من فکر می‌کنم نکته دیگری که باید مشاهده کرد این است که مانند چت یک فضای غیرقابل تأیید است، و با این حال، ما موفق شده‌ایم از طریق تعامل با استفاده در دنیای واقعی که بسیار قوی است، آن را به عملکرد در سطح انسانی ارتقا دهیم. صبر کن من خیلی کنجکاو هستم چگونه چت را در عملکرد در سطح انسانی اندازه گیری می کنید؟ خوب، من فکر می کنم بسیاری از مردم در حال انجام مکالمات طولانی و معنی دار با هوش مصنوعی در عملکرد در سطح انسانی هستند. کیفیت فوق العاده خوب است. هوش هیجانی بسیار خوبی دارد. به طور کلی بسیار دقیق است. ما توهمات را به حداقل رسانده ایم. ما دیگر آنقدر در مورد تعصب صحبت نمی کنیم. این مبتنی بر مشاهدات دنیای واقعی است. من فکر می‌کنم بر اساس معیارهای اکثر مردم، ما در حال حاضر به عملکردی در سطح انسانی در مکالمه برای طیف وسیعی از وظایف رسیده‌ایم. اقدامات شما و در واقع، مطمئناً، اقدامات اکثر مردم چیست؟ من تقریباً با همه اینها مخالفم، اما این اقدامات من است. تدابیر شما چیست؟ اندازه‌گیری من مانند زمانی است که به دستیارم مراجعه می‌کنم و از او می‌خواهم که خلاصه‌ای از تمام مکالمات انجام شده در تیم‌ها و ایمیل، به‌روزرسانی‌هایی که در اسناد اتفاق افتاده است را به من ارائه دهد و من اساساً یک خلاصه ترکیبی با مجموعه‌ای از اقداماتی که باید در مرحله بعد انجام دهم دریافت می‌کنم. این اساساً بهتر از آن چیزی است که رئیس ستاد من می تواند تولید کند. من می گویم که این عملکرد در سطح انسانی در ترکیب، تجزیه و تحلیل، اقدامات پیشنهادی و چت است.  هر روز میلیون‌ها نفر از آن برای حمایت عاطفی، مشاوره، درمان، مربیگری و مشاوره استفاده می‌کنند. من فکر می کنم یکی از محبوب ترین موارد استفاده در همه ربات های چت است. من می‌توانم بگویم که این یک معیار بسیار قوی برای ادعا است. من می دانم که شما زمان زیادی را صرف فکر کردن در مورد این موضوع کرده اید، به خصوص ارتباط عاطفی با برخی از این چت بات ها. اینها محصولاتی هستند که شما ساخته و به کار گرفته اید. من تمایز بسیار زیادی بین این موضوع می‌گذارم که واقعاً در خلاصه کردن ایمیل، لیست وظایف من و ارائه مختصری در مورد مواردی که باید اولویت‌بندی کنم، واقعاً خوب است، و این یک مربی احساسی برای کسی است که دچار نوعی بحران می‌شود.  اینها وظایف مشابهی نیستند. اینها لزوماً نوع هوش مشابهی نیستند، حتی در افراد. من افرادی را می شناسم که در تهیه لیست بسیار خوب هستند و در حمایت عاطفی بسیار بد هستند. چگونه می‌توانید همه اینها را در مغز خود جمع کنید و بگویید: "خوب، این عملکرد به طور کلی در سطح انسانی در چت است؟" فکر می‌کنم اگر چت را به‌عنوان یک تبادل تعاملی بین دو طرف تعریف کنید، که در این مورد یکی از آنها هوش مصنوعی است، که به طور کلی اهدافی را برآورده می‌کند، به دنبال یادگیری امتیاز ورزشی، مشاوره در مورد کدام رستوران برای رفتن، مربیگری و بازخورد در مورد مقاله‌ای که نوشته‌اید، پیشنهادهایی در مورد شغل بعدی یا گفتگوی سخت با مدیر خود هستید. شما پاسخی دریافت می‌کنید، به عقب و جلو می‌روید، پنج یا شش تبادل دارید، و متوجه می‌شوید که خروجی مفیدی است، که در غیر این صورت ممکن است مجبور شوید به یک متخصص، دوست یا حتی به یک مربی پول بدهید. از نظر تجربی، صدها میلیون نفر هر روز این تجربه را از این چت‌بات‌ها دریافت می‌کنند. شاید بتوانیم در مورد اینکه آیا این از نظر فنی عملکرد در سطح انسانی را نشان می‌دهد یا خیر، بحث کنیم. من فکر می‌کنم که ادعای آن نسبتاً منطقی است. هیچ دلیلی وجود ندارد که چرا این کوهنوردی ادامه پیدا نمی کند، درست است؟ نرخ صعود در سه سال گذشته چیزی است که به نظر من بسیار خیره کننده است. و بنابراین، کاری که از این نقطه می‌خواهیم انجام دهیم، برون‌یابی است: خوب، محرک‌های اساسی این صعود - محاسبه، داده، تعامل از سوی کاربران دنیای واقعی - چیست و به نظر می‌رسد این چیزها ادامه خواهند داشت. من فکر می‌کنم که آن‌ها برای بسیاری از حوزه‌های دیگر نیز کاربرد دارند، نه فقط چت، حمایت عاطفی، و بهره‌وری و چیزهایی از این دست، بلکه در بسیاری از حوزه‌های دیگر فراتر از آن/ مراقبت‌های بهداشتی، استقرار تولید زنده در داخل آموزش، دستیارانی که به طور فزاینده‌ای خانه‌تان را مدیریت می‌کنند، نگاهی به همه چیزهایی که در زندگی روزمره‌تان وجود دارد اساساً برای افزایش بهره‌وری شما. به نظر من، این مسیری است که احتمالاً ادامه خواهد داشت. اکنون اشاره کردید که هنوز همان معماری اساسی، ترانسفورماتورها و توجه است. ما 15 سال است که از محاسبات برای آن استفاده می کنیم و این افزایش های بزرگ را دریافت می کنیم. شما در یک نقطه نسبتا منحصر به فرد هستید. در بیلد، شما اولین مدل استدلال شاخص خود را، MAI-Thinking-1 معرفی کردید. باید از صفر شروع کنی آیا پس از 15 سال معماری و آموزش این مدل، اکنون کاری متفاوت انجام داده اید، یا فقط، بله، ما قصد داریم تمام داده ها را جمع آوری کنیم و آموزش را همانطور که انجام دادیم اجرا کنیم، و اکنون محاسبات بیشتری داریم، بنابراین بهتر می شود؟ نه، در واقع، من فکر می کنم تفاوت های بسیار زیادی وجود دارد. اولین چیزی که باید گفت این است که روشی که شما داده‌ها را مدیریت می‌کنید... ما درست از بالای پشته شروع می‌کنیم. ما اساساً مجموعه‌ای از داده‌های بسیار با کیفیت و بسیار محافظه‌کار را پرداخت کرده‌ایم و به دست آورده‌ایم، و بسیاری از مسائل پر سر و صدا، حواس‌پرتی، با کیفیت پایین و بالقوه خطر امنیتی مربوط به آن داده‌ها را استخراج کرده‌ایم. و روش هایی که برای آن انجام می دهید، به نظر من، در واقع کاملا اختصاصی هستند. ما فقط یک گزارش 109 صفحه ای، بسیار دقیق و فنی را به اشتراک گذاشتیم که با استقبال بسیار خوبی در توییتر مواجه شد و جزئیات زیادی را در مورد نحوه انجام این کار به اشتراک گذاشت. من فکر می‌کنم دومین نکته این است که، در حالی که فکر می‌کنم محتاط بودن در انتخاب‌های معماری مهم است، و ما چنین بوده‌ایم، همچنین تعدادی تغییرات بسیار مهم وجود دارد که فکر می‌کنم در نحوه چیدمان دوره‌های آموزشی خود ایجاد کرده‌ایم. دوره‌های آموزشی ما به‌طور باورنکردنی پایدار بوده است، تصادفات بسیار کم، و شروع مجدد بسیار کم. ما تعداد زیادی از این نمودارها را برای نشان دادن پایداری زیرساخت و همچنین کارایی MFU به اشتراک گذاشتیم، بنابراین استفاده از FLOPS را مدل کنید، که اساساً نشان می‌دهد که می‌توانیم تعداد پیشرفته‌ترین FLOPS را در هر تراشه برای هر مرحله از دوره آموزشی خود قرار دهیم. من فکر می‌کنم اشتباه گرفتن این بسیار آسان است، و همه ما داستان‌های زیادی از آزمایشگاه‌های مختلف در مورد اینکه چگونه کارها اشتباه می‌شوند می‌شنویم. در واقع بسیار سخت است که انتخاب های بسیار دقیق و عمدی برای درست کردن کارها انجام دهیم، و رویکرد درست را برای اطمینان از تولید مدل های باکیفیت در پیش بگیریم، زیرا وظیفه و جاه طلبی ما تلاش برای ساخت این دستگاه تپه نوردی است. این به معنای ادغام سیلیکون با مدل‌ها، با داده‌های باکیفیت فوق‌العاده، با مجموعه‌ای از RLE، محیط‌های یادگیری تقویت‌کننده است که به ما اجازه می‌دهد تا اساساً به طور سیستماتیک در برابر هر هدفی که انتخاب می‌کنیم، از تپه بالا بریم. و این همان چیزی است که MAI-Thinking-1 است. این یک مدل فکری همه منظوره، نسبتاً خنثی است که در کدنویسی بسیار خوب است. اکنون تقریباً در حد Opus 4.6 است، حداقل در معیارها. ما آن را در مقیاس تولید نکرده‌ایم، بنابراین هنوز کارهای زیادی برای انجام دادن وجود دارد. اما این یک استدلال بسیار قوی است و امتیاز 97 درصد را در AIME کسب کرده است، که معیار اصلی برای عملکرد استدلال آن است، حداقل در معیارها. در پیروی از دستورالعمل ها بسیار خوب است، و سپس هدف اساساً این است که آن را در دسترس بسیاری از توسعه دهندگان و شرکت ها قرار دهیم و به آنها اجازه دهیم تا برای موارد استفاده خود از آن استفاده کنند. هرکسی هدف کمی متفاوتی دارد که در شرکت خود برای تلاش و ساخت عوامل و غیره دارند که مورد استفاده آنها را پشتیبانی می کند. یکی از چیزهایی که در صحبت در مورد MAI-Thinking-1 به آن اشاره کردید این است که هیچ مدل موجود را تقطیر نکردید، که در واقع من را شگفت‌زده کرد، درست است؟ این کاری است که می توانید انجام دهید. شما به IP OpenAI دسترسی دارید. همه دارند همه چیز را تقطیر می کنند. ما فقط در این آزمایش متوجه شدیم که گروک از تعدادی مدل تقطیر شده است. چرا تقطیر در اینجا انجام نمی شود؟ چرا جلو نمی پرید؟ مطمئناً میانبرهای زیادی به سمت مرز وجود دارد، و اگر مدلی با کیفیت فوق العاده بالا انتخاب کنید و مدل پایه خود را با دستورالعمل ها، یا پاسخ ها یا خروجی های یک مدل برتر با کیفیت بالا جلا دهید، این درست است که مدل ممکن است به سرعت با آن توزیع سازگار شود. اما بسیار نامشخص است که آنها می توانند از آن معلم پیشی بگیرند. بنابراین، ما به دو دلیل بسیار عمدی بوده ایم. اولین مورد این است که ما می خواهیم مطمئن شویم که می توانیم از معلم پیشی بگیریم تا خودمان در چند سال آینده مرز تعیین کنیم. و دوم اینکه ما واقعاً می‌خواهیم یکی از آزمایشگاه‌های بزرگ بسازیم، و سال‌های زیادی طول می‌کشد، احتمالاً دو یا سه سال آینده.  اما، برای انجام این کار، باید بتوانیم نشان دهیم که در واقع می توانیم هر جزء را خودمان بسازیم. ما می توانیم بهترین استعدادهای جهان را استخدام کنیم. ما می توانیم با تحقیق واقعی به جای اجرای مجدد، کپی یا تقطیر از هر شخص ثالث دیگری، مرزها را پیش ببریم.  ما در موقعیتی عالی هستیم که می‌توانیم واقعاً با دقت و با دقت این هدف را دنبال کنیم، زیرا می‌دانیم که منابع لازم برای خرید مدل‌های آنتروپیک را در جایی داریم که از مرز فراتر می‌روند. ما منابع لازم برای قرار دادن 11000 مدل مختلف را در داخل Foundry در اختیار داریم، بنابراین هر یک از توسعه دهندگان ما از اختیاری خالص برخوردار می شوند. و البته، ما منابعی برای ادامه استقرار مدل‌های OpenAI داریم، که آشکارا برجسته هستند و امروز در مرز هستند.  این فقط یک بخش طبیعی از ماموریت خودکفایی است، و زمان می برد تا ما واقعاً به مرز مطلق در آن برسیم. اما من فکر می کنم ما در موقعیت عالی هستیم. ما خیلی پیشرفت کردیم. این یک مدل بسیار بسیار قوی است و ما فقط آن مدل را منتشر نکردیم. ما هفت مدل جدید را به طور همزمان منتشر کرده ایم. مدل رونویسی شده ما، برای مثال، MAI-Transcribe-1.5 به معنای واقعی کلمه شماره یک در جهان است. این مقرون به صرفه ترین در بین هایپراسکیلرها است. این بالاترین میزان دقت است. مدل تصویر ما اکنون شماره دو است. مدل ویرایش تصویر ما دقیقاً پس از Google و OpenAI شماره سه است. من فکر می‌کنم که ما با تصویر و صدایمان خوب هستیم. مدل کد ما، CodeFlash، فوق العاده قوی است و برای VS Code بهینه شده است. و واقعاً یک مدل عالی است که با Sonnet 4.6 برابری می کند. بنابراین در این لحظه واقعاً در موقعیت عالی قرار دارد. آیا نگرانی قانونی یا IP در مورد تقطیر وجود داشت؟ من می دانم که این یک موضوع زنده در جهان است: آنتروپیک از افرادی که مدل های خود را تقطیر می کنند شکایت می کند. نگرانی‌هایی در مورد تقطیر مدل‌ها توسط شرکت‌های چینی وجود دارد، و اینکه آیا قراردادهای IP موجود ما می‌تواند آن را پوشش دهد. آیا هیچ یک از این نگرانی ها را داشتید که شما را از آن دور نگه دارد؟ اوه، ما این کار را نکردیم، اما فکر می‌کنم می‌دانم چرا بسیاری از مردم ناامید می‌شوند. Anthropic بسیار ناامید شده است، و برخی از شایعات در مورد xAI، و Meta، و بدیهی است، مدل‌های منبع باز، و غیره، زیرا اساساً، این اساساً گرفتن IP و دانشی است که تیم دیگری گرد هم آورده است، و سپس، به معنای واقعی کلمه به زور آن را به مدل خود وارد می‌کند. من فکر می‌کنم این یک برد کوتاه‌مدت است، و همانطور که گفتم، واقعاً، ما می‌خواهیم فرهنگی را در آزمایشگاه ایجاد کنیم که بتوانیم به پیشرفت بزرگ بعدی فکر کنیم، یا پیشرفت بزرگ بعدی در کدنویسی، یا فشار معماری بزرگ بعدی. در حال حاضر، ما در حال آزمایش ترانسفورماتور حلقه ای هستیم که یک نوع متفاوت ترانسفورماتور جریان است. افراد زیادی در این زمینه نیز به آن نگاه می کنند. به نظر می رسد که هنوز هیچ کس کاملاً وارد مرحله تولید نشده است. اما، برای ایجاد یک فرهنگ و تیمی که واقعاً بتواند مرزها را پیش ببرد، آنها باید هر زمان که نیاز دارند درک کنند، مالکیت داشته باشند و مجموعه کامل را بسازند، و همچنین هر زمان که ما نیاز داریم از چیزهایی از اشخاص ثالث استفاده کنیم. و مانند مقاله ما، به عنوان مثال، دارای صدها نقل قول است که در بقیه ادبیات پایه گذاری شده است، بنابراین در ازای همه چیزهایی که در طول سال ها از همه نشریات بزرگی که در آنجا منتشر شده اند، به این حوزه کمک کرده ایم. آیا می‌توانم از شما بپرسم - اگر ناامیدی آنتروپیک و همتایانتان در هوش مصنوعی را در مورد تقطیر درک می‌کنید، آیا ناامیدی خلاقان، ناشران و یوتیوب‌برها را در مورد همه شرکت‌های هوش مصنوعی که به‌عنوان یک گروه برای ساخت این مدل‌ها تلاش می‌کنند، درک می‌کنید؟ زیرا این ناامیدی فقط بلندتر می شود. آره نه، من ناراحتی را درک می کنم. چالش وب باز چالشی است که قبلاً در مورد آن صحبت کرده بودیم، و من متوجه شدم، و می بینم که مردم ناامید شده اند، و بدیهی است که این موضوع از طریق گفتگو در دادگاه راه خود را ادامه می دهد. و من می بینم که مردم چیزهایی را آنلاین می گذارند، و انتظارات متفاوتی در مورد اینکه قرارداد با آن آنلاین قرار داده شده چیست، داشتند، و این یک مشکل است. شما اشاره کردید که تمام داده های شما به دقت تنظیم شده است. آیا برای تمام داده هایی که برای آموزش مدل های جدید استفاده می کنید هزینه پرداخت کرده اید؟ بسیاری از داده های خود را آشکارا از وب باز به روش معمولی می گیریم. دقت انتخاب به این معنی است که برای امنیت، کیفیت، وابستگی های شخص ثالث از برخی از مجموعه داده های منبع باز و دور نگه داشتن آن از بسیاری از دودمان چینی، که به نظر من بسیار متفاوت هستند، بسیار دقیق فیلتر شده است. شرکت‌های ما می‌خواهند مطمئن شوند که وقتی چیزی را تولید می‌کنند، می‌توانند به ما اعتماد کنند که ما واقعاً آن را با در نظر گرفتن نیازهای آنها ساخته‌ایم. و من فکر می کنم این یکی از مزایای بسیار بسیار عمدی، صبور بودن و توجه به تمام جزئیات است. شما به شرکت اشاره کردید. به نظر من این خیلی جالب است. مایکروسافت در واقع در زمینه هوش مصنوعی سازمانی، به روش های بزرگ، مشارکت دارد. من حتی خط را مستقیماً به آشا شارما، رئیس جدید ایکس باکس می کشم، که در حال خلاص شدن از شر هوش مصنوعی در یک سری جاها، و گیمرها خوشحال هستند، درست است؟ یک واکنش به هوش مصنوعی در فضای مصرف کننده وجود دارد، اما واکنش دیگری در شرکت وجود دارد. من فکر می‌کنم هوش مصنوعی به اندازه‌ای که می‌توانید با تغییر سریع چیزی به اندازه هوش مصنوعی به آن دست پیدا کنید، به تناسب محصول با بازار در شرکت‌ها نزدیک است. مجموعه‌ای از پایگاه‌های داده وجود دارد که شرکت‌ها آن‌ها را کنترل می‌کنند، و شما فقط می‌توانید به آنها دسترسی داشته باشید، زیرا آنها آنها را کنترل می‌کنند. این داده های آنهاست. یکسری فرآیندها و وظایف تکرارپذیر و سیستم‌های قدیمی وجود دارد که شاید مدل‌ها بتوانند آن‌ها را کارآمدتر انجام دهند. اتفاق بسیار مهمی برای شرکت می افتد. در همان زمان، ضدیت مصرف کننده نسبت به هوش مصنوعی در حال افزایش است. و استدلال من این است که ما محصولات هوش مصنوعی مصرف کننده خوبی نساخته ایم. این صنعت آنها را تولید نکرده است. آنها را جابجا نکرده است. روشن نیست که همه اینها ارزشش را دارد، استفاده از تمام داده های وب باز، و تغییر قرارداد انتشار به مخاطبان انبوه، بنابراین اکنون، از آن برای آموزش مدل هایی استفاده می شود که تریلیون ها دلار ارزش به شرکت ها ارائه می دهد. هیچ محصولی وجود ندارد که بگوید این ارزش آن را دارد.  مجدداً، ساتیا نادلا اخیراً با اکسیوس مصاحبه کرد و گفت: "ما برای این کار به مجوز اجتماعی نیاز داریم. و تا زمانی که آن را نداشته باشیم، تا زمانی که آن ارزش را ارائه نکنیم، مردم چنین احساسی خواهند داشت." ما دیده ایم که سخنرانان کالج هو شده اند. ما شاهد ممنوعیت مراکز داده بوده ایم. آیا فکر می کنید محصول مصرفی وجود دارد که ارزش آن را داشته باشد، ارزش اضطراب در مورد آموزش را داشته باشد، ارزش اضطراب در مورد مراکز داده را داشته باشد؟  این تمرکز شما بود. اکنون تمرکز شما شرکتی است. من می‌توانم بگویم که در ظاهر، به نظر نمی‌رسد که مایکروسافت دیگر علاقه‌ای به محصول مصرفی داشته باشد. اما، آیا یکی را می بینید که ارزشش را داشته باشد یا بتوان آن را ساخت؟ من مطمئن نیستم که با شما موافق باشم که هیچ ارزشی برای مصرف کننده از این وجود نداشته است. در تمام چت‌بات‌ها، میلیاردها نفر در ماه وجود دارند که ارزش زیادی از آن کسب می‌کنند. اکنون، فقط برای یک لحظه، کمی با صاحب کسب‌وکار کوچک یا مادری که به فرزندش در انجام تکالیف کمک می‌کند، همدلی کنید، و اکنون می‌توانید فقط به هوش مصنوعی مکالمه‌ای روی بیاورید و بازخورد دریافت کنید، دستورالعمل‌ها را دریافت کنید، مجموعه‌ای از سؤالات انشا را دریافت کنید. فقط می توانم سؤالاتی مانند چگونه درآمد ایجاد کنم؟ چگونه می توانم پیش بینی جریان نقدی را جمع آوری کنم؟ برای کدام کالج اقدام کنم؟ منظورم این است که اینها کارهای روزمره هستند که با برخی توصیه ها و اطلاعات واقعی با کیفیت بسیار بالا همراه هستند. بنابراین من واقعاً نمی‌خرم که مردم از این چیزها سود نبرند. من فکر می کنم آنها هستند. فکر می‌کنم به وضوح می‌توانم این استدلال را مطرح کنم که آنها به اندازه کافی سود نمی‌برند، درست است؟ باشه آنها کسانی هستند که می گویند ما نباید مراکز داده بیشتری داشته باشیم. آنها کسانی هستند که هوش مصنوعی را در سخنرانی های فارغ التحصیلی هو می کنند. نظرسنجی مشخص است، به ویژه جوانان: هرچه بیشتر از هوش مصنوعی استفاده کنند، مخالفت بیشتری نسبت به آن دارند. این در هر نظرسنجی مشخص است. این بحثی است که من مطرح می کنم - نه اینکه ارزشی وجود ندارد، اما مبادله ارزش به اندازه کافی روشن نیست. آره به اندازه کافی منصفانه من می بینم که مایکروسافت به طور خاص به سمت سازمانی حرکت می کند، به دور از محصول جستجوی بزرگ، اختراع مجدد Bing که گوگل را به رقص وادار می کند. تمام شد، و همه ما روی شرکت متمرکز شده ایم، جایی که ارزش آن است. من فقط به این فکر می کنم که آیا ارزش کافی برای مصرف کننده وجود دارد که همه اینها ارزش آن را داشته باشد. من فکر می کنم به طور قابل درک اضطراب زیادی وجود دارد. حدس و گمان های زیادی در مورد آنچه قرار است در 5 تا 10 سال آینده اتفاق بیفتد وجود دارد. چه به عنوان تکینگی قاب شود و چه به عنوان آخرالزمان شغلی، اینها فریم های مفیدی نیستند. فکر می‌کنم مردم می‌ترسند، زیرا تعریف ضعیفی دارد و اغلب به‌عنوان یک ابر خاکستری اجتناب‌ناپذیر و تهدیدآمیز بالای سر مردم قاب می‌شود. فکر می‌کنم آنچه مهم است این است که ما با فناوری چه می‌کنیم. فکر می‌کنم مدت‌هاست که استدلال کرده‌ام که باید انسان را در اولویت قرار دهیم. برخی از افراد در این زمینه اکتشافات علمی را در درجه اول قرار داده اند یا هوش های شتاب دهنده ای را قرار داده اند که می تواند کهکشان ها و غیره را کاوش کند، و می گویند که این امر اجتناب ناپذیر است که ما این هوش مصنوعی ها را داشته باشیم که از مجموع همه ما قدرتمندتر باشند. منظورم این است که طبیعتا برای مردم ترسناک است. و من فکر می کنم که ما باید اساساً آن را برعکس کنیم و بگوییم که هدف علم و فناوری این است که همه ما را سالم تر، باهوش تر و شادتر کند. این تلاشی بوده است که ما به عنوان یک گونه برای هزاران سال اختراع در آن بوده ایم، و این آزمایشی است که باید دوباره هوش فوق العاده را در آن قرار دهیم. و اگر به آن آزمون نرسد، فکر می‌کنم مردم آن را رد می‌کنند، و حق دارند آن را رد کنند. من فکر می‌کنم که اکنون تمرکز همه در پنج سال آینده معطوف به این است که چگونه این موضوع باعث می‌شود من سالم‌تر و شادتر، باهوش‌تر، توانمندتر، و سازنده‌تر باشم؟ و اگر این کار را انجام ندهد، طبیعتاً مردم عصبانی می‌شوند و مقاومت می‌کنند و واکنش نشان می‌دهند. من فکر نمی‌کنم هیچ چیز غیرمنتظره‌ای در مورد آن وجود داشته باشد یا چیزی اشتباه در آن وجود داشته باشد - فکر می‌کنم این اجتناب‌ناپذیر است. به همین دلیل است که یکی از چیزهایی که سال‌ها به آن علاقه داشتم، مراقبت‌های بهداشتی است. و همین چند روز پیش همکاری جدیدی را با کلینیک مایو اعلام کردیم. این بیمارستان شماره یک در جهان است که به طور مداوم گزارش شده است. آنها دارای بالاترین کیفیت مجموعه داده های سوابق طولی بیمار در تمام روش ها هستند. آنها بهترین عملکرد بالینی را دارند. آنها همچنین یک سازمان غیرانتفاعی هستند، که من فکر می کنم بسیاری از مردم متوجه نمی شوند، با 65 درصد از جمعیت بیماران خود در Medicaid. مردم اغلب آنها را با ابرنخبگان بین‌المللی مرتبط می‌دانند که برای دریافت بهترین مراقبت در جهان پرواز می‌کنند، اما آنها در واقع اکثریت را در Medicaid دارند. آنها یک موسسه شگفت انگیز با ماموریت باورنکردنی برای ارائه بهترین مراقبت های بهداشتی در همه جا هستند. و ما اکنون یک مشارکت بسیار طولانی مدت داریم تا از ابتدا با داده های آنها، با مدل هایمان، یک مدل پایه کاملاً جدید برای سلامت، آموزش دهیم، آن را در بیمارستان های آنها مستقر کنیم، و امیدواریم که آن را در سراسر جهان برای ارائه بهترین مراقبت های بالینی و مراقبت های بهداشتی که احتمالاً می توانیم به افراد بیشتری ارائه دهیم. به همین دلیل وارد میدان شدم. این چیزی است که من در ابتدا به آن انگیزه داشتم، و این همان چیزی است که به آن علاقه دارم. و من فقط می‌توانم روی چیزهایی تمرکز کنم که فکر می‌کنم تغییر ایجاد می‌کنند و به مردم کمک می‌کنند و میراث خوبی برای همه به جا می‌گذارند، و این چیزی است که ما در تلاشیم تا انجام دهیم. من از آن قدردانی می کنم. من از چارچوب مراقبت های بهداشتی قدردانی می کنم، و می دانم که چرا همه به آن توجه دارند، درست است؟ به ویژه مراقبت های بهداشتی در آمریکا، اگر بتوانید آن را حتی 10 درصد بهتر کنید، زندگی بسیاری از مردم را به شکلی عمیق تحت تاثیر قرار داده اید. مسئله این است که من یک مرد بسیار باهوش را می شناسم که رویکردی بسیار متفاوت و بسیار تهاجمی تر از شما نسبت به همه اینها دارد. آن شخص شما هستید، چهار ماه پیش. این همان چیزی است که مصطفی سلیمان چهار ماه پیش به فایننشال تایمز گفت: "وقتی پشت کامپیوتر می نشینید، خواه یک وکیل یا حسابدار یا مدیر پروژه هستید، یا یک فرد بازاریابی، اکثر این کارها طی 12 تا 18 ماه آینده به طور کامل توسط یک هوش مصنوعی خودکار می شوند." یعنی چهار ماه پیش این بدان معناست که یک سال دیگر، وکلا، حسابداران، مدیران پروژه و افراد بازاریابی شغلی نخواهند داشت. شغل آنها خودکار خواهد شد. آیا هنوز هم جدول زمانی شماست؟ نه، نه، نه. یک ثانیه صبر کن بنابراین من در نقل قولی که شما گفتید "وظایف" را گفتم. گفتم وظایف پس این به معنای شغل نیست. این یک تمایز بسیار مهم است. در اقتصاد کار، یک طبقه بندی کامل از اجزای فرعی یک نقش یا یک کارکرد در یک سازمان وجود دارد. ارسال ایمیل، گفتگو با یک همکار، جمع آوری پاورپوینت - وظایف فرعی به طور فزاینده ای دیجیتالی، خودکار می شوند و اساساً می توانیم تعداد بیشتری از آنها را تولید کنیم. این لزوماً به این معنی نیست که نقش از بین می رود. این فقط به این معنی است که کار می‌تواند سریع‌تر و کارآمدتر انجام شود، که امروزه اغلب کارهای کاملاً منظم، کاملاً دستی، کاملاً کار فشرده و زمان‌بر هستند. و بنابراین پیشرفت طبیعی فناوری این است که زندگی شما را آسان‌تر، سریع‌تر و اصطکاک کمتری برای یکپارچگی بیشتر می‌کند. همانطور که همه اغلب شکایت می کنند، این من و شما و هر کس دیگری را بسیار شلوغ تر کرده است. در واقع ما را در دسترس‌تر، تحت فشار قرار داده و اطلاعات بیشتری به ما می‌دهد. بنابراین همیشه این اثرات انتقامی کارایی وجود دارد که فکر می کنم مردم فراموش می کنند. بسیار محتمل است که ما بهره‌ورتر شویم زیرا زمان کمتری را برای انجام کارهای کوچک اداری اختصاص می‌دهیم، و باید زمان بیشتری را صرف انجام کارهای خلاقانه و متمرکز بر قضاوت کنیم که در نهایت ارزش بسیار بیشتری ایجاد می‌کند. ما همچنین می توانیم خیلی سریعتر آزمایش کنیم. بنابراین ما می توانیم موارد زیادی را به صورت موازی امتحان کنیم زیرا هزینه اجرا کمتر می شود. به نظر من، این احتمالاً کیفیت کلی چیزها را افزایش می‌دهد، زیرا ما فرضیه‌های بیشتری را، چه در روزنامه‌نگاری، چه در تجارت یا هر کاری که انجام می‌دهیم، امتحان خواهیم کرد. من فکر می‌کنم به دلیل سوء تفاهم طبیعی بین شغل و کار، این کمی از متن خارج شده است، اما با این وجود، شما می‌توانید به من فشار بیاورید و بگویید: "خوب، خب پس این منظره در پنج یا 10 یا 15 سال آینده چگونه به نظر می‌رسد؟" و اینجاست که فکر می کنم باید برگردیم- در واقع، من قصد ندارم به این طریق شما را پس بزنم. من قصد دارم به روشی بسیار خاص عقب نشینی کنم. و من متوجه شدم که این نقل قول شماست و شما می گویید که تفسیر اشتباهی شده است. من فقط به این جمله تحت اللفظی نگاه می کنم و هیچ تمایزی بین وظایف و وظایف فرعی وجود ندارد. این است، «یقه سفید. ” مثال‌ها عبارتند از وکیل، حسابدار، مدیر پروژه، شخص بازاریابی، و سپس شما گفتید: «بیشتر این وظایف طی 12 تا 18 ماه آینده به‌طور کامل توسط یک هوش مصنوعی خودکار می‌شوند.» هیچ تمایزی بین وظایف فرعی وجود ندارد. شما می گویید اکثر وکلا مشاغل خود را کاملاً خودکار خواهند کرد و عمل وکالت در عرض یک سال کاملاً متفاوت به نظر می رسد، حتی با کلمات آن نقل قول. و من فقط می‌گویم، آیا هنوز در آن جدول زمانی هستید، که وکیل بودن کاملاً متفاوت به نظر می‌رسد، زیرا مأموران برای انجام هر کاری که قبلاً انجام می‌دادیم به اطراف می‌گردند؟ خوب، بیشتر وظایف به معنای کاری است که شما انجام می دهید تا کار کلی خود را انجام دهید، و فکر می کنم شما را آزاد می کند تا بخش های انسانی تر و قضاوت بیشتری را در کار خود انجام دهید. یک تمایز بسیار مهم در ... مشاغل و نقش ها مقوله وسیع تری هستند و وظایف اجزای آن هستند. و این یک تعریف ثابت در ادبیات، در اقتصاد بازار کار، برای چندین دهه است. شاید حتی برای فایننشال تایمز هم خیلی ظریف بود، اما با این وجود، این هدف بود. اکنون فکر می‌کنم یک سوال مهم وجود دارد: در بلندمدت کجا ما را رها می‌کند؟ و چالش برانگیز خواهد بود، مانند موارد بیشتر و بیشتر... ما می‌توانیم درباره جدول‌های زمانی بحث کنیم که آیا چند سال است یا یک دهه یا ۲۰ سال است، اما واقعیت این است که ما بیشتر و بیشتر از این کار، وظایف، مشاغل، نقش‌ها، فعالیت‌ها و هر کاری که انجام می‌دهیم، خودکار می‌کنیم. و بنابراین آنچه اهمیت بیشتری دارد، حاکمیتی است که ما در اطراف این فناوری ها قرار می دهیم. به چه کسی پاسخگو هستند؟ مالک آنها کیست؟ حلقه‌های بازخوردی که اصطکاک را تنظیم و ایجاد می‌کنند تا مطمئن شوند که واقعاً به مردم خدمت می‌کنند چیست؟ منظورم این است که من مقاله‌ای درباره‌ی ابرهوش انسان‌گرا نوشتم که به طور مستقیم، چهار یا پنج ماه پیش، آنچه را که اساساً به عنوان یک ستاره شمالی فکر می‌کنم، شاید نه کاملاً یک چارچوب، اما مجموعه‌ای از اصولی که اساساً می‌گویند فناوری اینجاست تا به ما خدمت کند، نوشتم. این آزمونی است که باید آن را انجام دهیم. این آزمونی است که مردم آن را انجام داده اند. این آزمونی است که ما در مایکروسافت به آن اهمیت می دهیم. من فکر می‌کنم که بیشتر و بیشتر همه باید واقعاً روی این سؤال تمرکز کنند، زیرا این موضوع مقدار زیادی از خوبی‌ها را به همراه خواهد داشت، و ما می‌خواهیم این کار را ادامه دهد، اما می‌خواهیم این کار را به گونه‌ای انجام دهد که باعث بی‌ثباتی مضحک در طول دوره انتقالی نشود. من شما را باور دارم. می‌دانم که شما مدت‌ها به این چیزها فکر می‌کنید، اما من طوری پاسخ می‌دهم که می‌دانم مخاطبانم می‌خواهند من پاسخ بدهم، زیرا همیشه از آنها می‌شنوم. و آنچه به نظر می رسد این است که کل این صنعت - شما، از جمله همه - در مورد "ما قرار است همه مشاغل را جایگزین کنیم" و واقعاً سرعت ساخت مراکز داده با ظرفیت عظیم و درخواست منابع زیادی در برابر وعده های بزرگ را انجام دادید. عقب نشینی سیاسی وجود داشت و اکنون همه مواضع نرم شده است. و شما می گویید که همه مشاغل از بین نمی روند، ما باید در مورد شغل ها تجدید نظر کنیم، در مورد همه مدیران عامل دیگر در این صنعت چیزهای مشابهی می گویند و در مورد مراقبت های بهداشتی صحبت می کنند که هر بار در حال حاضر مطرح می شود. من نمی دانم که آیا این عقب نشینی سیاسی واقعاً نحوه صحبت شما در مورد این موضوع را تغییر داده است. بسیاری از همتایان شما هستند که فکر می کنند هوش مصنوعی به سادگی یک مشکل بازاریابی دارد، این که به اندازه کافی موثر ارتباط برقرار نکرده است، و آنها باید صدها میلیون دلار برای پادکست ها خرج کنند تا مزایای هوش مصنوعی را به طور مؤثرتر منتقل کنند. این یک اتفاق واقعی است که در این صنعت در حال رخ دادن است. آیا فکر می‌کنید هوش مصنوعی فقط یک مشکل بازاریابی دارد و فشار سیاسی چشمان شما را به این مشکل بازاریابی باز کرده است یا فکر می‌کنید چیز دیگری در حال وقوع است؟ اونجا یه سری سوال هست اولین مورد این است که من واقعاً به چه چیزی فکر و اعتقاد دارم و آیا در شش ماه گذشته تغییر کرده است؟ پاسخ منفی است. من سه سال پیش، بسیار زودتر از موعد، کتاب بسیار مفصلی در مورد این موضوع نوشتم، و در مورد بسیاری از چیزهایی که در حال حاضر اتفاق می‌افتد هشدار دادم، و این کار را به صراحت انجام دادم تا خطرات عظیمی را برای نظارت، تمرکز قدرت، تمرکز ثروت، میانجیگری دولت و تهدید دموکراسی روی میز بگذارم. و همچنین تهدیدهایی برای ماهیت انسان و معنای شخصی بودن در زمینه ورود این اشکال بسیار جدید از وجود سیلیکونی به نوعی. من روی آن کار کرده‌ام... و این ایده که علاقه‌ام به مراقبت‌های بهداشتی مانند یک فلاش در ظرف است، که تابعی از واکنش‌ها به مراکز داده و غیره است، یعنی بیش از یک دهه است که روی مراقبت‌های بهداشتی کار کرده‌ام. من بارها و بارها روی برخی از پیشرفت‌های پیشرفته، مشارکت در این زمینه در رادیولوژی، ماموگرافی، و پاتولوژی، بسیاری از زمینه‌های دیگر، سوابق الکترونیکی سلامت فشار آوردم. بنابراین من همیشه بر این باور بوده‌ام که هدف فناوری این است که ما را سالم‌تر و شادتر کند. و اینها چیزهایی هستند که من برای کار روی آنها انتخاب می کنم و وقتم را به آنها اختصاص می دهم. آیا صنعت شهرت و مشکل روابط عمومی دارد؟ منظورم این است که من فکر می‌کنم کاملاً واضح است که مردم بسیار مضطرب هستند، بسیار ناامید هستند و در چند سال آینده توجه زیادی به آن خواهد شد، قابل درک است. من فکر می‌کنم کاری که می‌توانیم انجام دهیم این است که در قبال چیزهایی که می‌سازیم، روشی که آنها را می‌سازیم، تصمیم‌هایی که برای عرضه انواع فناوری در جهان می‌گیریم، و انواع مشکلاتی که برای کار روی آن‌ها انتخاب می‌کنیم، مسئولیت پذیر باشیم، مانند آنچه در کلینیک مایو انجام می‌دهیم. اتفاقاً می‌خواهم بگویم و به این نکته اشاره کنم که فکر می‌کنم اولین باری که من و شما ملاقات کردیم و صحبت کردیم قبل از پیوستن شما به مایکروسافت بود. درست بعد از انتشار آن کتاب بود و با هم یک پنل درست کردیم. یکی از دلایلی که من راحت این سوال را می‌پرسم این است که می‌دانم شما مدت‌هاست به این موضوع فکر می‌کنید و من از آن کتاب آگاه هستم. فکر می‌کنم برای من این سوال پیش می‌آید که آیا صنعت به‌عنوان کل ارزش کل ارزشی را که می‌توانست برای غلبه بر بی‌احتیاطی ظاهری که مردم اکنون به آن واکنش نشان می‌دهند، یا درخواست منابعی که مردم اکنون به آن واکنش نشان می‌دهند، نادرست ارزیابی کند.  شما در حال ساخت مدل های جدید هستید. احتمالاً در داخل مایکروسافت یک مبادله وجود دارد بین اینکه ما می‌توانیم از ردپای Azure موجود برای دریافت پول از مشتریانمان استفاده کنیم، یا می‌توانیم برای آموزش مدل‌های جدید پول خرج کنیم، و به نظر می‌رسد همان مکالمه‌ای که مردم در مورد منابع موجود در جوامع خود دارند، استفاده کنیم یا از ردپای انرژی موجود برای ساختن هوش مصنوعی جدید استفاده کنیم یا کاری انجام دهیم که ممکن است فوراً ارزشمندتر باشد. نظر شما در مورد همه اینها چیست؟ شما یکی از رهبران این صنعت هستید. شما می خواهید در مرز شرکت هایی باشید که بیشترین تغییرات را انجام می دهند. چگونه فکر می‌کنید که آن منابع را به گونه‌ای بخواهید که نه تنها نویدبخش نتایج آینده باشد، بلکه فوراً فوایدی برای جوامع فراهم کند، به گونه‌ای که مردم بخواهند شما در آنجا باشید؟ من بسیار مفتخرم که مایکروسافت به اهداف صفر خالص خود پایبند بوده است. مراکز داده جدید ما همگی با مایع خنک می شوند. این بدان معنی است که آنها تقریباً به اندازه آب یک رستوران برای یک دوره شش ساله استفاده می کنند. این مانند یک استخر شنا است که با آب پر می شود و سپس فقط سیستم را به گردش در می آورد. همه آنها از نظر مصرف برق تا حد زیادی قابل تجدید هستند. بنابراین فکر می‌کنم چنین تعهداتی، برای اطمینان از اینکه، به‌عنوان مثال، اخیراً متعهد شده‌ایم که اطمینان حاصل کنیم که جوامع محلی متاثر از تغییر تقاضای برق توسط مراکز داده ما جبران و محافظت می‌شوند تا شاهد افزایش قیمت‌ها و قبض‌های انرژی خود نباشند. اینها چیزهایی هستند که من فکر می کنم مایکروسافت انجام می دهد و می تواند به عنوان یک شرکت مسئول انجام دهد تا فقط به عواقب آن برای جوامع توجه کند. من فکر می کنم از طرف دیگر، تغییر اتفاق می افتد زیرا مردم در هر سطحی شرکت می کنند. افراد درون شرکت ها باید تصمیمات متفاوتی بگیرند. مردمی که اعتراض و مبارزات انتخاباتی می کنند باید تصمیم بگیرند و تلاش کنند تا صدای خود را به گوش مردم برسانند و در یک روند سیاسی شرکت کنند. و این گونه است که ما به عنوان یک گونه به طور جمعی تکامل می‌یابیم و همه چیز را به جلو می‌بریم.  و ماه به ماه، ربع به ربع، به نظر می رسد که همه ما با یکدیگر در تضاد هستیم، اما وقتی دهه به دهه گذشته را نگاه می کنید، به نوعی شبیه این نوع مشبک عجیب و غریب جمعی از انواع انگیزه های مختلف هستیم که در واقع چیزها را در جهت درست سوق می دهند. من فکر می‌کنم ما واقعاً هستیم، علی‌رغم تمام اضطراب‌ها و قطبی‌سازی‌ها، فکر می‌کنم در حال ساختن چیزی هستیم که گونه‌های ما را بسیار، بسیار سالم‌تر، شادتر و تواناتر می‌سازد.  من فکر می‌کنم که ما باید مطمئن شویم که مسیر درستی را در مسیر رسیدن به آنجا طی می‌کنیم، زیرا مشکلات و راه‌های زیادی وجود دارد که ممکن است اشتباه پیش برود، اما مسیر درست شامل افرادی است که صدای خود را به گوش می‌رسانند و مردم بر اساس واکنش و واکنش به آن مسیر را تغییر می‌دهند. بنابراین من فکر می‌کنم این اتفاق خوبی است که در حال رخ دادن است، و این روند همانطور که در نظر گرفته شده است کار می‌کند. اجازه دهید از شما در مورد جنبه سازمانی این موضوع بپرسم. ما زمان زیادی را صرف مصرف کننده و احساس مردم کردیم. در بخش سازمانی، ما شاهد گروهی از شرکت‌ها هستیم که متوجه می‌شوند این ابزارها چقدر ارزشمند هستند، درست است؟ آمازون اساساً یک تابلوی امتیازات را حذف کرد زیرا مردم برای استفاده از توکن‌های بیشتر از آنچه نیاز داشتند تقلب می‌کردند. ما دیده‌ایم که برخی از شرکت‌ها فقط بودجه‌های نمادین خود را به باد می‌دهند. من فکر می‌کنم Uber فقط عقب نشینی کرد، زیرا آنها تخصیص توکن خود را برای سال انجام داده بودند و هیچ ارزشی از آن نمی‌دیدند. در مورد آن طرف ماجرا در حال حاضر چه فکر می‌کنید، جایی که هیجان و تمایل زیادی برای تغییر در شرکت وجود دارد، به ویژه مهندسی نرم‌افزار، حداقل برخی از افراد سرگرم می‌شوند، و شاید برخی دیگر دچار بحران‌های کامل وجودی شوند، اما برخی از مردم سرگرم می‌شوند و ارزش آن هنوز درک نشده است، درست است؟ یا کم کم داریم می بینیم که حداکثر توکن خالص در واقع همان ارزشی را که شاید انتظار دارید را ارائه نمی دهد. در مورد استفاده از آنجا چگونه فکر می کنید؟ زیرا ممکن است اگر آن را در سازمانی ثابت کنید، در واقع از راه های دیگری ظاهر شود. من فکر می کنم افراد مختلف چیزهای مختلفی را گزارش می کنند. بنابراین بدیهی است که چند نمونه از افرادی وجود دارد که بیش از حد از مدل‌های کدنویسی استفاده می‌کنند، کدهای بی‌فایده، توکن‌های بی‌فایده تولید می‌کنند، اما افراد زیادی هستند که کار و تأثیر آن‌ها به طور کامل توسط آن تغییر کرده است، درست است؟ منظورم این است که شکی نیست که این تأثیر بسیار مفیدی بر صنعت مهندسی نرم افزار داشته است. منظورم این است که ما در حال تولید کد با کیفیت بسیار بالاتر و سریعتر در کل پشته هستیم. و بنابراین بله، من فکر می‌کنم بدیهی است که نمونه‌هایی از برخی افراد وجود دارد که ممکن است اشتباه کرده‌اند، بودجه‌های نمادین درستی تنظیم نکرده‌اند. در این راه اشتباهاتی رخ خواهد داد. فکر نمی‌کنم این نشانه‌ای از عدم پذیرش یا عدم درک مردم باشد. منظورم این است که ارزش از جایی که من نشسته ام باورنکردنی است. بسیاری از مردم هر روز به من می گویند که بازده کاری و بهره وری آنها را تغییر می دهد.  من فکر می‌کنم نکته دیگری که باید گفت این است که وقتی این چیزها در موج‌ها اتفاق می‌افتند، نوعی تورم انرژی وجود دارد. همه چیز کمی کف آلود می شود. مردم چند ماه بعد عقب‌نشینی می‌کنند و متوجه می‌شوند که واقعاً اینطور نیست، و سپس به سمتی متفاوت می‌روند. بنابراین کمی پرپیچ و خم و ارگانیک است، و به نظر من این اجتناب ناپذیر است. هیجان زیادی وجود دارد، بنابراین مردم در توییتر و غیره ادعاهای بزرگی می کنند، اما در واقع حرکت پیوسته پیشرفت بسیار، بسیار خطی و پیوسته به نظر می رسد. در کل با آن موافقم. جایی که به نظر من خطی به نظر نمی رسد در فاکتورهای شکلی رایانه است، درست است؟ احتمالاً در حال حاضر بیش از هر زمان دیگری در 10 سال گذشته آزمایش‌های فاکتور شکل وجود دارد. ما حداقل در 10 سال گذشته عمدتاً روی یک تلفن هوشمند مستقر شده ایم. ما در حال مشاهده ابزارهای پوشیدنی هوش مصنوعی هستیم که ممکن است عینک وسیله مورد علاقه همه باشد. من شک دارم مایکروسافت چند دستگاه جدید را در بیلد به نمایش گذاشت. نشانی وجود داشت که یک نماینده را کنترل می‌کند و کوچک، به دلیل نبود کلمه بهتر، Chumby، چیز کوچک مناسب دسکتاپ که یک نماینده را کنترل می‌کند، وجود داشت. من یکی از طرفداران بزرگ چامبی بودم. من کارم را شروع کردم به نوشتن در مورد Chumbies برای Engadget. این اولین چیزی بود که به ذهنم رسید. همه آن‌ها را به من نگاه می‌کنم، و به آنها فکر می‌کنم، محاسبات کجا زندگی می‌کند؟ منطق کجا زندگی می کند؟ اکنون به گونه ای که فقط مارس خطی پیشرفت نیست، قابل استفاده است. اگر تمام محاسبات من در فضای ابری، در برنامه‌های مبتنی بر ابر اتفاق بیفتد، و فقط عواملی هستند که به سمت داده‌های ذخیره‌شده در جای دیگری در ابر می‌روند، و تنها چیزی که من نیاز دارم یک کارت اعتباری در یک بند برای صدور دستورالعمل‌ها است، این امر کل معماری محاسبات را تغییر می‌دهد. اگر همه ما گوشی های هوشمند نداشته باشیم، ممکن است کل معماری تمدن مدرن را از بسیاری جهات تغییر دهد. نظر شما در مورد آن چیست؟ کجا می رود؟ آیا این مورد قابل قبول است یا یک رویکرد ترکیبی خواهد بود؟ مرحله پایانی مناسب را کجا می بینید؟ خیلی جالبه فکر می کنم قرار است هر دو اتفاق همزمان بیفتد. لبه بسیار قدرتمندتر می شود و ابر همچنان محرک اصلی بزرگترین مدل ها خواهد بود. و بنابراین، به طور فزاینده ای، نماینده شما به اندازه کافی باهوش خواهد بود که بداند می تواند به این سؤال پاسخ دهد که پایتخت فرانسه در دستگاه چیست، چه روی عینک، مچ بند، روی نشان یا در گوش گیر شما باشد. و آن وقت متوجه خواهد شد که نداند. می‌داند که این در واقع یک سؤال بسیار پیچیده است، یا عملی است که نیاز به مجموعه‌ای کامل از مراحل برای تولید دارد، یا نیاز به کد جدیدی برای نوشتن دارد، و به ابر تبدیل می‌شود. بنابراین این نوع سوئیچینگ چیز هیبریدی بسیار مهم خواهد بود.  مورد دیگری که در سه یا چهار ماه گذشته دیده‌ایم این است که می‌توانیم ماشین‌های محلی بسیار قدرتمندی داشته باشیم که می‌توانند پردازش پس‌زمینه ناهمگام را انجام دهند. آنها می توانند به طور مداوم سیستم ها را در صورت نیاز نظارت کنند. آنها می توانند کارهایی را انجام دهند که می توانند 10 ساعت طول بکشد و بسیار آهسته تر از زمانی که در یک ابررایانه قرار می گرفتند، اجرا می شدند. بنابراین، به طور طبیعی، هنگامی که ما با تقاضا غرق می شویم، آن تقاضا برای ارضای بسیاری از گوشه ها و شکاف ها پیدا می کند.  من در واقع از نشانی که می سازیم بسیار هیجان زده هستم. خیلی باحاله این فناوری است که اساساً همه در یک شرکت بزرگ از آن برخوردار هستند. 25 یا 30 سال است که تکامل نیافته است. حتما باید بپوشیمش توسط خود شرکت، توسط مدیر سیستم ارائه شده است. بنابراین، ارتقاء سطح آن و در واقع تبدیل آن به یک پلتفرم باز بسیار جالب که قابل برنامه‌ریزی است و افراد دیگر می‌توانند بر روی آن ایجاد کنند، فکر می‌کنم ایده جالبی است. من فکر می کنم این کار می کند. بنابراین من از آن بسیار هیجان زده هستم. چیزی که من را شگفت زده می کند این است که به هیچ وجه نمی توانید یک دسته از محاسبات محلی پرقدرت را در یک نشان قرار دهید. این موضوع به این معنی است که تمام محاسبات در جای دیگری است. نه، شما قطعاً مقداری محاسبات محلی خواهید داشت. همانطور که در حال حاضر روی هدفون های خود دارید، یک طبقه بندی کننده محلی خواهید داشت. شما طبقه بندی کننده های محلی خواهید داشت. کلمات بیداری خواهد داشت. قراره دوربین خودش رو داشته باشه بنابراین من فکر می‌کنم که این چیزها فقط به ظرفی برای قدرت پردازش تبدیل می‌شوند که در زنجیره تودرتو از دستگاه‌های کم‌قدرت‌تر اتفاق می‌افتد تا درست به نقطه پایانی بروند. آیا فکر می کنید این گوشی آینده ای در این زمینه دارد؟ منظورم این است که Build درست در وسط Google IO و WWDC اپل قرار دارد. اینها شرکت های بزرگی هستند که پلتفرم های تلفن را کنترل می کنند. آنها دوست دارند در مورد اینکه چگونه پلت فرم های تلفن در مرکز باقی می مانند صحبت کنند. استدلالی که از خیلی ها می شنوم این است که، در واقع، هوش مصنوعی یک تغییر پلت فرم است که ممکن است کاملاً تلفن را جابجا کند. من فکر می‌کنم تاریخ فناوری به ما می‌آموزد که اساساً وقتی چیزها مفیدتر می‌شوند، ارزان‌تر می‌شوند، تکثیر می‌شوند و کاربردهای جدیدی از فناوری ایجاد می‌کنند. بنابراین فکر می‌کنم آنقدر به تلفن عادت کرده‌ایم که همه تصور می‌کنند این یک دستگاه لنگر برای بقیه تاریخ خواهد بود. اما در واقع، بسیاری از ویژگی‌ها و عملکردهای تلفن شما، به نظر من، از بین می‌روند، از هم می‌شکنند و در دستگاه‌های کوچک‌تر ذخیره می‌شوند. در حال حاضر عملکرد اصلی که گوشی در حال پخش است، به نظر من، تأیید است.  این به عنوان کارت شناسایی شما عمل می کند و تشخیص چهره شما را انجام می دهد تا به شما اجازه ورود به محیط های مختلف را بدهد. فکر می‌کنم به خوبی می‌توانید تصور کنید که یک دستگاه بسیار ارزان‌تر، کوچک‌تر و ایمن هستید که شما را از تلفنتان جدا می‌کند. و سپس ارتباط از طریق صدا یا حتی از طریق یک سری از حسگرهای محیطی که در آن هوش مصنوعی شما واقعاً روی یک دستگاه زندگی نمی کند، انجام می شود. در واقع هر جا که هستید با شماست، روی آینه حمام ظاهر می شود، هر کجا که باشد.  من فکر می‌کنم مثل این است که می‌توانید تصور کنید که بسیار فراگیرتر است. نه در سه تا پنج سال آینده، اما نگاه بسیار دورتر. و من فکر می کنم که زیرساخت پشتیبانی از ظاهر رمزگذاری شده اما توزیع شده عوامل احتمالاً در دهه 2030 ظاهر می شود. اجازه دهید دو سوال آخر را برای جمع بندی از شما بپرسم. شما اشاره کردید که این همان معماری است که ما از آن استفاده کرده ایم. من سوالات باز زیادی در مورد اینکه آیا LLM ها مسیر AGI هستند یا خیر دارم، و چیزی که به آن اشاره می کنم این است که آنها در واقع چیزی نمی دانند. در این مرحله، حتی Microsoft Research نیز اشاره می‌کند که [این مدل‌ها] چیزی نمی‌دانند، و این منجر به انواع خاصی از اشتباهات در انواع خاصی از برنامه‌ها می‌شود. آیا LLM ها مسیری به سوی AGI یا ابر هوش هستند؟ ببینید، من فکر می‌کنم احتمالاً به چند پیشرفت بزرگ دیگر نیاز داریم، اما این بدان معنا نیست که در چند سال آینده شاهد کاهش سرعت بهبود عملکرد خواهیم بود، که فکر می‌کنم درک این تمایز برای مردم دشوار است. یک چیزی که باید گفت این است که عملکرد در سطح انسانی در اکثر وظایف هنوز بسیار با هوش فوق العاده فاصله دارد. یک ابرهوش یک یادگیرنده همه منظوره است که اساساً می تواند فوراً یک دامنه کاملاً جدید را که خارج از توزیع است درک کند. بنابراین باید بتواند در یک محیط جدید از ابتدا یاد بگیرد، زیرا بازنمایی ذخیره شده از دانش ارزشمند، دانش مفهومی دارد. و در حال حاضر ما واقعاً آن را به طور کامل آزمایش نکرده ایم. عوامل هدف عمومی نیستند. اگرچه آنها گسترده و اغلب یکپارچه هستند، اما مختص دامنه هستند. ما از آنها برای چت استفاده می کنیم، از آنها برای کدنویسی استفاده می کنیم، از آنها برای تصویر یا صدا استفاده می کنیم. اکنون بدیهی است که ما به عنوان یک انسان، کارهای بسیار بسیار دیگری را انجام می دهیم که دامنه وسیع تری دارند. فکر می‌کنم به همین دلیل است که مردم به دنبال مدل‌های جهانی و به نوعی عوامل تعاملی بسیار فراگیرتر و واقعی‌تر هستند که توزیع کامل وظایف یا تجربیاتی را که من در طول روز دارم، مشاهده می‌کنند. من فکر می‌کنم که کافی است ما را در سه سال آینده، سه مرتبه بزرگی محاسبات بعدی، راه بسیار طولانی ببرد، و در عین حال ابرهوش کامل فراتر از آن، هنوز یک سوال باز است که آیا LLM ها کافی هستند یا ما به چیزهای دیگری نیاز داریم. من فکر می کنم کاملاً درست نیست که آنها چیزی نمی دانند یا دانش ندارند. آنها به وضوح ذخیره دانش هستند. آنها یک نمایش بسیار فشرده از دانش هستند. آنها فقط این کار را به روشی متفاوت با یک پایگاه داده رابطه ای سنتی به روشی روان تر، انعطاف پذیرتر و انتزاعی انجام می دهند که در واقع بسیار مفید است. ما آن ابهام را در نمایندگی داخلی می خواهیم.  و به طور فزاینده ای، آنها در حال یادگیری استفاده از ابزارهای سنتی هستند. نکته دیگری که باید کمی درک کرد این است که ممکن است شبکه عصبی همراه با ذخایر دانش موجود و ابزارهای موجود که در جای دیگری در اکوسیستم دیجیتال ایجاد شده‌اند برای راه‌اندازی آن کافی باشد تا عملکرد آن را به میزان قابل توجهی بهبود بخشد. بنابراین، قطعات بسیار با ارزش و بسیار مؤثری که در حال حاضر روی میز هستند، وجود دارند که در چند سال آینده در حال اتصال به یکدیگر هستند. و من فکر می کنم که این پیشرفتی را که همه ما در مورد آن هیجان زده ایم، هدایت می کند. یکی از چیزهایی که من فکر می‌کنم در حال حاضر در صنعت بسیار خنده‌دار است این است که اگر از آنتروپیک بپرسید که آیا کلود زنده است، آنها بسیار ناامید می‌شوند که شما در مورد کلمه زنده صحبت می‌کنید که آن‌ها آن را به معنای گوشت و خون تفسیر می‌کنند. و سپس آنها نمی گویند که آیا فکر می کنند کلود هوشیار است یا نه. بنابراین، فکر می‌کنم، برای اولین بار در تاریخ بشر، تمایزی بین زنده بودن و هوشیاری قائل شده‌اند، و فکر می‌کنند کلود آگاه است، اما زنده نیست، یا نمی‌دانند که آیا کلود هوشیار است یا نه.  کجایی؟ به نظر شما مدل ها هوشیاری دارند؟ آیا فکر می کنید آنها زنده هستند؟ به نظر شما آیا آنها پتانسیل رسیدن به این موارد را دارند؟ من طرف دیگر آن بحث را می گیرم. من مقاله ای در مورد هوش مصنوعی به ظاهر آگاه منتشر کردم و در مورد خطرات ناشی از ارائه نادرست این مدل ها به عنوان آگاهانه هشدار دادم. به نظر من خیلی خطرناکه من هم مقاله ای در نیچر منتشر کردم که همین ادعا را داشت. و من فکر می‌کنم که انگار برخی از افراد در آنتروپیک آن‌قدر طراحی کلود را انسان‌سازی کرده‌اند که بعد رفته و آنها را سیم‌کشی کرده و به نوعی آنها را فریب داده تا باور کنند که این بارقه‌های آگاهی را دارد که در وهله اول در آن قرار داده‌اند.  به عنوان مثال، در اساسنامه خود، آنها در واقع، کتابچه راهنمای آموزشی است که از آن برای آموزش به کلود استفاده می کنند که چه کاری می تواند انجام دهد و چه کاری نمی تواند انجام دهد... این فقط یک کتاب قانون نیست. این در واقع یک راهنمای آموزشی است که بخشی از فرآیند آنهاست. در آن راهنما، آنها در واقع در مورد رفاه کلود، در مورد حقوق خود کلود در مورد نسخه های قبلی خود حدس می زنند و در واقع می گویند که قبل از حذف یا خاموش کردن نسخه های قبلی با کلود مشورت خواهند کرد. آنها در مورد آگاهی آن و اینکه آیا آن احساسات را دارد و آگاه است، حدس می زنند. من فکر می کنم که واقعاً بسیار خطرناک است.  اولاً، این یک شکست فلسفی است، زیرا آنها با قانون اساسی به‌عنوان محلی برای گمانه‌زنی‌ها مانند شما در یک مقاله دانشگاهی به جای یک کتابچه راهنمای آموزشی رفتار کرده‌اند. بنابراین کلود رفته و آن ایده‌ها را در مورد خودش و آموزش خودش درونی کرده است. اما دوم، من فکر می کنم این بسیار نامطلوب است. این دقیقاً همان چیزی است که ما از هوش مصنوعی نمی خواهیم. ما می‌خواهیم هوش مصنوعی ابزارهایی قابل کنترل، محدود، پاسخگو و همسو باشد که در خدمت بشریت باشد. این پروژه ابرهوش اومانیستی است. من فکر می کنم این چیزی است که همه ما باید دنبال کنیم. ما نمی‌خواهیم با هوش فوق‌العاده‌ای که ایده‌هایی درباره رنج‌های خود یا ایده‌هایی درباره احساسات خود دارد، مبارزه کنیم. و فراتر از آن، من فکر می کنم در واقع کاملاً واضح است که این مدل ها رنج را تجربه نمی کنند. من فکر می‌کنم رنج تعریف اولیه از معنای آگاه بودن است، و من فکر می‌کنم که ذاتاً بیولوژیکی است. من فکر نمی‌کنم هیچ شبکه درد یا حلقه بازخوردی در داخل مدل‌ها وجود داشته باشد که شبکه‌های حسی بیرونی را به حس تکامل‌یافته درست یا نادرست از طریق آسیب و آزمایش وصل کند. این مدل‌ها اینگونه آموزش داده نمی‌شوند.  بنابراین فکر می‌کنم بسیار خطرناک است که حقوق بالقوه را بر موجودات، ابزارها و عواملی که از بسیاری جهات توانایی بیشتری نسبت به ما دارند، بپردازیم. و من فکر می کنم که این به یک بحث بزرگ تبدیل خواهد شد. این حتی اخیراً بخشی از بخشنامه پاپ بود. من فکر می کنم که به زودی به بخش بسیار بسیار بزرگی از بحث تبدیل خواهد شد. من در گذشته با داریو در مورد آن زیاد صحبت کرده ام. او می‌داند که دیدگاه‌های ما کمی متفاوت است، و آنها بسیار متواضع هستند. من فکر می‌کنم آنها بسیار گشاده‌نظر هستند و فکر می‌کنم آنها شهروندان خوبی هستند که تلاش می‌کنند کار درست را انجام دهند. آنها افراد خوبی هستند، و من فکر می کنم آنها برای بازخورد و تکرار بسیار آماده هستند. فکر کنم با شما موافقم من فقط کمی عقب می کشم. رنج کشیدن آسان است. بسیار آسان است که دیگران را رنج بکشند. خیلی سخت است که دیگران را احساس شادی کنیم یا حداقل کمی سخت تر از رنج کشیدن. و من فقط به شما پیشنهاد می کنم... فکر می کنم در واقع این شادی است که آگاهی را تعریف می کند. رنج تقریباً ناچیز است. من دو فرزند خردسال دارم. آنها در رنج بردن یکدیگر بسیار خوب هستند. این تقریباً ساده ترین کاری است که آنها انجام می دهند. انجام کار دیگر بسیار سخت است.  بگذارید یک سوال آخر از شما بپرسم. من فقط می خواهم برگردم. دوباره، چند هفته پیش، من در گوگل بودم. دمیس حسابیس را دیدم که گفت ما در دامنه تکینگی هستیم. شما در اینجا در مورد ابر هوش و چگونگی ساخت آن صحبت کرده اید. شما درباره تاریخچه طولانی خود صحبت کرده اید و درباره نحوه ساخت ابرهوشی و اختلافات خود با دیگران در صنعت صحبت می کنید، بحث می کنید، تحقیق می کنید و می نویسید. آیا قبول دارید که ما در کوهپایه های تکینگی هستیم، یا دید شما تا حدودی متفاوت است؟ من فکر می کنم که ما قطعا در مسیر ایجاد سیستم های بیشتر و قدرتمندتر هستیم. من فکر می کنم که انتقالی که ما باید به عنوان یک گونه انجام دهیم این است که، برای اولین بار در تاریخ بشریت، این کار از اختراع علم جدید و آزاد کردن همه آن کاربردهای فنی با بیشترین سرعت ممکن، تا حد امکان گسترده، به اکنون با دقت در مورد آنچه باید اختراع کنیم تغییر کند. و این برای جهان بسیار سخت است که سر خود را بپیچد زیرا اختراع برای همیشه موتور پیشرفت بوده است. پس مثل این است که چگونه می توانیم فکر کنیم، "خوب، خوب، شاید این بار متفاوت باشد. شاید ما باید در اینجا بسیار مراقب باشیم"؟  برای روشن بودن، فکر نمی‌کنم این چیزی باشد که در پنج سال آینده به درب خانه بکوبد. من فکر می‌کنم آنچه دمیس در حالت تکینگی به آن اشاره می‌کند، چیزی است که حداقل به نظر من، دهه‌ها دورتر است. باز هم، این با هوش فوق العاده متفاوت است. تکینگی نقطه‌ای است که در آن یک ابرهوش می‌تواند به صورت بازگشتی خود را بهبود بخشد و قابلیت‌های خود را به طور بی‌نهایت و تصاعدی افزایش دهد.  بنابراین من فکر می‌کنم که خیلی دور است، و شاید ما در دامنه‌های صعود به قله اورست هستیم، و فکر می‌کنم از اینجا خیلی بیشتر طول می‌کشد، اما سوال واقعی این است که چگونه می‌خواهیم آن را اداره کنیم؟ چگونه می‌خواهیم آن را کنترل کنیم، و چگونه می‌خواهیم مطمئن شویم که به بشریت خدمت می‌کند و در نهایت بیشتر از اینکه ضرری برای ما به همراه نداشته باشد؟ آیا می توانی فقط یک لطف به من بکنی؟ فکر می‌کنم آن را فهمیده‌ام، اما آیا می‌توانید تعریف دقیقی از آنچه فکر می‌کنید ابر هوش چیست، فکر می‌کنید AGI چیست و فکر می‌کنید تکینگی چیست به من ارائه دهید؟ فکر می‌کنم هوش عمومی مصنوعی نقطه‌ای است که در آن می‌توانیم بیشتر وظایف انسانی را با هوش مصنوعی انجام دهیم. بنابراین در بیشتر چیزها به خوبی بیشتر مردم خواهد بود. این اولین پله روی نردبان است. ابرهوشی جایی است که نه تنها با عملکرد انسان در همه وظایف برابری می کند، بلکه می تواند به طور چشمگیری از عملکرد انسان در بسیاری از آن وظایف فراتر رود و به تنهایی می تواند دانش جدیدی را کشف کند. بنابراین این نقطه‌ای است که در آن یک دانشمند واقعی چیزهای جدیدی را به ما آموزش می‌دهد که در داده‌های آموزشی نبودند، امیدواریم مولکول‌های جدید، علم مواد جدید، و غیره را اختراع کنند. تکینگی نقطه ای فراتر از آن است که در آن یک ابرهوش واقعاً می تواند خود را بهبود بخشد، و این بسیار علمی تخیلی است، اما مانند شتاب بی نهایت به سمت این لحظه منحصر به فرد است که در آن فقط، نمی دانم، به بی نهایت یا چیزی دیگر می رود. من نمی دانم. برای سلیقه من کمی بیش از حد حواس پرت است. برای همین پرسیدم می‌توانستم بگویم چیزی مبهم‌تر در آنجا وجود داشت که کمی مبهم بود. مصطفی، واضح است که می‌توانم ساعت‌ها و ساعت‌ها بیشتر در این مورد با شما صحبت کنم. باید زودتر از این آخرین نوبت برگردی. از حضور شما در رسیور بسیار سپاسگزارم. آره، جالب بود خیلی ممنون نیلای به زودی می بینمت. سوالات یا نظرات؟ ما را در [email protected] سر بزنید. ما واقعاً هر ایمیلی را می خوانیم!