文 | 烏鴉智能說
人工智能技術正在快速發展，并逐漸融入人們生活的各個方面。爲了更好地了解人工智能領域的最新進展，來自20VC的Harry Stebbings訪問了 Mistral 聯合創始人 Arthur Mensch。Arthur Mensch 曾在 DeepMind 工作了兩年多，并在 2021 年創立了 Mistral，緻力于開發高效的通用人工智能模型。
在對談中，Arthur Mensch 與我們分享了 Mistral 的發展曆程、技術理念、未來規劃以及他對人工智能行業的看法。他認爲，模型效率比單純追求規模更加重要。Mistral專注于在特定成本和規模下實現業界頂尖的模型性能。Mistral 7B就是在模型壓縮方面取得了重大突破，并且填補了性能和效率之間的空白。當下模型混戰的最終狀态是開發人員平台會更加成熟，擁有更豐富的功能，允許進行定制、開發低延遲的特定用途模型、進行評估并随着時間的推移進行改進。模型隻是一個很小的部分，雖然很重要，但它仍然隻是應用程序的一部分。
通用模型将成爲人工智能應用程序開發的基礎，開發人員可以使用這些模型來創建定制模型，以滿足特定需求。随着模型性能越來越好，隻要擁有相關數據并且理解用例，那麽創建垂直應用程序就會變得越來越容易。Mistral 的創立是爲了給開發人員帶來價值和自由，讓開發人員可以擁有和修改他們制作的模型和技術。讓開發人員和 AI 應用開發者擁有自由，這才是使生成式 AI 盡可能廣泛傳播的最佳方式。
在管理層面上，Arthur Mensch 指出小型團隊的高效性，并表示Mistral目前也在采用這種控制團隊規模同時保證信息透明同步的管理方式。同時他們也在嘗試平衡科研與銷售的關系，選擇更有複合背景的人才來減弱不同部門之間的代溝。透明的反饋對公司來說實際上非常有用。幾乎完全透明地運營公司幫助了他們打破了增長瓶頸。在戰略層面上，他們仍需要更多的資金、強勁的産品，并且不能隻局限于歐洲市場，需要迅速進軍美國。
數據質量是提高模型性能的關鍵，人工智能将改變人們的工作方式，因爲它要求人們變得更具創造力，并帶來超出自動化所能及的價值。這将對就業市場造成結構性變化，需要采取措施幫助人們适應。
01 Arthur Mensch的成長回顧
Harry Stebbings：Arthur，我想從你的成長經曆開始。作爲一名傑出的創始人，你小時候有哪些特質和性格呢？你的父母或老師會如何描述你？
Arthur Mensch：我小時候總是充滿好奇心，也有些固執己見，老實說，對待兄弟們也不太友好，不過随着時間的推移有所改善。至于他們會怎麽形容我，你應該去問他們。不過，我希望他們有美好的回憶吧！
Harry Stebbings：好吧，沒關系。你第一次接觸到人工智能是在什麽時候？你小時候在法國，是如何接觸到機器學習的？是什麽點燃了你最初的熱情？
Arthur Mensch：大概是在 2013 年，我記得 Andrew Ng 當時展示了用神經網絡控制直升飛機倒飛，這是一個非常複雜的控制問題。雖然我不确定這是否真正屬于人工智能領域，但他确實提到過使用神經網絡來進行控制。
Harry Stebbings：最近你曾在 DeepMind 工作了兩到三年。那段經曆對你影響最大的是什麽？它如何影響了你組建 Mistral 團隊的方式？
Arthur Mensch：在 DeepMind 我深刻體會到，一支由 5 人組成的團隊效率往往比 50 人的團隊高，前提是将 50 人團隊拆分成 10 個相互獨立的小組。這也是我們公司在組建科研團隊時采取不同組織方式的原因之一。正是因爲這個教訓，讓我們意識到即使是小團隊也能做出重要成果。
Harry Stebbings：你能解釋一下 "相互獨立" 的意思嗎？這樣做難道不會降低效率嗎？劃分小組會不會産生信息孤島，反而降低整體效率？
Arthur Mensch：我們會共享基礎設施、代碼庫和研究成果。對于通用模型來說，你需要讓它們向不同的方向發展，比如掌握不同的語言、編程、數學和推理能力，甚至還需要加入多模态功能。這些方面雖然彼此關聯松散，但我們使用相同的優化框架、數據和訓練方法。團隊不需要花大量時間進行協調會議，這也是一種平衡。到目前爲止，我們規模還比較小，隻有 25 個人，所以協調起來并不算太難。不過随着團隊壯大，這肯定會成爲一個挑戰。這是我在 DeepMind 的主要收獲之一。剛開始他們的規模很有效率，後來效率下降了一些，不過現在已經有所恢複。總之，我們 Mistral 團隊的優化目标就是盡可能快地叠代和發布産品。
Harry Stebbings：離開 DeepMind 創辦 Mistral 是一個容易的決定嗎？畢竟 DeepMind 是全球頂尖的人工智能研究機構，擁有衆多優秀人才。
Arthur Mensch：這不是一個一開始就說一不二的決定。一開始可能隻是 10% 的離開念頭，然後逐漸增加，直到有一天你意識到自己已經無法再待下去了。同事之間的情誼很珍貴，所以不會是突然的決定。對我來說，做出決定的關鍵點可能是在去年 3 月底左右。周五我下定決心，然後周一就遞交了辭呈。
Harry Stebbings：夠幹脆！一旦決定離開就立刻行動，這很棒！接下來我想從按時間順序回顧一下。你們發布的第一個模型 Mistral 7B 非常受歡迎，你認爲這背後的原因是什麽？你們做對了什麽？又從中吸取了什麽教訓？
Arthur Mensch：我認爲 Mistral 7B 取得成功的因素有兩個。首先，它在模型壓縮方面取得了重大突破，這爲整個科研界提供了寶貴的經驗和學習資料。其次，它填補了性能和效率之間的空白。7B 的模型大小可以在 MacBook 或智能手機上高效運行，同時又具備足夠的功能實用性。此前也有 7B 大小的模型，但性能不足以支持有趣的應用。因此，我們通過瞄準這個特定的領域吸引了開發人員的注意，因爲 7B 的模型大小正好滿足了業餘愛好者在遊戲 GPU 或 Macbook 上運行的需求。Mistral 7B 的成功在于填補了性能和效率之間缺失的一環，從而引起了廣泛的興趣和應用。
Harry Stebbings：從中學到的教訓如何影響你們未來的發布呢？
Arthur Mensch：這讓我們意識到，比起單純追求更大規模的模型，效率更受關注。因此，我們繼續緻力于開發高效的模型，比如後續的 Mixtral 8x7B 和 Mixtral 8x22B，都是在特定成本和大小下實現業界頂尖性能。追求效率的同時，我們也會逐步擴展到更大規模。
02 人工智能領域的效率與規模
Harry Stebbings：既然你們如此注重效率和前沿，那麽規模還重要嗎？
Arthur Mensch：規模在某種程度上很重要，如果你投入更多計算資源進行訓練，就可以使模型更加壓縮。因此，壓縮模型确實需要一定的計算資源以及一定的訓練規模。規模并不是唯一要素，并不是成功的秘訣，你還需要合适的數據，否則你會遇到數據質量瓶頸。還需要合适的訓練技術，你需要找到一些方法來提高效率，這些方法并不需要額外的計算資源，因爲計算資源成本很高。我們在 Mistral 公司做的一件事就是嘗試利用"計算乘數效應"來提高效率。
Harry Stebbings：在不增加計算成本的情況下提高效率，這個領域還有多少潛力可挖？我可能有點天真，我想問的是，還有很多可以挖掘的空間嗎？還是說我們現在已經接近極限，隻能做微小的改進？
Arthur Mensch：這還很難說。我相信我們可以做到在特定規模下性能更優異的模型。這個問題就像，通過增加數據量和延長訓練時間，能否在相同類型的數據上訓練出更好的模型一樣，都是需要探索的問題。你可以嘗試預測最終能達到的性能極限，但最終還是要通過嘗試來驗證。
Harry Stebbings：大多數人認爲模型格局的最終狀态會變成商品化，最終會有 12 家玩家，然後陷入價格戰。在你看來，模型的最終狀态會是什麽？你如何看待商品化問題？
Arthur Mensch： 我認爲模型混戰的最終狀态是開發人員平台會更加成熟，擁有更豐富的功能，允許進行定制、開發低延遲的特定用途模型、進行評估并随着時間的推移進行改進。模型隻是一個很小的部分，雖然很重要，但它仍然隻是應用程序的一部分。當你部署一個面向用戶的應用程序時，你需要确保它的運行，确保它的延遲随着時間推移降低，确保它的質量随着時間推移提高。因此，我認爲最終狀态是模型将成爲任何人工智能應用程序開發人員的起點，它們需要被工具和生命周期管理平台所包圍。這就是我們開始構建的東西。通用模型有點缺乏差異化，你爲你的應用程序創建的差異化來自你輸入的數據、你收集的用戶反饋以及你理解應用程序應該做什麽的智能。這完全不是商品化，沒有一個辦法可以讓你從通用模型直接成爲一個超級好、在特定任務上優于所有其他模型的模型。我認爲這是一個缺失的拼圖塊，也是我們在産品方面投入力量的方面之一。
03 改善模型質量的挑戰與機遇
Harry Stebbings：Sam Altman 和 Brad 前幾天提到，現在的模型質量還并不夠好，還需要大大提高。制約模型質量的最大瓶頸是什麽？要如何改善？
Arthur Mensch： 我認爲數據質量是一個限制因素。如何确保模型能夠利用整個世界知識，并沿着學習越來越複雜事物的路徑發展，這非常重要，但這也是一個被忽視的方面。計算資源當然也很重要，但是以我們現在擁有數據量來看，計算資源已經不再是瓶頸了。例如，文本生成模型，問題在于如何精煉數據，以及如何向模型本身輸入高質量的數據來随着時間推移進行改進。
Harry Stebbings：我們會看到能夠回答大量複雜問題的通用模型，還是更垂直領域專用的小型模型？
Arthur Mensch：我們相信會出現垂直領域的模型，而且這些模型不會由我們提供，而是由應用程序的創建者構建。因爲想要獲得低延遲且擅長特定任務的模型，就必須去除通用性。通用模型雖然可以處理很多事情，但如果你想讓模型深入思考某個特定主題以供你的 AI 應用調用，同時還要保持良好的用戶體驗和低延遲，那麽通用模型就不太适合。
Harry Stebbings：很抱歉這麽直白，但好像價值真正産生的地方是在應用程序層面，也就是創建特定模型的地方。那麽你們将如何發揮作用呢？
Arthur Mensch：制作專業模型是一項非常艱巨的任務，實際上這與創建預訓練模型的方式密切相關。因此，我們提供易于使用的工具，使開發人員能夠創建性能非常好的定制模型，而這些模型又不需要專家知識，畢竟這種專家人才很難找到。
Harry Stebbings：我作爲投資者很高興聽到你剛才說應用程序層将産生價值。因爲我擔心通用模型會被我們提到的某些公司碾壓。你如何看待應用程序層仍然能創造價值？對像我這樣的投資者，你有什麽建議？
Arthur Mensch： 第一，随着模型越來越好，隻要擁有相關數據并且理解用例，那麽創建垂直應用程序就會變得越來越容易，前提是你擁有簡化操作的工具。這讓我覺得應用程序層利潤空間會越來越薄。但另一方面，由于我們可以壓縮模型并顯著提高效率，因此模型的成本也在下降。這意味着加上模型層的競争壓力，模型的價格肯定會下降。因此，一方面是不斷增強的能力和壓縮的價格，這似乎會讓應用程序層變得更薄；另一方面，模型部分将會發展壯大。對我們來說，我們的做法是假設模型部分仍然會足夠大，我們需要在這個基礎上構建平台，因爲這将使我們能夠實現對你來說很感興趣的垂直應用。
Harry Stebbings：你如何看待你們的定位和品牌？因爲其他一些參與者更直接地表示他們将主導許多不同的垂直領域，這讓人有點擔心。你們如何看待這種說法？
Arthur Mensch：我們不是垂直領域的公司。我們創立 Mistral 是爲了給開發人員帶來價值和自由。當我們開始做的時候，當時隻有一個 API，而且生成式人工智能領域似乎由少數幾家公司主導。因此，我們采取了這種平台式的方法，我們讓開發人員擁有和修改我們制作的模型和技術。讓開發人員和 AI 應用開發者擁有自由，這才是使生成式 AI 盡可能廣泛傳播的最佳方式，這也是我們作爲公司的目标。讓前沿人工智能融入每個人心中，這就是我們當初創立 Mistral 的原因。我認爲我們做得還不錯，當然我們還有很多事情要做，但是我認爲開源部分爲社區帶來了便利，讓人們意識到他們可以通過修改模型本身來構建非常有趣的技術，而不需要依賴少數供應商的 API。
Harry Stebbings：開發人員關心什麽？大家都在 Twitter 上讨論性能問題，比如本周的 X 模型比上周的 Y 模型更好。他們關心效率、規模、成本等因素嗎？這些因素如何影響他們的決策？
Arthur Mensch：開發人員肯定會關心成本，他們也關心定制的可能性，能夠修改模型。在這方面，我認爲我們隻是觸及了皮毛。微調一直以來都是常用解決方案，但這可能有點達不到我們想要的效果。他們還關心能夠部署到任何地方，比如特定的雲端空間、本地環境或者邊緣設備。因此，他們也關心可移植性，而可移植性通常會帶來數據控制的優勢。通常情況下，當大型語言模型與知識庫或與某些企業相關的東西連接時，它們會變得非常有用，但同時也會成爲應用程序的一個非常敏感部分。企業非常關注确保他們的專有數據能夠在一個完全安全的環境中被訪問，這就是爲什麽我們将我們的平台部署在Azure和AWS上，爲他們提供所需的安全層。
Harry Stebbings：艱難的問題來了，大語言模型基于的産品的邊際收入何時何地會超過邊際成本？
Arthur Mensch：我可以告訴你誰目前做得最好，但随着時間的推移，情況可能會發生變化。目前做得最好的公司是英偉達，雲提供商基本上持平，模型提供商還處于虧損狀态，但希望不會一直虧損。我認爲這将是一個充滿變動的領域，正如我所說，模型的能力使應用程序的成本越來越低。我不認爲大語言模型的核心部分（也就是真正基礎層的邊際成本和利潤率）會降爲零，否則肯定會存在公平性問題。
Harry Stebbings：你能解釋一下"公平性問題"嗎？
Arthur Mensch：通常，價值的積累往往集中在最困難的部分和最具可防禦性的部分。在一段時間内，這主要體現在基礎模型上。它将成爲大多數創新發生的地方，也是至少大部分積累價值的地方。
Harry Stebbings：今天創辦一家基礎模型公司真的有很多障礙嗎？我知道這是一個非常籠統和愚蠢的問題，但現在有這麽多不同的參與者，而且每天都在出現新的參與者，所以障礙是不是在逐日降低？
Arthur Mensch：我不認爲是這樣。在這個領域取得成功非常困難。你需要在成本、效率、性能方面占據主導地位。隻有少數公司目前處于有利地位。你可以嘗試做一些事情，但如果它無關緊要，如果它被另一個模型或另一種技術嚴格主導，那麽你就會遇到問題。你需要克服一些難以克服的障礙，你需要非常高效地運營、籌集足夠的資金來獲得足夠的計算資源、擁有訓練模型的人才（這仍然是一種稀缺資源），以及一個好的品牌，因爲正如你所說，競争非常激烈，這些都不是憑空産生的。
Harry Stebbings：你認爲計算成本下降的速度有多快？
Arthur Mensch：計算成本會随着時間的推移而降低，首先是基于硬件成本。根據 Nvidia 的路線圖，每兩年的相同 FLOPS （Floating point operations per second，每秒浮點運算次數，理解爲計算速度）數量，計算成本都會降低約 30%。另一個提高效率的因素是算法的改進。如果我們看看三年前和今天訓練模型的方式，我認爲我們在算法方面取得了大約 100 倍的改進。所以這可能是近年來取得的大部分收益。當然，計算成本會降低，但不會比摩爾定律更快降低。
Harry Stebbings：正如你提到的，與核心供應商（如英偉達）建立良好關系似乎是成功的重要因素之一。這不是決定今天成功的核心因素嗎？
Arthur Mensch：這确實是一個重要方面。在人工智能層面上，我們對雲服務提供商和英偉達都存在一定的戰略依賴關系。競争也在升溫，但與硬件提供商保持良好合作關系對于開發軟件而言是很有幫助的，他們可以協助你優化硬件利用。當你向企業出售開發者平台時，通過他們熟悉的雲提供商進行交付也是很有用的。所以在這方面确實需要進行一些重要的合作。
04 平衡研究團隊與銷售團隊
Harry Stebbings：對于您這樣一位創始人來說，既要管理研究團隊，又要組建企業銷售團隊，如何平衡這兩個團隊之間的關系呢？
Arthur Mensch：确實需要用心去平衡。我們希望科學團隊能夠理解用戶面臨的問題，因爲這将反過來促進科學研究的進步。畢竟，我們研發的通用技術隻有在識别出具體用例後才能真正發揮作用。因此，讓科學團隊盡早接觸産品和業務團隊是非常重要的。這将幫助他們理解模型的局限性以及如何加以改進。另一方面，銷售團隊也需要理解這是一款技術含量很高的産品。他們并不是在銷售一款成品，而是在銷售驅動該成品的産品。因此，他們需要告訴客戶如何正确使用這些模型，爲企業帶來實際價值。這需要對銷售團隊進行強有力的培訓。
Harry Stebbings：研究團隊和銷售團隊的工作節奏似乎并不一緻，科學研究通常需要幾個月的時間才能完成一個周期，而銷售團隊的周期則要短得多。您是如何解決這個問題的呢？
Arthur Mensch：到目前爲止，我們設法招募了一些對技術感興趣的銷售人員，以及一些對商業感興趣的技術人員。這樣可以避免團隊之間出現代溝。
Harry Stebbings：開源技術是否适用于企業領域？企業是否已經準備好迎接開源技術，他們是否足夠重視它？
Arthur Mensch：這取決于具體企業的情況。一些企業已經開始率先采用開源模型，并将它們投入生産使用。但是，要把這些模型應用于大規模生産，還需要額外的産品功能，例如負載均衡和模型定制。使用自己研發的解決方案當然可以做到這一點，但要使其足夠魯棒和可擴展卻并非易事。要想真正提高定制模型的質量，就需要一些難以掌握的方法。因此，一些技術實力雄厚的企業無疑已經爲采用開源技術做好了準備，并且已經有許多成功的用例在生産環境中使用開源模型。
Harry Stebbings：爲了擴大采用範圍，肯定還需要一些配套的工具進入市場。如今，每個企業都在董事會上讨論其人工智能戰略。您會給他們什麽建議？他們應該問哪些問題？
Arthur Mensch：不要總是想着利用人工智能徹底改變所有産品，也不要将人工智能視爲一種無所不能的代理。現在我們可以構建非常智能的代理，但要後退一步，從組織層面理解人工智能帶來的影響。換句話說，不要将生成式人工智能視爲提高文字處理工作效率的一種方式，而要将它視爲徹底改變核心業務運營方式的一種手段。這通常涉及到對模型進行大量定制，以便在五年後每個人都采用這項技術的情況下爲你帶來競争優勢。
05 美歐投資者的區别
Harry Stebbings：資金來源會影響擴展限制嗎？當你融資的時候，跟歐洲投資人和美國投資人溝通起來有很大差别嗎？
Arthur Mensch：種子輪融資沒什麽差别，不過到了更大規模的 A 輪融資，情況就不同了。歐洲的基金架構并不适合我們當時提出的融資方案，所以我們甚至沒跟他們怎麽交流，因爲他們根本理解不了我們需要多大規模的投資。
Harry Stebbings：你們還處于初創階段是吧？
Arthur Mensch：是的，我覺得歐洲缺乏的是像樣的成長型基金，它們能夠大舉押注，并且滿懷信心。随着時間的推移，這種情況肯定會改善，尤其是如果我們可以更好地利用歐洲的财富，将更多資金投入到此類成長型基金中，而不是像現在這樣。
Harry Stebbings：你似乎比我更樂觀一點，你覺得未來幾年歐洲會出現更多成長型基金嗎？
Arthur Mensch：我可不覺得，至少在未來三到五年内不會。這取決于一些政治決策，以及資金供應和人們是否相信歐洲的未來生态系統能夠與其他大型生态系統競争。這是一個先有雞還是先有蛋的問題，但總歸在某個時候需要有人推動它往正确的方向發展。如果政治層面有這個意願，如果有一些公司展示出在歐洲可以真正實現快速增長，這種情況就會朝着正确的方向發展，這正是我們所努力的。
Harry Stebbings：你提到過擴展速度是最難的事情之一，作爲 CEO，當你帶領公司高速擴展時，你覺得最難的是什麽？
Arthur Mensch：學習新事物！這是一邊幹一邊學的過程。比如，如何讓 45 個人之間保持良好溝通，如何管理好自己的時間，用于展示公司、拓展業務等等，因爲我們現在還處于需要深度參與交易談判的階段。
Harry Stebbings：假設你能夠回到過去，在成爲 Mistral AI 的 CEO 之前一天晚上給自己一些建議，你會說什麽？
Arthur Mensch：也許我會更注重産品開發和市場推廣。當時我們開展市場推廣的時候，根本沒什麽可賣的東西。雖然最終還是取得了一些品牌知名度，但或許可以稍微改變一下順序，讓産品開發稍微領先于市場推廣一些。不過，由于這是一個快速發展的領域，我們确實是一起啓動了所有項目，這導緻了一些組織上的問題。現在我們正在努力鞏固這方面的工作。
Harry Stebbings：考慮到該領域的快速發展，你們當時的戰略肯定會有所變化吧？
Arthur Mensch：總的來說，我們一年前制定的戰略并沒有太大變化。我們意識到我們需要更多的資金、強勁的産品，并且不能隻局限于歐洲市場，需要迅速進軍美國。這些都是我們在發展過程中得出的結論，即使我們一年前就知道這些，也不會帶來太大幫助。
Harry Stebbings：你們現在覺得資金充足了嗎？
Arthur Mensch：初創公司總是需要融資的。在未來幾年裏，投資都會大于收入，因爲作爲前沿公司，我們需要擴展規模并保持相關性。因此，肯定需要持續的投資。收入也在逐漸增加，所以也有一些可以用于再投資的收入。但我認爲，在今後很長一段時間裏，研究開發的速度都應該快于市場推廣的速度。
Harry Stebbings：談到目前的技術格局，你最尊重和欽佩哪家公司？
Arthur Mensch：他們都取得了不錯的成績。最近，OpenAI 讓大家感到驚喜，他們發布了優秀的新模型。還有 Anthropic 和谷歌的朋友們也在出色地工作。這是一個充滿競争的領域，我們彼此尊重，也朝着相同的更高目标共同努力。
06 快速問答環節
Harry Stebbings：當今世界上最讓你擔心的是什麽？
Arthur Mensch：全球變暖。地球升溫以及美國尋找解決方案的競賽讓我很擔心。我認爲人工智能是解決方案的一部分，因爲它可以帶來更多控制，并在某些流程中帶來更高的效率。但實際上這是一場生存競賽，所以我覺得我們應該更多地意識到這一點。
Harry Stebbings：在過去 12 個月裏，你改變了最多的想法是什麽？
Arthur Mensch：改變了很多關于管理的先入爲主的觀念，這些觀念以前我從未測試過。其中最大的一點是，透明的反饋對公司來說實際上非常有用。因此，幾乎完全透明地運營公司幫助了我們打破增長瓶頸。
Harry Stebbings：在 Mistral 發展過程中，哪個方面出乎意料地最具挑戰性？
Arthur Mensch：我們需要管理的需求量太高了，超出了我們的能力範圍。還有就是品牌出乎意料的成功，人們都認識我們了。我們知道會引起關注，但沒想到人們會這麽快開始使用我們的産品。
Harry Stebbings：Arthur，你現在有很多事要做，肩上也有很多期待和資金壓力，你該怎麽做才能放松下來？
Arthur Mensch：我會跑步和騎自行車。我想我伴侶可能會對我心生怨言，但我還是會盡量照顧我的女兒。
Harry Stebbings：你最近剛當了爸爸，現在你有哪些當初剛有女兒時希望自己知道的呢？
Arthur Mensch：老實說，我完全沒想到照顧一個小孩子需要這麽多精力。
Harry Stebbings：你認爲未來AI會在 10 年内改變世界嗎？社會在一切都融入 AI 的情況下會變成什麽樣？
Arthur Mensch：人工智能将顯著改變人們的工作方式，因爲它要求人們變得更具創造力，并帶來超出自動化所能及的價值。因此，這将對就業市場造成非常結構性的變化，這意味着需要迅速采取一些适應措施，例如培訓和教育，讓人們能夠理解在日常工作中會有什麽樣的期待，以及如何與人工智能協作。
Harry Stebbings：你認爲人們對工作被取代的恐懼被誇大了嗎？
Arthur Mensch：取決于你跟誰交談。我認爲一些工作肯定會消失，但也會有一些新的工作産生。因爲我們正試圖讓人類思維達到更高的抽象層次，這樣我們才能與機器對話，機器也能理解并以人類的方式回答。這不像計算機帶來的那種巨大變革。不過，我認爲現在正以曆史上前所未有的速度提升思維抽象的層次，這将使社會适應起來更具挑戰性，需要提前預見到這一點。
Harry Stebbings：最後一個問題，假設 10 年後一切都順利，Mistral 會是什麽樣子？
Arthur Mensch：Mistral 将擁有非常相關的一些商業和開源模型，還将擁有功能強大的開發者平台，使人們能夠創建他們的人工智能應用程序。那将是一個好的成就。
