第二期華夏基石數智時代領導力特訓營熱招中！
報名即送十月管理論壇名額一個！價值12800元！
來源 | 圖靈人工智能，管理智慧
咨詢合作| 13699120588
文章僅代表作者本人觀點，圖片來源于pixabay
世界上最了解人工智能的吳恩達教授，他每天又是如何使用人工智能工具呢？
作爲斯坦福大學教授、AI基金、DeepLearning.AI和Coursera的創始人,以及亞馬遜董事會新任董事的吳恩達(Andrew Ng)博士,最近接受了Ken Nakarin的采訪,分享了他對AI發展和應用的個人見解。
吳恩達将AI比作電力,認爲它是一種無所不在的通用技術。他指出,當今AI主要有兩大技術:預測性AI(或監督學習)和生成式AI。這些技術正在被應用到醫療、農業、旅遊、物流等衆多領域。
然而,AI的應用并非簡單直接。吳恩達舉例說明,在法律文件分析等複雜任務中,需要結合AI代理或AI工作流等更先進的技術,才能獲得準确可靠的結果。他預測,這些應用在未來幾年将會變得越來越成熟和普及。
面對AI帶來的變革,他強調了教育和終身學習的重要性，也建議每個人,尤其是在職人員,都應該接受如何安全有效使用生成式AI的培訓。他指出,AI更多是自動化某些特定任務,而非取代整個工作崗位。吳恩達教授特别強調了培養持續學習習慣的重要性。在他看來,與其一次性密集學習,不如長期堅持每周學習一點。這種學習的态度,将幫助我們在快速變化的技術環境中保持競争力,提高效率和生産力。
采訪核心要點：
AI是否能與人類戀愛？
Andrew Ng認爲這個問題更像是哲學問題，而非科學問題。目前沒有明确的方式來測試或證明AI是否能夠真正地"愛"人類。這類問題往往因人而異，每個人都有不同的看法和理解。
AI的現狀與發展：
AI已經成爲一種廣泛使用的通用技術，類似于電力。它主要分爲兩類技術：
預測AI（監督學習）：擅長根據輸入生成輸出，比如識别電子郵件是否爲垃圾郵件。
生成式AI：擅長生成高質量的文本、圖像和音頻，如文本撰寫、圖片生成等。
生成式AI的工作原理：
生成式AI通過大量文本數據學習，能夠預測接下來的單詞。這種基于大數據的方式使得AI能夠生成自然流暢的文本、代碼等。
通用人工智能（AGI）的實現難度：
Andrew Ng認爲AGI的實現還有很長的路要走，可能需要數十年甚至更久。這涉及到多個技術突破，而這些突破目前尚不可預測。
代理工作流（Agentic Workflows）：
他認爲代理工作流是一種提高AI表現的新方法。通過讓AI反複檢查和優化自己的輸出，能提高其工作質量。這種方法可以應用于各類任務，如法律分析、醫療診斷等。
AI對商業的影響：
在接下來的幾年中，AI将在商業應用中扮演更重要的角色。企業應該爲員工提供AI相關的培訓，以提高他們的工作效率。此外，企業可以通過任務分解的方式，更好地利用AI來自動化某些任務。
AI對就業的影響：
AI不會取代人類，但那些使用AI的人會取代不使用AI的人。因此，未來的挑戰是如何培訓和提升更多的人，讓他們具備使用AI的能力。
AI的倫理和監管：
AI可能會帶來一些負面影響，如用于生成假新聞、深度僞造等。但總體上，AI的正面應用遠遠超過了負面應用。監管應該針對具體的AI應用，而不是技術本身。
03:26 人工智能可以與人類戀愛嗎？
10:52 AGI相當于人類智能的通用人工智能
15:15 如何有效使用 Agentic Workflow
22:16 人工智能在商業應用中的挑戰
28:39 中小企業如何利用人工智能？
33:11 人類在AI時代生存的重要技能
43:14 人工智能治理
54:42 如何在日常生活中使用人工智能。
人工智能與人區别
主持人: 非常感謝你抽出時間和我對話，能夠請到你來我的節目是我的榮幸。那麽，我想從一個非常簡單的問題開始。作爲一位人工智能專家，你認爲AI能夠愛人類嗎？
嘉賓吳恩達（Andrew Ng）: 這是一個有趣的問題，說實話，我不知道答案。不過，讓我具體解釋一下爲什麽我不知道答案。我覺得，是否某個事物能愛上另一個事物，我懷疑這是一個哲學問題，而不是一個科學問題。這個問題确實很重要，但我不知道有任何測試能夠證明某物甚至某個人是否真的愛上了另一個人。而且，生活中一些最重要的問題，比如"生命的意義是什麽"，我們至今也無法解答。由于這是一個哲學問題，沒有明确的測試标準，我覺得人們可能會争論上百年甚至上千年。每個人對這個問題都有不同的看法。
主持人: 我之所以問這個問題，是因爲我覺得現在AI無處不在，充滿了各種噪音和對AI進展的炒作。你能告訴我們當前AI發展的狀況嗎？
吳恩達: AI是一種通用技術，就像電一樣。如果我問你"電有什麽用處"，很難回答，因爲它無處不在。如今，AI的能力已經達到了可以應用于許多不同領域的程度。我認爲當今的AI有兩項主要的技術：一是預測性AI或監督學習，它非常擅長标記事物；另一項是生成式AI，能夠生成高質量的文本、圖像和音頻。接下來還有很多工作要做，如何将這些出色的技術應用于醫療、農業、旅遊、物流等諸多領域。
主持人: 那麽，關于AI的能力，我們是在哪些方面低估了它，又在哪些方面高估了它呢？
吳恩達: 由于這些是通用技術，我認爲很多工作在于如何将它們适應于具體的應用場景。比如，我的一個團隊在研究用AI來讀取非常複雜的法律文件。如果你将一份法律文件傳遞給一個大語言模型，比如ChatGPT或者Claude，要求它進行分析，它可能會給出正确答案，也可能不會。但如果你使用更複雜的AI技術，比如AI代理或AI工作流，你可以讓AI讀取文件、分析結果、再進行核查，這種方法能夠讓AI進行更準确的法律分析。這隻是一個例子，許多團隊正在做令人興奮的工作，利用這些技術并将其應用到各種場景中，比如醫療診斷、理解複雜的政府文件、爲人們提供建議。我覺得這些應用在未來幾年會越來越好。
主持人: 也就是說，這取決于我們如何使用它，對吧？
吳恩達: 是的，AI需要适應具體的應用場景。所以很多時候這取決于我們選擇如何使用它以及我們作爲開發者的能力，能否以正确的方式将其應用于特定的應用場景。
主持人: 對對對。我覺得對于我們的觀衆來說，了解AI的發展曆程會非常有幫助，你親眼見證了這些年AI的發展。你能給我們簡要概述一下過去幾十年AI發展的時間線嗎？
人工智能發展簡史
吳恩達: AI已經存在了幾十年，但如果要看今天最相關的技術，主要有兩種。一種叫做監督學習，或者叫預測性AI，通常使用一種叫深度學習的方法。大約15年前這種技術開始變得非常有效。這類AI擅長從輸入到輸出的計算，比如輸入一封電子郵件，判斷是否是垃圾郵件，或輸入一張圖片，告訴你圖片中有什麽。所以這種監督學習或者預測性AI是通過大量的輸入輸出數據進行學習的。如今，我們使用它來檢測工廠中的制造品、優化農業機械、基于醫學影像進行診斷，應用非常廣泛。這是第一種已經運作了10到15年的AI技術，但還有很多應用場景尚未被完全開發。另一種現在表現得非常好的AI技術是生成式AI。生成式AI大部分經濟和商業影響來自于生成文本，但它也能生成圖像、音頻，甚至視頻。生成式AI可以寫文本，不僅僅是爲人類閱讀，還可以編寫代碼或總結文件。因此，這種生成文本的技術适應性非常強，可以應用于很多不同的場景，所以我們看到它在許多知識工作中得到了應用。
主持人: 我不是AI專家或軟件開發人員，隻是普通工作者，有自己的專業知識。請問，你能解釋一下生成式AI背後的工作原理嗎？
吳恩達: 當然。生成式AI生成文本看起來幾乎像魔法一樣。實際上，生成式AI的核心是一個不斷嘗試預測下一個詞的算法。生成文本的算法模型通過讀取互聯網上的海量網頁内容進行訓練，基于閱讀大量不同語言（包括英語、泰語等）的文本，它學會了在看到某些詞時預測接下來的詞是什麽。比如，如果句子是"我喜歡吃芒果"，那麽系統可能會預測下一個詞是"糯米"，接下來是"飯"。通過大量數據的學習，給定一個短語，系統可以預測最可能出現的下一個詞。因此，當你給出一個提示，比如"請爲我寫一篇關于某個主題的文章"，系統隻需要一次一個詞地繼續預測下去，就能很好地完成文章的撰寫。我簡化了技術細節，實際上我們預測的是詞的一部分而不是整個詞，并且還有其他技術改進使其更加有用和安全。但總體來說，生成式AI的核心就是一個非常強大的計算機，學習了大量文本，擅長預測下一個詞，并重複這個過程。
主持人: 非常感謝，你的解釋很容易理解。那麽，按照目前的AI發展軌迹，我們離實現通用人工智能（AGI）還有多遠呢？
吳恩達: 我認爲我們還非常遙遠，可能需要幾十年，甚至更久。可能在我們有生之年能夠實現AGI，但這仍然是一個很大的挑戰。AGI的最常見定義是，AI能夠完成任何人類可以完成的智力任務。如果我們實現了AGI，意味着它可以學會開車、飛飛機，或者像人類一樣撰寫博士論文。我認爲我們距離這個目标還有幾十年甚至更長時間。你可能聽到有些人說我們隻差幾年就能實現AGI了，但這些往往是使用了非标準定義的組織或企業。如果你重新定義AGI的含義，那麽當然可能在一兩年内實現。但如果我們使用原本的、最廣泛使用的定義，情況就大不相同了。
主持人: 那麽，研究人員正在探索哪些主要挑戰，以便最終實現AGI呢？
吳恩達: 要實現AGI，我們需要多項技術突破。老實說，我甚至不知道這些技術突破是什麽。目前沒有明确的路線圖，即使是我也不知道該路線圖是什麽。我們有一些想法，但技術突破往往很難預測。比如，自主駕駛汽車已經研發了很長時間了，但我們仍然沒有AI能夠在所有情況下像人類一樣駕駛汽車。這類能力是我們在實現AGI時所需要的。
主持人: 那換一種方式問您，研究人員現在正在探索哪些AI模型和方法？未來的大型語言模型是什麽樣的？
吳恩達: 最近的大規模語言模型的進展主要得益于一種名爲Transformer網絡的AI模型，這是由我以前的團隊Google Brain團隊發明的。現在有一些研究人員在對Transformer網絡進行不同的變體研究。例如，有些人對一種叫做狀态空間模型（State Space Models）的技術很感興趣，但這項技術還處于非常早期的階段。至于今天的圖像生成，主要使用的是一種不同類型的模型，叫做擴散模型（Diffusion Models）。一些研究人員正在嘗試将擴散模型從成功應用于圖像生成，轉而應用于文本生成。我不知道這是否會成功，因爲這是前沿的研究領域。不過有一件事我是有信心的，那就是agentic workflows（代理工作流）。
代理工作流
主持人: 我最近聽你多次提到代理工作流，它具體是什麽呢？
吳恩達: 當大多數人使用大語言模型或聊天機器人時，我們通常會寫一個提示語，這就像讓AI從頭到尾寫一篇文章，過程中不允許使用退格鍵。這對AI或者對人類來說，都是一種非常困難的寫作方式。相反，在代理工作流中，你不會強迫AI從頭到尾一次性寫完所有的内容。你可以要求它先寫一個提綱，然後看看它是否需要進行網絡搜索，接着再寫第一稿，然後再讀一遍第一稿，進行批判性思考并加以改進。在這種代理工作流中，AI可以先進行一部分寫作，然後進行思考，接着再改進寫作，整個過程是一個反複思考和寫作的叠代過程。這種方法通常會産生更好的結果。我看到代理工作流在寫研究報告、分析法律文件以及醫學診斷等領域都帶來了非常好的效果。
主持人: 那麽我們如何一步一步實施這種代理工作流呢？
吳恩達（Andrew Ng）: 這裏有一個簡單的代理工作流示例，你幾乎可以在大語言模型中完成這一流程。例如，我曾經做過一個案例，我會說"請将這段文本從英語翻譯成泰語"，AI會完成初步翻譯。然後你可以要求同一個語言模型反思它剛才的翻譯，并給出一些有用的建議。這一步叫做自我反思，讓AI對自己的輸出進行思考并改進。完成這一反思後，你可以告訴AI："現在請根據你給出的建議，重新修改翻譯。"通常，這樣得到的翻譯比最初的版本要好。這是一個三步走的簡單代理工作流：做出工作、反思工作、改進工作。這種方法在一些應用場景中确實能帶來更好的結果。
主持人: 哇，聽起來非常實用。那麽它可以應用到各行各業嗎？
吳恩達: 是的，雖然這不是萬能的解決方案，但在翻譯這類應用中，它通常能産生更好的結果。對于許多問題（并不是所有問題），這種反思工作流确實有效。比如在寫代碼時，你可以讓AI寫代碼，反思代碼，再嘗試改進它。這種反思工作流可以應用于許多領域，提升AI的表現。
主持人: 謝謝。那麽我們來談談AI對企業和勞動力的影響吧。你如何看待目前以及未來五年内AI的影響？
吳恩達: 在過去幾年裏，生成式AI技術有了突破性的進展。如今生成式AI的表現比六個月前好得多，更不用說兩年前了。接下來我們需要做的是找出商業應用場景并将這些技術應用到實際業務中。我注意到在媒體和社交媒體上，人們更多關注的是技術層面，比如誰在制造半導體，誰在構建雲平台，誰在開發大語言模型。這當然很重要，但實際上，要讓這些技術工具成功，應用層面必須更成功，因爲隻有應用程序能夠創造更多的收入，才能支持工具開發者。因此，雖然社會上對工具層面的關注很大，但我認爲，對于大多數企業來說，除非你的目标是與工具開發者競争，否則大部分價值将會是在這些工具之上構建應用程序。
主持人: 那麽，對于大型企業，你有什麽建議如何構建AI應用呢？你提到了一些建議，比如每個知識工作者通過學習使用生成式AI，都可以顯著提升生産力。那麽企業應該如何行動呢？
吳恩達: 我建議幾件事情。首先，每個知識工作者，甚至是非知識工作者，應該接受一點關于如何安全有效使用生成式AI的培訓。公司可以給員工，尤其是知識工作者，提供一些培訓，幫助他們更好地使用生成式AI。
主持人: 你提到AI對勞動力的影響，這也是一個重要話題。
吳恩達: 是的，我的朋友Erik Brynjolfsson，他是斯坦福大學的一位教授，開創了一種叫做"任務空間分析"的技術。他認爲，AI更傾向于自動化某些任務，而不是整個工作。工作其實是由許多不同的任務組成的。如果你把一項工作分解爲各個任務，你經常會發現AI可以幫助自動化或增強某些特定的任務。舉個例子，作爲一名記者，你可能需要進行背景調查、采訪、記錄筆記、撰寫文章，這些都是不同的任務。有些任務，比如記錄筆記或總結，AI可以幫助簡化。
企業和個人潛在機會
主持人: 那麽任務分析可以爲企業帶來哪些機會呢？
吳恩達: 對企業來說，進行任務空間分析可以幫助識别出AI能夠自動化的具體任務，這往往能帶來激動人心的決策機會，比如企業可以決定是自行開發、購買現成技術還是進行投資。
主持人: 你還提到AI可能會對某些行業産生颠覆性的影響，如何應對這種轉變呢？
吳恩達: 是的，AI的自動化可能會影響某些行業的任務，因此企業必須思考這些行業的未來發展方向，并據此調整自己的定位。
主持人: 我聽你多次提到20%的任務将被替代，這個數字是怎麽得來的呢？
吳恩達: 我們發現，當我的團隊與大型企業合作時，在分析員工的工作和任務時，通常有20%到30%的任務是可以自動化的。有時這個比例會更高，有時會更低。但無論如何，這都能帶來顯著的生産力提升。此外，如果30%的任務被自動化了，員工仍然有70%的任務需要完成，所以工作并不會完全消失。而未來的趨勢是，使用AI的人将取代不使用AI的人。這也給企業、政府和社會帶來了巨大壓力，需要提供技能提升的機會，讓更多的人學習如何使用AI。
主持人: 在你幫助企業實施AI時，常見的挑戰有哪些？
吳恩達: 第一步是提供足夠的培訓，幫助員工掌握基本技能。接下來的一大挑戰是識别出具體的應用場景。要判斷AI能否真正解決問題，通常需要進行技術評估。比如，很多人（包括我自己）曾經對自動駕駛汽車的進展過于樂觀，認爲很快就能實現。實際上，很多技術評估是錯的。
主持人: 那麽，在AI應用方面，你有什麽有效的策略嗎？
吳恩達: 我通常會和企業合作，首先提供一些AI的基本培訓，然後一起頭腦風暴可以開展的項目。通常我們會提出10到15個甚至更多的想法，然後逐一評估這些想法的技術可行性以及它們的商業價值。例如，我們可能會探讨AI如何應用于泰國的旅遊業、能源或醫療領域。在這個過程中，行業專家和AI專家的合作非常關鍵，因爲我可能不了解具體行業的細節，但這些專家知道AI應該如何應用于他們的領域。
主持人: 你認爲跨領域合作是成功的關鍵，但不幸的是，泰國并沒有太多的AI專家。對此你有什麽建議？？
吳恩達: 現在全球範圍内都缺乏足夠的AI專家，不過泰國确實有一些非常出色的AI團隊。比如，AWS在泰國有團隊，KBank和KBTG的AI團隊也做得非常好，Astra也在泰國設立了辦公室。我最近拜訪了朱拉隆功大學，他們的研究人員在AI領域也非常優秀。實際上，泰國還有很多團隊具備AI能力，遠遠不止我提到的這些。當然，沒有哪個國家擁有足夠的AI專家，因此我認爲持續投資于培訓和教育是非常重要的，更多的人可以學習AI技能，并參與到這些令人興奮的項目中。
主持人: 作爲AI基金的創始人，你與很多公司合作，通過AI提升他們的業務。你能分享一些成功的經驗嗎？
吳恩達: AI基金在與公司合作時，通常從一個簡單的AI培訓開始，向公司領導層傳達非技術性、面向業務的AI知識。去年，Coursera上增長最快的課程就是"生成式AI入門"，這類資源可以幫助企業領導者獲得非技術性的AI工作知識。在團隊擁有了一定的領域專長和AI基礎知識後，幾乎每次頭腦風暴我們都會産生比可實施資源更多的好點子。這适用于泰國企業，也适用于美國企業及我合作過的任何中大型企業。然後，我們會進行優先級排序，基于項目的價值和技術實現的難易程度來決定哪些項目最有價值。接下來，我們就進入了"自建、購買還是投資"的決策流程，以确定如何完成最具價值的項目。
主持人: 很多年前你在TED演講中提到AI可以賦能任何企業。對于中小型企業（SMEs），他們如何抓住這些機會呢？
吳恩達: 我有兩個建議。首先，現在很多公司正在讓AI工具變得越來越易于使用，對于中小企業來說，這些工具的使用門檻在降低。例如，數字支付服務現在已經非常普及，KBank在這方面做得很好。随着不同類型的工具廣泛應用，中小企業将能夠越來越多地使用這些AI工具。第二，我要說點有争議的内容。我認爲很多人可以受益于學習編程。現在，編程的難度因爲AI的幫助大幅下降了。你可以讓AI幫助你寫代碼，甚至在代碼出錯時，AI可以給出建議。你永遠不必獨自編程，因爲AI可以作爲你的助手。這使得學習編程變得更容易。
主持人: 這确實是個很有趣的觀點，AI如何幫助人們學習編程呢？
吳恩達: 我看到很多不是軟件工程師的人因爲學會了一點點編程，能夠更好地完成他們的工作。比如，我團隊裏有一個市場營銷人員，他不是軟件工程師，但他寫了一段代碼來标記我們的一些内容，這讓他在營銷工作中做得更好。另外，一個投資者使用代碼自動生成法律合同，他是投資者而非軟件工程師，但因爲他會編一點代碼，這讓他的工作效率提升了。同樣，新聞團隊中的一名記者也使用代碼來幫助識别與AI相關的最重要的新聞故事。因此，許多非軟件工程師的崗位也可以從編程中獲益。随着學習編程的成本降低，再加上AI幫助編寫應用的能力變得更簡單，我認爲現在學習一點編程是值得的。即使是營銷、投資或新聞編輯等角色，學會編程也能大大提升他們的工作效率。
主持人: 那你覺得所有人都應該學習編程嗎？
吳恩達: 這取決于你個人的興趣。我幫助一些非技術朋友學習編程，很多人在學了一點後會說："就這？編程怎麽被描述得這麽難，其實完全可以做到。"我覺得編程被神秘化了，實際上它沒有那麽難。
主持人: 那除了編程之外，你認爲在AI時代還有哪些關鍵技能值得學習。你認爲學習使用AI是必要的嗎？此外，終身學習的重要性如何？
吳恩達: 是的，我認爲學習使用AI是非常有必要的。而且，我覺得終身學習正在變得越來越重要，因爲AI現在影響到我們每一個人，且技術還在快速發展。爲了跟上這些影響我們的技術發展，我認爲如果我們能夠培養學習的習慣，這将有助于我們始終掌握最新的趨勢。學習的習慣非常關鍵，因爲你不可能隻花一個周末就學會所有需要掌握的知識，這不是一蹴而就的事情。與其一次性拼命學習一個周末，不如每周花一點時間學習，堅持六個月或者一年，甚至更好的是，将這種習慣保持一生。這種長期的學習習慣能讓我們更加高效和富有生産力。
主持人: 有些人說邏輯思維技能現在已經過時了，你同意這種觀點嗎？
吳恩達: 我不同意。雖然AI是一項了不起的技術，但它仍然非常有限。我認爲我們如何解決問題的能力仍然非常重要，因爲我們需要告訴AI我們想讓它爲我們做什麽。這種能力在未來相當長的時間内都将是重要的。
亞馬遜人工智能戰略
主持人: 那麽，作爲亞馬遜董事會成員，請你談談你在亞馬遜扮演的角色？
吳恩達: 能夠擔任亞馬遜董事會成員，是一項非常榮幸的工作，能夠支持由Jeff Bezos創立的這家公司，而現在Andy Jassy和團隊也在做着非常出色的工作。在加入亞馬遜董事會之前，我對Jeff的欽佩已經很深了。我曾經認爲他是美國最好的CEO之一。後來我有更多機會與他面對面相處，我意識到自己對他的期待已經很高了，但實際上，他比我想象的還要敏銳、清晰。
主持人: 你能分享你從他那裏學到的東西嗎？
吳恩達: 雖然我可能不能透露太多細節，但我可以分享一個故事。在一次非常複雜的技術讨論中，我心裏想，或許我們需要兩周時間才能理清這個問題。然而，Jeff在會議中提出了幾個問題，并在十分鍾内解決了問題。這讓我驚訝不已，到現在我還在想，Jeff是如何在如此短的時間内解決這個技術難題的。
主持人: 你作爲董事會成員，具體能爲亞馬遜帶來什麽貢獻呢？
吳恩達: 亞馬遜是一家偉大的公司，擁有許多聰明的人，他們緻力于在龐大且令人興奮的業務中爲客戶提供服務。作爲董事會成員，我感到非常榮幸，能夠在一些小地方提供建議。但真正推動公司前進的是亞馬遜的員工，他們不僅聰明，而且展現了客戶至上的文化。每天早上，大家醒來後，都會思考如何爲客戶提供更好的服務，這是最重要的事情。
主持人: 亞馬遜在過去十年中一直在發展AI，接下來會是什麽？
吳恩達: 亞馬遜正在AI領域進行大量投資。我個人是AWS的用戶，甚至在加入亞馬遜之前，我使用最多的雲平台就是AWS。我非常喜歡它的簡便性，當我想構建一些東西時，隻需要編寫一些代碼，使用它的API或在線服務，就可以将我想要的内容部署到雲端。亞馬遜正在許多領域繼續投資，包括AI。當然，我聽到很多人希望在選擇AI模型時有更多的選擇，尤其是在大語言模型方面。
主持人: 你認爲雲計算與AI的結合有什麽未來前景？
吳恩達: 我認爲将AI應用整合到雲計算中，雲計算有着非常光明的未來。全球仍有很多工作負載還在本地運行，尚未遷移到雲端。當越來越多的企業将工作負載遷移到雲端時，任何雲平台都能帶來更高的效率和全球數據訪問的便利，安全性也更容易管理。因此，随着全球更多的計算工作遷移到雲端，幾乎所有接觸到數字技術的人都将看到顯著的成本節約和效率提升。此外，AI需要大量數據，因此将數據集中在某一個地方，或者至少減少數據存儲的分散，對于許多企業來說都是至關重要的。這能夠爲數據基礎設施奠定基礎，進而爲AI構建大量應用提供支持。
主持人: 我們讨論了很多關于AI的光明面，那AI的黑暗面呢？Elon Musk曾警告說，AI可能會對人類構成重大威脅，甚至可能毀滅人類。你同意他的看法嗎？
吳恩達: Elon Musk是個非常聰明的人，我在很多事情上都同意他的看法，但在這一點上我并不認同。我認爲AI是一個很棒的工具，通常我們會把工具用于好的目的，雖然有時候也會有人把工具用于負面的目的，AI也不例外。雖然确實存在一些AI的風險，但它的有益應用遠遠超過了負面影響。我們用AI來改善醫療、教育、金融服務等領域，當然，也會有一些問題性的應用。例如，有些不良分子可能會生成虛假政治信息，操控選舉，甚至更糟糕的是生成未經同意的深度僞造視頻或圖片。這是一個需要關注的問題。但我看到一些聰明的監管者正在研究如何對AI應用進行監管，而不是對技術本身進行監管。如果是醫療領域，我們希望醫療設備是安全的，而不是危害患者。在政治廣告或深度僞造等領域，監管者可以逐個識别哪些是需要防範的，哪些是可以促進發展的。
主持人: 我最近讀了一本書，叫《Power and Progress》，它讨論了誰有權力去監管并減少風險。作爲業内人士，你見過許多商界和政府領導人，我們真的走在這條負責任的道路上嗎？
吳恩達: 我覺得關于如何監管AI的讨論仍在進行中。監管者的一個常見錯誤是試圖監管技術本身，而不是應用。我認爲AI是一項通用技術，就像電動機一樣，可以用于制造電動汽車、攪拌機、透析機，也可能用于制造炸彈。我們可以決定哪些是有益的應用，哪些可能有害，但很難要求制造電動機的企業保證他們的産品不會被用于不當用途。AI也是如此。AI模型是通用工具，可以用來提供有用的醫療信息，回答問題，或生成誤導性信息。模型開發者很難控制其他人如何使用他們的工具。因此，如果将責任歸咎于AI模型的開發者，而忽略具體的應用場景，這種監管是不合适的。我們需要的是監管應用場景，而不是技術本身。
主持人: 你認爲領導者和企業真的會走上負責任的道路嗎？畢竟，每個企業都必須追求利潤。
吳恩達: 我認識的大多數AI從業者都非常認真對待負責任的AI發展。我相信這一點。雖然我們不是完美的，但我見過的工程師和團隊大多都希望做正确的事情。以我們AI基金爲例，曾多次因道德問題放棄一些項目，雖然這些項目在财務上是可行的，但我們認爲這些項目不應該存在于世界上。很多團隊都會這樣做。
泰國在人工智能時代
主持人: 這是個好消息。那泰國呢？你最近與泰國的總理和政府、商界領袖會面後，對泰國的機會怎麽看？
吳恩達: 我對泰國的AI發展勢頭感到非常興奮。雖然目前泰國的AI技術可能還不如美國或中國先進，但我見過很多小型初創企業，我們都知道，增長速度是決定未來發展的最重要因素之一。在過去一周裏，我與泰國的各大企業、創業者、學術界和政府領導人會面，看到這裏對AI和創業生态系統充滿了巨大熱情和動能。我認爲，未來的關鍵在于大家的共同努力，我希望自己能夠在其中扮演一個小小的支持角色，但真正要靠所有人不斷努力、不斷學習、不斷建設，并維持這種勢頭。因此，我對泰國AI的未來非常樂觀，也希望所有泰國人民同樣相信AI的未來。
主持人: 這真的讓人充滿希望。但作爲一個中等收入國家，我們沒有足夠的AI專家，資金也不足。那麽，泰國政府或企業領導應該采取什麽戰略來趕上這一趨勢呢？
吳恩達: 首先，生成式AI技術非常新，幾乎沒有哪個國家有足夠的專家，所以我不認爲泰國在這方面落後得太多。而且，互聯網上有很多關于AI的學習資源，大家可以随時學習這些技術。另一個更重要的因素是對教育的重視，而我在泰國無論是從個人層面還是政府層面都看到了這種重視。我還發現，在矽谷和中國AI崛起的過程中，沒有人是單獨成功的，AI有點複雜，大家在一起學習、分享經驗和面對困難時，會走得更遠。因此，我認爲泰國有很多人需要繼續學習、繼續建設，并且相互分享經驗，這樣不僅是依賴于某一個人，而是整個國家共同進步。關于資金的問題，确實，如果目标是訓練一個像OpenAI那樣的大語言模型，可能需要花費上億美元，但實際上很多AI的機會并不是去訓練這樣的大模型，而是利用現有的AI技術來構建應用。這種做法的成本要低得多，比如我們在AI基金中，構建一個新産品的原型通常隻需大約5.5萬美元。因此，利用現有的AI工具來開發應用是非常具有資本效率的。
主持人: 你覺得我們是否應該開發自己的大語言模型呢？
吳恩達: 泰國是一個大國，我認爲可以同時嘗試多種不同的方向。雖然開發泰國本地的大語言模型是有價值的，但相比之下，我認爲更應該專注于開發基于AI技術的應用。不過，泰國足夠大，我們應該嘗試多種不同的方向，重點可以放在應用開發上。
主持人: AI能否解決社會和經濟不平等問題呢？
吳恩達: 技術的确有兩個有趣的效應。其一是當技術剛被發明出來時，它有時會增加不平等，因爲隻有少數人能夠獲取這項技術。但更重要的效應是，當技術和培訓廣泛普及時，它可以減少不平等。例如，智能手機、網絡搜索和大語言模型的普及，讓每個人都能更容易獲取信息，這是非常具有民主化作用的。同樣，當我們爲更多人提供這些工具并進行培訓時，知識的普及也有助于減少不平等。雖然AI不能解決所有不平等問題，但隻要我們繼續讓更多人能夠使用這些工具并獲得培訓，AI可以成爲提升每個人的重要力量。
主持人: 昨晚你提到，智力是當今世界上最昂貴的資源之一，你能再解釋一下嗎？
吳恩達: 是的。如今，智力是非常昂貴的，通常隻有富裕的人才能負擔得起請一位專家醫生來診斷病情，或者雇傭一位優秀的家教來幫助孩子學習。因爲培養一位高技能的專業人員成本很高，而人工智能的成本卻可以大幅降低。随着AI的進步，我希望未來每個人都能"雇傭"一個經過良好訓練的AI團隊來幫助我們，無論是在醫療、教育還是其他領域，這将有助于減少不平等。
主持人: 在我們的對話中，你多次強調了教育。那麽，AI将如何改變教育呢？你花了很多時間思考如何提供AI培訓，如何讓商業領袖和技術人員掌握AI。那麽，你覺得AI會如何影響教育，尤其是非AI學科的教育呢？
吳恩達: 這是個好問題。坦率地說，我認爲現在還處于非常早期的階段。目前确實有幾家公司讓AI教育工具運作得很好，比如可汗學院的Kigo課程，它的AI教練運行得非常好。但我們很多人都覺得，未來可能會有更多的教育變革通過AI實現，隻是我們現在還不完全确定它會是什麽樣的。不過，我确實期待AI在教育領域的進一步發展。
主持人: 所以你認爲未來教育會有更大的變革？
吳恩達: 是的，我們正在努力實現這一點，但有些我們嘗試過的項目非常難，比如構建一位AI教師。很多人都談論過這個想法，但要做得真正好，實際上是非常困難的。我的一些團隊仍在繼續進行研究和改進這些能力，但我現在還不能說我們已經找到最終的答案，不過我們在不斷努力。
主持人: 除了你提到的編程技能之外，我們應該如何教育我們的孩子呢？
吳恩達: 學習編程确實有用，但這隻是其中一項技能。終身學習将繼續非常重要，培養學習的習慣是關鍵。而且，社會仍然需要很多人擁有不同的專業技能來從事各種各樣的工作。所以我認爲繼續投資于教育系統，并指導學生學習對他們未來工作有幫助的知識，這仍然是一個重要的方向。
學會使用人工智能
主持人: 最後一個問題，你在日常生活中是如何使用AI的呢？
吳恩達: 我想，幾乎所有人每天都會不自覺地使用AI幾十次。每次使用搜索引擎，那是AI；每次在線購物，收到推薦的産品或電影，那也是AI；每次使用郵件時，垃圾郵件過濾器過濾掉垃圾郵件，那也是AI。現在還有生成式AI，像聊天機器人，我每天都會和聊天機器人對話，它幫我完成工作。另外，我的很多朋友現在都在設備上運行AI，所以即使在沒有網絡的飛機上，我也會在筆記本電腦上運行一些開源的大語言模型，這樣即使在飛機上，我也能更好地完成工作。
主持人: 你是如何平衡工作和生活的呢？
吳恩達: 我可能不是最适合回答這個問題的人，因爲我不是很擅長平衡。我真的喜歡工作，所以通常會一直工作，哈哈。所以在平衡這方面，我可能不是最佳建議者。
主持人: 我們的對話是從一個關于愛的提問開始的，所以我想用類似的問題來結束這次對話。你覺得在争奪一位女士的心方面，AI和人類誰會赢？
吳恩達: 這是個有趣的問題。我團隊的成員通常是AI領域的專家，但我們認識到世界上有太多應用和領域，我們并不是所有事情的專家，尤其是像這樣的問題。我覺得在人際關系中，人類會表現得更好。不過，有趣的是，現在已經有很多人向AI咨詢戀愛建議。我的一個朋友，曾是Tinder的CEO，她在浪漫關系方面是專家。她現在領導的公司Mino正在構建一個專門提供戀愛建議的AI。令人驚訝的是，很多人，尤其是男性，也有一些女性，甚至其他性别的人，都會向AI尋求戀愛建議。所以我覺得AI在這裏的角色不在于取代人類赢得心，但可以幫助人們建立更好的關系。
主持人: 非常感謝你，感謝你的分享。
吳恩達: 不客氣，非常感謝。
