世界上最了解人工智能的吴恩达教授，他每天又是如何使用人工智能工具呢？
作为斯坦福大学教授、AI基金、DeepLearning.AI和Coursera的创始人,以及亚马逊董事会新任董事的吴恩达(Andrew Ng)博士,最近接受了Ken Nakarin的采访,分享了他对AI发展和应用的个人见解。
吴恩达将AI比作电力,认为它是一种无所不在的通用技术。他指出,当今AI主要有两大技术:预测性AI(或监督学习)和生成式AI。这些技术正在被应用到医疗、农业、旅游、物流等众多领域。
然而,AI的应用并非简单直接。吴恩达举例说明,在法律文件分析等复杂任务中,需要结合AI代理或AI工作流等更先进的技术,才能获得准确可靠的结果。他预测,这些应用在未来几年将会变得越来越成熟和普及。
面对AI带来的变革,他强调了教育和终身学习的重要性，也建议每个人,尤其是在职人员,都应该接受如何安全有效使用生成式AI的培训。他指出,AI更多是自动化某些特定任务,而非取代整个工作岗位。吴恩达教授特别强调了培养持续学习习惯的重要性。在他看来,与其一次性密集学习,不如长期坚持每周学习一点。这种学习的态度,将帮助我们在快速变化的技术环境中保持竞争力,提高效率和生产力。
采访核心要点：
AI是否能与人类恋爱？
Andrew Ng认为这个问题更像是哲学问题，而非科学问题。目前没有明确的方式来测试或证明AI是否能够真正地“爱”人类。这类问题往往因人而异，每个人都有不同的看法和理解。
AI的现状与发展：
AI已经成为一种广泛使用的通用技术，类似于电力。它主要分为两类技术：
预测AI（监督学习）：擅长根据输入生成输出，比如识别电子邮件是否为垃圾邮件。
生成式AI：擅长生成高质量的文本、图像和音频，如文本撰写、图片生成等。
生成式AI的工作原理：
生成式AI通过大量文本数据学习，能够预测接下来的单词。这种基于大数据的方式使得AI能够生成自然流畅的文本、代码等。
通用人工智能（AGI）的实现难度：
Andrew Ng认为AGI的实现还有很长的路要走，可能需要数十年甚至更久。这涉及到多个技术突破，而这些突破目前尚不可预测。
代理工作流（Agentic Workflows）：
他认为代理工作流是一种提高AI表现的新方法。通过让AI反复检查和优化自己的输出，能提高其工作质量。这种方法可以应用于各类任务，如法律分析、医疗诊断等。
AI对商业的影响：
在接下来的几年中，AI将在商业应用中扮演更重要的角色。企业应该为员工提供AI相关的培训，以提高他们的工作效率。此外，企业可以通过任务分解的方式，更好地利用AI来自动化某些任务。
AI对就业的影响：
AI不会取代人类，但那些使用AI的人会取代不使用AI的人。因此，未来的挑战是如何培训和提升更多的人，让他们具备使用AI的能力。
AI的伦理和监管：
AI可能会带来一些负面影响，如用于生成假新闻、深度伪造等。但总体上，AI的正面应用远远超过了负面应用。监管应该针对具体的AI应用，而不是技术本身。
视频时间轴
03:26 人工智能可以与人类恋爱吗？
10:52 AGI相当于人类智能的通用人工智能
15:15 如何有效使用 Agentic Workflow
22:16 人工智能在商业应用中的挑战
28:39 中小企业如何利用人工智能？
33:11 人类在AI时代生存的重要技能
43:14 人工智能治理
54:42 如何在日常生活中使用人工智能。
文稿整理
01 人工智能与人区别
主持人: 非常感谢你抽出时间和我对话，能够请到你来我的节目是我的荣幸。那么，我想从一个非常简单的问题开始。作为一位人工智能专家，你认为AI能够爱人类吗？
嘉宾吴恩达（Andrew Ng）: 这是一个有趣的问题，说实话，我不知道答案。不过，让我具体解释一下为什么我不知道答案。我觉得，是否某个事物能爱上另一个事物，我怀疑这是一个哲学问题，而不是一个科学问题。这个问题确实很重要，但我不知道有任何测试能够证明某物甚至某个人是否真的爱上了另一个人。而且，生活中一些最重要的问题，比如“生命的意义是什么”，我们至今也无法解答。由于这是一个哲学问题，没有明确的测试标准，我觉得人们可能会争论上百年甚至上千年。每个人对这个问题都有不同的看法。
主持人: 我之所以问这个问题，是因为我觉得现在AI无处不在，充满了各种噪音和对AI进展的炒作。你能告诉我们当前AI发展的状况吗？
吴恩达: AI是一种通用技术，就像电一样。如果我问你“电有什么用处”，很难回答，因为它无处不在。如今，AI的能力已经达到了可以应用于许多不同领域的程度。我认为当今的AI有两项主要的技术：一是预测性AI或监督学习，它非常擅长标记事物；另一项是生成式AI，能够生成高质量的文本、图像和音频。接下来还有很多工作要做，如何将这些出色的技术应用于医疗、农业、旅游、物流等诸多领域。
主持人: 那么，关于AI的能力，我们是在哪些方面低估了它，又在哪些方面高估了它呢？
吴恩达: 由于这些是通用技术，我认为很多工作在于如何将它们适应于具体的应用场景。比如，我的一个团队在研究用AI来读取非常复杂的法律文件。如果你将一份法律文件传递给一个大语言模型，比如ChatGPT或者Claude，要求它进行分析，它可能会给出正确答案，也可能不会。但如果你使用更复杂的AI技术，比如AI代理或AI工作流，你可以让AI读取文件、分析结果、再进行核查，这种方法能够让AI进行更准确的法律分析。这只是一个例子，许多团队正在做令人兴奋的工作，利用这些技术并将其应用到各种场景中，比如医疗诊断、理解复杂的政府文件、为人们提供建议。我觉得这些应用在未来几年会越来越好。
主持人: 也就是说，这取决于我们如何使用它，对吧？
吴恩达: 是的，AI需要适应具体的应用场景。所以很多时候这取决于我们选择如何使用它以及我们作为开发者的能力，能否以正确的方式将其应用于特定的应用场景。
主持人: 对对对。我觉得对于我们的观众来说，了解AI的发展历程会非常有帮助，你亲眼见证了这些年AI的发展。你能给我们简要概述一下过去几十年AI发展的时间线吗？
02 人工智能发展简史
吴恩达: AI已经存在了几十年，但如果要看今天最相关的技术，主要有两种。一种叫做监督学习，或者叫预测性AI，通常使用一种叫深度学习的方法。大约15年前这种技术开始变得非常有效。这类AI擅长从输入到输出的计算，比如输入一封电子邮件，判断是否是垃圾邮件，或输入一张图片，告诉你图片中有什么。所以这种监督学习或者预测性AI是通过大量的输入输出数据进行学习的。如今，我们使用它来检测工厂中的制造品、优化农业机械、基于医学影像进行诊断，应用非常广泛。这是第一种已经运作了10到15年的AI技术，但还有很多应用场景尚未被完全开发。另一种现在表现得非常好的AI技术是生成式AI。生成式AI大部分经济和商业影响来自于生成文本，但它也能生成图像、音频，甚至视频。生成式AI可以写文本，不仅仅是为人类阅读，还可以编写代码或总结文件。因此，这种生成文本的技术适应性非常强，可以应用于很多不同的场景，所以我们看到它在许多知识工作中得到了应用。
主持人: 我不是AI专家或软件开发人员，只是普通工作者，有自己的专业知识。请问，你能解释一下生成式AI背后的工作原理吗？
吴恩达: 当然。生成式AI生成文本看起来几乎像魔法一样。实际上，生成式AI的核心是一个不断尝试预测下一个词的算法。生成文本的算法模型通过读取互联网上的海量网页内容进行训练，基于阅读大量不同语言（包括英语、泰语等）的文本，它学会了在看到某些词时预测接下来的词是什么。比如，如果句子是“我喜欢吃芒果”，那么系统可能会预测下一个词是“糯米”，接下来是“饭”。通过大量数据的学习，给定一个短语，系统可以预测最可能出现的下一个词。因此，当你给出一个提示，比如“请为我写一篇关于某个主题的文章”，系统只需要一次一个词地继续预测下去，就能很好地完成文章的撰写。我简化了技术细节，实际上我们预测的是词的一部分而不是整个词，并且还有其他技术改进使其更加有用和安全。但总体来说，生成式AI的核心就是一个非常强大的计算机，学习了大量文本，擅长预测下一个词，并重复这个过程。
主持人: 非常感谢，你的解释很容易理解。那么，按照目前的AI发展轨迹，我们离实现通用人工智能（AGI）还有多远呢？
吴恩达: 我认为我们还非常遥远，可能需要几十年，甚至更久。可能在我们有生之年能够实现AGI，但这仍然是一个很大的挑战。AGI的最常见定义是，AI能够完成任何人类可以完成的智力任务。如果我们实现了AGI，意味着它可以学会开车、飞飞机，或者像人类一样撰写博士论文。我认为我们距离这个目标还有几十年甚至更长时间。你可能听到有些人说我们只差几年就能实现AGI了，但这些往往是使用了非标准定义的组织或企业。如果你重新定义AGI的含义，那么当然可能在一两年内实现。但如果我们使用原本的、最广泛使用的定义，情况就大不相同了。
主持人: 那么，研究人员正在探索哪些主要挑战，以便最终实现AGI呢？
吴恩达: 要实现AGI，我们需要多项技术突破。老实说，我甚至不知道这些技术突破是什么。目前没有明确的路线图，即使是我也不知道该路线图是什么。我们有一些想法，但技术突破往往很难预测。比如，自主驾驶汽车已经研发了很长时间了，但我们仍然没有AI能够在所有情况下像人类一样驾驶汽车。这类能力是我们在实现AGI时所需要的。
主持人: 那换一种方式问您，研究人员现在正在探索哪些AI模型和方法？未来的大型语言模型是什么样的？
吴恩达: 最近的大规模语言模型的进展主要得益于一种名为Transformer网络的AI模型，这是由我以前的团队Google Brain团队发明的。现在有一些研究人员在对Transformer网络进行不同的变体研究。例如，有些人对一种叫做状态空间模型（State Space Models）的技术很感兴趣，但这项技术还处于非常早期的阶段。至于今天的图像生成，主要使用的是一种不同类型的模型，叫做扩散模型（Diffusion Models）。一些研究人员正在尝试将扩散模型从成功应用于图像生成，转而应用于文本生成。我不知道这是否会成功，因为这是前沿的研究领域。不过有一件事我是有信心的，那就是agentic workflows（代理工作流）。
03 代理工作流
主持人: 我最近听你多次提到代理工作流，它具体是什么呢？
吴恩达: 当大多数人使用大语言模型或聊天机器人时，我们通常会写一个提示语，这就像让AI从头到尾写一篇文章，过程中不允许使用退格键。这对AI或者对人类来说，都是一种非常困难的写作方式。相反，在代理工作流中，你不会强迫AI从头到尾一次性写完所有的内容。你可以要求它先写一个提纲，然后看看它是否需要进行网络搜索，接着再写第一稿，然后再读一遍第一稿，进行批判性思考并加以改进。在这种代理工作流中，AI可以先进行一部分写作，然后进行思考，接着再改进写作，整个过程是一个反复思考和写作的迭代过程。这种方法通常会产生更好的结果。我看到代理工作流在写研究报告、分析法律文件以及医学诊断等领域都带来了非常好的效果。
主持人: 那么我们如何一步一步实施这种代理工作流呢？
吴恩达（Andrew Ng）: 这里有一个简单的代理工作流示例，你几乎可以在大语言模型中完成这一流程。例如，我曾经做过一个案例，我会说“请将这段文本从英语翻译成泰语”，AI会完成初步翻译。然后你可以要求同一个语言模型反思它刚才的翻译，并给出一些有用的建议。这一步叫做自我反思，让AI对自己的输出进行思考并改进。完成这一反思后，你可以告诉AI：“现在请根据你给出的建议，重新修改翻译。”通常，这样得到的翻译比最初的版本要好。这是一个三步走的简单代理工作流：做出工作、反思工作、改进工作。这种方法在一些应用场景中确实能带来更好的结果。
主持人: 哇，听起来非常实用。那么它可以应用到各行各业吗？
吴恩达: 是的，虽然这不是万能的解决方案，但在翻译这类应用中，它通常能产生更好的结果。对于许多问题（并不是所有问题），这种反思工作流确实有效。比如在写代码时，你可以让AI写代码，反思代码，再尝试改进它。这种反思工作流可以应用于许多领域，提升AI的表现。
主持人: 谢谢。那么我们来谈谈AI对企业和劳动力的影响吧。你如何看待目前以及未来五年内AI的影响？
吴恩达: 在过去几年里，生成式AI技术有了突破性的进展。如今生成式AI的表现比六个月前好得多，更不用说两年前了。接下来我们需要做的是找出商业应用场景并将这些技术应用到实际业务中。我注意到在媒体和社交媒体上，人们更多关注的是技术层面，比如谁在制造半导体，谁在构建云平台，谁在开发大语言模型。这当然很重要，但实际上，要让这些技术工具成功，应用层面必须更成功，因为只有应用程序能够创造更多的收入，才能支持工具开发者。因此，虽然社会上对工具层面的关注很大，但我认为，对于大多数企业来说，除非你的目标是与工具开发者竞争，否则大部分价值将会是在这些工具之上构建应用程序。
主持人: 那么，对于大型企业，你有什么建议如何构建AI应用呢？你提到了一些建议，比如每个知识工作者通过学习使用生成式AI，都可以显著提升生产力。那么企业应该如何行动呢？
吴恩达: 我建议几件事情。首先，每个知识工作者，甚至是非知识工作者，应该接受一点关于如何安全有效使用生成式AI的培训。公司可以给员工，尤其是知识工作者，提供一些培训，帮助他们更好地使用生成式AI。
主持人: 你提到AI对劳动力的影响，这也是一个重要话题。
吴恩达: 是的，我的朋友Erik Brynjolfsson，他是斯坦福大学的一位教授，开创了一种叫做“任务空间分析”的技术。他认为，AI更倾向于自动化某些任务，而不是整个工作。工作其实是由许多不同的任务组成的。如果你把一项工作分解为各个任务，你经常会发现AI可以帮助自动化或增强某些特定的任务。举个例子，作为一名记者，你可能需要进行背景调查、采访、记录笔记、撰写文章，这些都是不同的任务。有些任务，比如记录笔记或总结，AI可以帮助简化。
04 企业和个人潜在机会
主持人: 那么任务分析可以为企业带来哪些机会呢？
吴恩达: 对企业来说，进行任务空间分析可以帮助识别出AI能够自动化的具体任务，这往往能带来激动人心的决策机会，比如企业可以决定是自行开发、购买现成技术还是进行投资。
主持人: 你还提到AI可能会对某些行业产生颠覆性的影响，如何应对这种转变呢？
吴恩达: 是的，AI的自动化可能会影响某些行业的任务，因此企业必须思考这些行业的未来发展方向，并据此调整自己的定位。
主持人: 我听你多次提到20%的任务将被替代，这个数字是怎么得来的呢？
吴恩达: 我们发现，当我的团队与大型企业合作时，在分析员工的工作和任务时，通常有20%到30%的任务是可以自动化的。有时这个比例会更高，有时会更低。但无论如何，这都能带来显著的生产力提升。此外，如果30%的任务被自动化了，员工仍然有70%的任务需要完成，所以工作并不会完全消失。而未来的趋势是，使用AI的人将取代不使用AI的人。这也给企业、政府和社会带来了巨大压力，需要提供技能提升的机会，让更多的人学习如何使用AI。
主持人: 在你帮助企业实施AI时，常见的挑战有哪些？
吴恩达: 第一步是提供足够的培训，帮助员工掌握基本技能。接下来的一大挑战是识别出具体的应用场景。要判断AI能否真正解决问题，通常需要进行技术评估。比如，很多人（包括我自己）曾经对自动驾驶汽车的进展过于乐观，认为很快就能实现。实际上，很多技术评估是错的。
主持人: 那么，在AI应用方面，你有什么有效的策略吗？
吴恩达: 我通常会和企业合作，首先提供一些AI的基本培训，然后一起头脑风暴可以开展的项目。通常我们会提出10到15个甚至更多的想法，然后逐一评估这些想法的技术可行性以及它们的商业价值。例如，我们可能会探讨AI如何应用于泰国的旅游业、能源或医疗领域。在这个过程中，行业专家和AI专家的合作非常关键，因为我可能不了解具体行业的细节，但这些专家知道AI应该如何应用于他们的领域。
主持人: 你认为跨领域合作是成功的关键，但不幸的是，泰国并没有太多的AI专家。对此你有什么建议？？
吴恩达: 现在全球范围内都缺乏足够的AI专家，不过泰国确实有一些非常出色的AI团队。比如，AWS在泰国有团队，KBank和KBTG的AI团队也做得非常好，Astra也在泰国设立了办公室。我最近拜访了朱拉隆功大学，他们的研究人员在AI领域也非常优秀。实际上，泰国还有很多团队具备AI能力，远远不止我提到的这些。当然，没有哪个国家拥有足够的AI专家，因此我认为持续投资于培训和教育是非常重要的，更多的人可以学习AI技能，并参与到这些令人兴奋的项目中。
主持人: 作为AI基金的创始人，你与很多公司合作，通过AI提升他们的业务。你能分享一些成功的经验吗？
吴恩达: AI基金在与公司合作时，通常从一个简单的AI培训开始，向公司领导层传达非技术性、面向业务的AI知识。去年，Coursera上增长最快的课程就是“生成式AI入门”，这类资源可以帮助企业领导者获得非技术性的AI工作知识。在团队拥有了一定的领域专长和AI基础知识后，几乎每次头脑风暴我们都会产生比可实施资源更多的好点子。这适用于泰国企业，也适用于美国企业及我合作过的任何中大型企业。然后，我们会进行优先级排序，基于项目的价值和技术实现的难易程度来决定哪些项目最有价值。接下来，我们就进入了“自建、购买还是投资”的决策流程，以确定如何完成最具价值的项目。
主持人: 很多年前你在TED演讲中提到AI可以赋能任何企业。对于中小型企业（SMEs），他们如何抓住这些机会呢？
吴恩达: 我有两个建议。首先，现在很多公司正在让AI工具变得越来越易于使用，对于中小企业来说，这些工具的使用门槛在降低。例如，数字支付服务现在已经非常普及，KBank在这方面做得很好。随着不同类型的工具广泛应用，中小企业将能够越来越多地使用这些AI工具。第二，我要说点有争议的内容。我认为很多人可以受益于学习编程。现在，编程的难度因为AI的帮助大幅下降了。你可以让AI帮助你写代码，甚至在代码出错时，AI可以给出建议。你永远不必独自编程，因为AI可以作为你的助手。这使得学习编程变得更容易。
主持人: 这确实是个很有趣的观点，AI如何帮助人们学习编程呢？
吴恩达: 我看到很多不是软件工程师的人因为学会了一点点编程，能够更好地完成他们的工作。比如，我团队里有一个市场营销人员，他不是软件工程师，但他写了一段代码来标记我们的一些内容，这让他在营销工作中做得更好。另外，一个投资者使用代码自动生成法律合同，他是投资者而非软件工程师，但因为他会编一点代码，这让他的工作效率提升了。同样，新闻团队中的一名记者也使用代码来帮助识别与AI相关的最重要的新闻故事。因此，许多非软件工程师的岗位也可以从编程中获益。随着学习编程的成本降低，再加上AI帮助编写应用的能力变得更简单，我认为现在学习一点编程是值得的。即使是营销、投资或新闻编辑等角色，学会编程也能大大提升他们的工作效率。
主持人: 那你觉得所有人都应该学习编程吗？
吴恩达: 这取决于你个人的兴趣。我帮助一些非技术朋友学习编程，很多人在学了一点后会说：“就这？编程怎么被描述得这么难，其实完全可以做到。”我觉得编程被神秘化了，实际上它没有那么难。
主持人: 那除了编程之外，你认为在AI时代还有哪些关键技能值得学习。你认为学习使用AI是必要的吗？此外，终身学习的重要性如何？
吴恩达: 是的，我认为学习使用AI是非常有必要的。而且，我觉得终身学习正在变得越来越重要，因为AI现在影响到我们每一个人，且技术还在快速发展。为了跟上这些影响我们的技术发展，我认为如果我们能够培养学习的习惯，这将有助于我们始终掌握最新的趋势。学习的习惯非常关键，因为你不可能只花一个周末就学会所有需要掌握的知识，这不是一蹴而就的事情。与其一次性拼命学习一个周末，不如每周花一点时间学习，坚持六个月或者一年，甚至更好的是，将这种习惯保持一生。这种长期的学习习惯能让我们更加高效和富有生产力。
主持人: 有些人说逻辑思维技能现在已经过时了，你同意这种观点吗？
吴恩达: 我不同意。虽然AI是一项了不起的技术，但它仍然非常有限。我认为我们如何解决问题的能力仍然非常重要，因为我们需要告诉AI我们想让它为我们做什么。这种能力在未来相当长的时间内都将是重要的。
05 亚马逊人工智能战略
主持人: 那么，作为亚马逊董事会成员，请你谈谈你在亚马逊扮演的角色？
吴恩达: 能够担任亚马逊董事会成员，是一项非常荣幸的工作，能够支持由Jeff Bezos创立的这家公司，而现在Andy Jassy和团队也在做着非常出色的工作。在加入亚马逊董事会之前，我对Jeff的钦佩已经很深了。我曾经认为他是美国最好的CEO之一。后来我有更多机会与他面对面相处，我意识到自己对他的期待已经很高了，但实际上，他比我想象的还要敏锐、清晰。
主持人: 你能分享你从他那里学到的东西吗？
吴恩达: 虽然我可能不能透露太多细节，但我可以分享一个故事。在一次非常复杂的技术讨论中，我心里想，或许我们需要两周时间才能理清这个问题。然而，Jeff在会议中提出了几个问题，并在十分钟内解决了问题。这让我惊讶不已，到现在我还在想，Jeff是如何在如此短的时间内解决这个技术难题的。
主持人: 你作为董事会成员，具体能为亚马逊带来什么贡献呢？
吴恩达: 亚马逊是一家伟大的公司，拥有许多聪明的人，他们致力于在庞大且令人兴奋的业务中为客户提供服务。作为董事会成员，我感到非常荣幸，能够在一些小地方提供建议。但真正推动公司前进的是亚马逊的员工，他们不仅聪明，而且展现了客户至上的文化。每天早上，大家醒来后，都会思考如何为客户提供更好的服务，这是最重要的事情。
主持人: 亚马逊在过去十年中一直在发展AI，接下来会是什么？
吴恩达: 亚马逊正在AI领域进行大量投资。我个人是AWS的用户，甚至在加入亚马逊之前，我使用最多的云平台就是AWS。我非常喜欢它的简便性，当我想构建一些东西时，只需要编写一些代码，使用它的API或在线服务，就可以将我想要的内容部署到云端。亚马逊正在许多领域继续投资，包括AI。当然，我听到很多人希望在选择AI模型时有更多的选择，尤其是在大语言模型方面。
主持人: 你认为云计算与AI的结合有什么未来前景？
吴恩达: 我认为将AI应用整合到云计算中，云计算有着非常光明的未来。全球仍有很多工作负载还在本地运行，尚未迁移到云端。当越来越多的企业将工作负载迁移到云端时，任何云平台都能带来更高的效率和全球数据访问的便利，安全性也更容易管理。因此，随着全球更多的计算工作迁移到云端，几乎所有接触到数字技术的人都将看到显著的成本节约和效率提升。此外，AI需要大量数据，因此将数据集中在某一个地方，或者至少减少数据存储的分散，对于许多企业来说都是至关重要的。这能够为数据基础设施奠定基础，进而为AI构建大量应用提供支持。
主持人: 我们讨论了很多关于AI的光明面，那AI的黑暗面呢？Elon Musk曾警告说，AI可能会对人类构成重大威胁，甚至可能毁灭人类。你同意他的看法吗？
吴恩达: Elon Musk是个非常聪明的人，我在很多事情上都同意他的看法，但在这一点上我并不认同。我认为AI是一个很棒的工具，通常我们会把工具用于好的目的，虽然有时候也会有人把工具用于负面的目的，AI也不例外。虽然确实存在一些AI的风险，但它的有益应用远远超过了负面影响。我们用AI来改善医疗、教育、金融服务等领域，当然，也会有一些问题性的应用。例如，有些不良分子可能会生成虚假政治信息，操控选举，甚至更糟糕的是生成未经同意的深度伪造视频或图片。这是一个需要关注的问题。但我看到一些聪明的监管者正在研究如何对AI应用进行监管，而不是对技术本身进行监管。如果是医疗领域，我们希望医疗设备是安全的，而不是危害患者。在政治广告或深度伪造等领域，监管者可以逐个识别哪些是需要防范的，哪些是可以促进发展的。
主持人: 我最近读了一本书，叫《Power and Progress》，它讨论了谁有权力去监管并减少风险。作为业内人士，你见过许多商界和政府领导人，我们真的走在这条负责任的道路上吗？
吴恩达: 我觉得关于如何监管AI的讨论仍在进行中。监管者的一个常见错误是试图监管技术本身，而不是应用。我认为AI是一项通用技术，就像电动机一样，可以用于制造电动汽车、搅拌机、透析机，也可能用于制造炸弹。我们可以决定哪些是有益的应用，哪些可能有害，但很难要求制造电动机的企业保证他们的产品不会被用于不当用途。AI也是如此。AI模型是通用工具，可以用来提供有用的医疗信息，回答问题，或生成误导性信息。模型开发者很难控制其他人如何使用他们的工具。因此，如果将责任归咎于AI模型的开发者，而忽略具体的应用场景，这种监管是不合适的。我们需要的是监管应用场景，而不是技术本身。
主持人: 你认为领导者和企业真的会走上负责任的道路吗？毕竟，每个企业都必须追求利润。
吴恩达: 我认识的大多数AI从业者都非常认真对待负责任的AI发展。我相信这一点。虽然我们不是完美的，但我见过的工程师和团队大多都希望做正确的事情。以我们AI基金为例，曾多次因道德问题放弃一些项目，虽然这些项目在财务上是可行的，但我们认为这些项目不应该存在于世界上。很多团队都会这样做。
06 泰国在人工智能时代
主持人: 这是个好消息。那泰国呢？你最近与泰国的总理和政府、商界领袖会面后，对泰国的机会怎么看？
吴恩达: 我对泰国的AI发展势头感到非常兴奋。虽然目前泰国的AI技术可能还不如美国或中国先进，但我见过很多小型初创企业，我们都知道，增长速度是决定未来发展的最重要因素之一。在过去一周里，我与泰国的各大企业、创业者、学术界和政府领导人会面，看到这里对AI和创业生态系统充满了巨大热情和动能。我认为，未来的关键在于大家的共同努力，我希望自己能够在其中扮演一个小小的支持角色，但真正要靠所有人不断努力、不断学习、不断建设，并维持这种势头。因此，我对泰国AI的未来非常乐观，也希望所有泰国人民同样相信AI的未来。
主持人: 这真的让人充满希望。但作为一个中等收入国家，我们没有足够的AI专家，资金也不足。那么，泰国政府或企业领导应该采取什么战略来赶上这一趋势呢？
吴恩达: 首先，生成式AI技术非常新，几乎没有哪个国家有足够的专家，所以我不认为泰国在这方面落后得太多。而且，互联网上有很多关于AI的学习资源，大家可以随时学习这些技术。另一个更重要的因素是对教育的重视，而我在泰国无论是从个人层面还是政府层面都看到了这种重视。我还发现，在硅谷和中国AI崛起的过程中，没有人是单独成功的，AI有点复杂，大家在一起学习、分享经验和面对困难时，会走得更远。因此，我认为泰国有很多人需要继续学习、继续建设，并且相互分享经验，这样不仅是依赖于某一个人，而是整个国家共同进步。关于资金的问题，确实，如果目标是训练一个像OpenAI那样的大语言模型，可能需要花费上亿美元，但实际上很多AI的机会并不是去训练这样的大模型，而是利用现有的AI技术来构建应用。这种做法的成本要低得多，比如我们在AI基金中，构建一个新产品的原型通常只需大约5.5万美元。因此，利用现有的AI工具来开发应用是非常具有资本效率的。
主持人: 你觉得我们是否应该开发自己的大语言模型呢？
吴恩达: 泰国是一个大国，我认为可以同时尝试多种不同的方向。虽然开发泰国本地的大语言模型是有价值的，但相比之下，我认为更应该专注于开发基于AI技术的应用。不过，泰国足够大，我们应该尝试多种不同的方向，重点可以放在应用开发上。
主持人: AI能否解决社会和经济不平等问题呢？
吴恩达: 技术的确有两个有趣的效应。其一是当技术刚被发明出来时，它有时会增加不平等，因为只有少数人能够获取这项技术。但更重要的效应是，当技术和培训广泛普及时，它可以减少不平等。例如，智能手机、网络搜索和大语言模型的普及，让每个人都能更容易获取信息，这是非常具有民主化作用的。同样，当我们为更多人提供这些工具并进行培训时，知识的普及也有助于减少不平等。虽然AI不能解决所有不平等问题，但只要我们继续让更多人能够使用这些工具并获得培训，AI可以成为提升每个人的重要力量。
主持人: 昨晚你提到，智力是当今世界上最昂贵的资源之一，你能再解释一下吗？
吴恩达: 是的。如今，智力是非常昂贵的，通常只有富裕的人才能负担得起请一位专家医生来诊断病情，或者雇佣一位优秀的家教来帮助孩子学习。因为培养一位高技能的专业人员成本很高，而人工智能的成本却可以大幅降低。随着AI的进步，我希望未来每个人都能“雇佣”一个经过良好训练的AI团队来帮助我们，无论是在医疗、教育还是其他领域，这将有助于减少不平等。
主持人: 在我们的对话中，你多次强调了教育。那么，AI将如何改变教育呢？你花了很多时间思考如何提供AI培训，如何让商业领袖和技术人员掌握AI。那么，你觉得AI会如何影响教育，尤其是非AI学科的教育呢？
吴恩达: 这是个好问题。坦率地说，我认为现在还处于非常早期的阶段。目前确实有几家公司让AI教育工具运作得很好，比如可汗学院的Kigo课程，它的AI教练运行得非常好。但我们很多人都觉得，未来可能会有更多的教育变革通过AI实现，只是我们现在还不完全确定它会是什么样的。不过，我确实期待AI在教育领域的进一步发展。
主持人: 所以你认为未来教育会有更大的变革？
吴恩达: 是的，我们正在努力实现这一点，但有些我们尝试过的项目非常难，比如构建一位AI教师。很多人都谈论过这个想法，但要做得真正好，实际上是非常困难的。我的一些团队仍在继续进行研究和改进这些能力，但我现在还不能说我们已经找到最终的答案，不过我们在不断努力。
主持人: 除了你提到的编程技能之外，我们应该如何教育我们的孩子呢？
吴恩达: 学习编程确实有用，但这只是其中一项技能。终身学习将继续非常重要，培养学习的习惯是关键。而且，社会仍然需要很多人拥有不同的专业技能来从事各种各样的工作。所以我认为继续投资于教育系统，并指导学生学习对他们未来工作有帮助的知识，这仍然是一个重要的方向。
07 学会使用人工智能
主持人: 最后一个问题，你在日常生活中是如何使用AI的呢？
吴恩达: 我想，几乎所有人每天都会不自觉地使用AI几十次。每次使用搜索引擎，那是AI；每次在线购物，收到推荐的产品或电影，那也是AI；每次使用邮件时，垃圾邮件过滤器过滤掉垃圾邮件，那也是AI。现在还有生成式AI，像聊天机器人，我每天都会和聊天机器人对话，它帮我完成工作。另外，我的很多朋友现在都在设备上运行AI，所以即使在没有网络的飞机上，我也会在笔记本电脑上运行一些开源的大语言模型，这样即使在飞机上，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？
吴恩达: 我可能不是最适合回答这个问题的人，因为我不是很擅长平衡。我真的喜欢工作，所以通常会一直工作，哈哈。所以在平衡这方面，我可能不是最佳建议者。
主持人: 我们的对话是从一个关于爱的提问开始的，所以我想用类似的问题来结束这次对话。你觉得在争夺一位女士的心方面，AI和人类谁会赢？
吴恩达: 这是个有趣的问题。我团队的成员通常是AI领域的专家，但我们认识到世界上有太多应用和领域，我们并不是所有事情的专家，尤其是像这样的问题。我觉得在人际关系中，人类会表现得更好。不过，有趣的是，现在已经有很多人向AI咨询恋爱建议。我的一个朋友，曾是Tinder的CEO，她在浪漫关系方面是专家。她现在领导的公司Mino正在构建一个专门提供恋爱建议的AI。令人惊讶的是，很多人，尤其是男性，也有一些女性，甚至其他性别的人，都会向AI寻求恋爱建议。所以我觉得AI在这里的角色不在于取代人类赢得心，但可以帮助人们建立更好的关系。
主持人: 非常感谢你，感谢你的分享。
吴恩达: 不客气，非常感谢。
END
来源|图灵人工智能，管理智慧