Web3Brand | Empower Global Individuals | 全球科技播客精选｜第1期：OpenAI抓马、Ilya谈超级对齐、可汗学院创始人谈AI时代的未来教育

大家周末好呀！从本周开始，我们会推出一个新栏目「全球科技播客精选」，每期简报Ruby会精选近期3-5个海内外热门播客，让繁忙的超级个体（屏幕前的你）以更为轻松高效的方式跟上这快速时代的步伐。

会开启这档新栏目，一方面是因为我发现近1-2年我自己对于AI/Web3等科技和商业圈的最新进展信息来源，有越来越多比重来自于最新的英文优质播客。另一方面，每期动辄个把小时的内容，很多朋友感到心有余而时间不足。我既然喜欢听播客，独乐乐不如众乐乐，不如开源我的播客笔记，把最有意思的内容提炼和解读给大家。如果有时间，可以去听完整内容；如果时间有限，订阅我们的Newsletter即可。

关于栏目共建：

「全球播客精选」希望和更多志同道合学习探索新科技的你一起共创与分享！从第1期开始，我们就请到了Web3Brand社群里的读者Kelly一起编辑。如果你也是一位海外优质播客的听友，关注AI与Web3领域最新进展，超级个体的实践案例，欢迎联系Ruby提交你富有人情味的播客内容推荐。

1. OpenAI宫斗大戏中的微软CEO：教科书般的沟通水平

（联合国，真的考虑下请Satya做特派代表，相信他对世界和平会有很大的贡献！）

本周全世界的瓜民注意力，史无前例地聚焦在全球最重要的AI机构身上，随着剧情在96小时内多次反转，𝕏 （推特）第一次成了在线Netflix😂

在风暴中心，除了Sam Altman，最令我佩服的是微软CEO Satya Nadella。11月21日当天，OpenAI董事会还没消息公布，Satya已经高效上了彭博社的Emily Chang和硅谷知名记者（本次吃瓜最前线信息源）Kara Swisher的两个采访节目了，并展现教科书一般的沟通水平。

他多次避开锋利的提问，并不遗余力强调「大家需要想想为什么Sam持续多次选择和微软合作」，没有微软的深度支持合作，资金算力人员的投入，也没有今天的OpenAI（你们看投资的金额都只是算小账了！）

「微软热爱OpenAI的使命，甚至热爱他们的独立」（我们对于他的独立没有任何问题，我们没有挑起争斗）

当被问到如何看待微软几乎零元购这家公司，现在是否处境更好了？

他说上周五之前我们也一直处境很好（in a good position）对于冲突类问题都能回答得滴水不漏，还在过程中给微软的能力和已有投入加分，确保用户、投资人各方信心信息，年度最佳大公司CEO的提名必须有你！

几年前看他的传记《刷新》里，他很推崇非暴力沟通，他在采访里坚持沟通自己的意愿和视角，完全避开了矛盾争议部分，现在看起来他绝对是实践的典范。

以下是两个采访播客，分别10分钟和30分钟。

Bloomberg的Emily Chang采访视频

Kara Swisher的播客

2. OpenAI首席科学家Ilya：AI模型需要更加可靠，希望未来的智能体对人类更友善

以下硬核播客内容推荐来自Web3Brand读者，我们的好朋友Kelly。

Kelly是一位AI行业的创业者，女性消费品投资人。“新加坡吃喝玩乐小分队主理人”，欢迎在即刻和𝕏推特关注她。

Kelly的AI创业感想：

从7/8年前学习Andrew Ng的machine learning和deep learning的网课，到现在直接参与AI agent的项目，AI让一个只需要拥有计算机本科学位的人都可以在AI产品大有作为。在我观察下，现在AI的发展让大多数在过去多年从事科技业的人都觉得自己有一份羹可以被分。未来将有更多人可以参与到AI的产品和实践中。
在当下的以AI, LLM，AGI带领的第四次工业革命里，真的有太多机会留给想要做一番事业的人了。即使咱们做不了LLM的创建，也还有一大堆可以通过AI实现自我价值，自我财富的机会。

自从2013年听播客的我现在终于有一个面向于AI爱好者，研究员和创业公司的兄弟姐妹们墙裂推荐的播客了- No Priors : AI Machine Learning, Tech&Startups，主理人是两位连续创业者Sarah Guo和Elad Gil。

Sarah Guo 曾在知名的风险投资公司 Greylock Partners 担任合伙人，是硅谷最有影响力的女性投资人之一。Elad Gil 是一位成功的企业家、作家和风险投资家，曾在 Twitter 和 Google 担任重要职位，他的书籍《High Growth Handbook》中提供了大量关于公司规模扩大的实用建议和洞见。

这期（EP39）他们采访最近OpenAI风暴中心的首席科学家Ilya Sutskever，我整整听了五遍。

Ilya说到，现在无论是GPT的模型本身还是AGI，都需要更加的可靠。然而，可靠的定义在于，比如我想知道一个历史内容，然后我已经问了20遍关于这个历史方面的内容了，我不希望我第21遍问的时候这个问题的答案变得很奇怪。因为这些模型本身在大多数时候都可以完成任务，但是因为一些特殊情况，一个任务没有完成，就导致我无法相信这个模型所以需要自己去验证这个模型。Ilya也用自动驾驶作为一个反例，如果自动驾驶的车辆出了一个事故，整个人类就觉得这件事非常的危险（即使人为的车祸发生率比自动假设发生事故的概率多得太多了)。

超级对齐（Super Alignment）的定义

在现在这个时间点，我们相信未来电脑会比人更加聪明。因为，电脑比人类学习的更快。如果未来真有种高级的数据中心，我们希望这个数据中心拥有同理性，给予人类更加积极的信息。我们会更加愿意投入在，创建一个更效率，更容易被控制的科学的智能体。这种智能体对人类更友善。问问5-10年后的自己，你更期待的AI能够做什么，这样才能让未来的AI智能体更加的社会化

这期播客还聊到了「大模型v.s小模型」、「开源v.s 闭源」、「Transformer模型会是长期主流的数据架构办法吗」、「人类智力v.s生物智力v.s 人工智能智力」、「促进ai 加快增长/减慢的力量」等话题，可以看下方观看完整40分钟视频或看Kelly在即刻的笔记全文。

3. 如果生成式AI已经可以写论文，通过考试，我们还需要学习吗？我们学习的意义是什么？

可汗学院创始人Sal Khan在两周前参与北美Khanmigo（可汗学院基于GPT推出的教学机器人）教师社区的AMA答疑活动中，分享了他对于【AI+教育】的核心观点：

你更加需要用好AI，将大模型的能力当作脚手架（scaffold）来提升自己的能力，并在特定领域里跟上AI的脚步再达到更加厉害的程度。

比如GPT现在会写作，但是顶级的记者和编辑仍将存在。假如将来Average的写手都是AI，你要成为一名优秀的编辑才能管理AI并给他提供反馈。如果你自己都写不好文章，你不可能做到给AI输入。人们能够与AI保持技能竞争力真的非常重要。正如目前正在发生这样的变化：你不会被AI取代，但你可能会被利用AI的某个人取代；他们将AI视作自己的扩展，并且利用好AI将自己的长板拉得更长。

从劳动力结构来看，我们历史上有一个工业时代的劳动金字塔，在底部有大量的劳动力，中间有可以说是信息处理类白领工作等等，在金字塔顶端有研究人员、教授、企业家、医生、律师和教师等高技能人才。AI和机器人将会使这两个底层崩溃，同时我们将拥有一个生产力更高的社会。

因此，我们面临一个社会问题：我们是否只想让所有增加的生产力都归属于10%左右的人口？

Sal认为大多数人并不只想得到一份基本收入（UBI），他们还想参与其中，并获得目标感和意义感。在这个AI转折点上，唯一能做到这一点的方式就是尝试尽可能地将更多人移至劳动金字塔顶端。500年前的时候，在世界上相当有文化素养的地区也只有20%至30%的人会读书，并且代数或几何等主题被认为是非常高级和神秘的话题；而今天，绝大多数人在7-8岁学会了阅读。借助AI，之前只有5%-10%会的知识和技能也可以成为大多数人掌握的技能。

Khanmigo已经在北美上线，是可汗学院尝试将AI的优势放大并尽可能规避风险的机器人，它同时可以面向孩子，老师和家长。点击下方30分钟完整视频可详细了解。

Khanmigo优势：

个性化教育：这是可汗学院一直努力的方向，AI将助力真正实现每一个老师渴望的差异化教学
防作弊：作弊在AI工具之前就一直存在，面向学生的Khanmigo作为引导，提供更多的背景知识，但是学生无法直接套出解题答案；对于文本的复制粘贴生成的文章，也能够检查出来
数据保护：与ChatGPT做隔离，可汗学院是有护栏地应用AI，不会使用学生和老师的数据
更多的称职老师：面向家长与老师可以获得教学计划，活动建议并及时得到反馈提升教的能力
教师的稳定性：Sal说他读到一篇论文，连续两年由同一位老师教授对于学生的价值——稳定老师对于孩子学习的重要性，现在可以确保在师资欠缺的地方，Khanmigo可以长期陪伴一个孩子
提供学习目标：这点是我认为最重要的，就是学特定学科和技能有什么用能够让人有明确的动力。我记得美团的王慧文之前就在分享时说过「大学上的很多课不知道有啥用，如果当初知道线性代数主要是用来做人工智能的，当时要知道这个作用我肯定发愤图强」。通过个性化的辅导和对话，帮助学生制定ta关心的，明确的目标。