奥特曼最新访谈：下一个被颠覆的，是工作方式

OpenAI创始人山姆·奥尔特曼，在最近的一次专访上说，自己曾把AI改变商业的速度想得太快了。

GPT-4问世时，他以为软件行业很快就会重新洗牌，后来发现，人们仍向熟悉的公司采购，沿用熟悉的工具。连他自己，有了Codex后也改不掉复制粘贴、翻邮件的习惯。

这次访谈中，他还讲到了当初刚开始创业时的一些经历，也对创业者讲了不少忠告。

今天的内容，是访谈内容的精华整理，值得每一位创业者读一读。

一、知道有更好的办法，但人还是经常按老习惯来

我有件很矛盾的事：我使用电脑的方式，二十年来几乎没变。现在有了Codex，明明可以换一种办法工作，我却还在沿用以前的习惯。

我不应该到处乱点，在不同的聊天软件之间复制粘贴，漫无目的地浏览邮件，试图找出哪封邮件最容易打开回复，尤其是在我不想处理它们的时候。我不应该像以前那样，列待办事项清单，机械地完成这些电脑上的例行工作。

然而，我的脑海里却根深蒂固地认为，做这些事情就是工作，就是高效。

如果你问我喜不喜欢这样做，我会说真心不喜欢。处理邮件、完成待办事项，这些事情本来可以更多地交给Codex，我却没有那么做。

我也说不清为什么，也许我内心深处确实从这些熟悉的动作里得到了一些满足。

我对软件行业的判断，也有过类似的问题。

我非常喜欢创业，也一直试图理解创业公司。2023年GPT-4出现时，我原以为软件行业会很快发生更大规模的颠覆，大量业务会迅速重新洗牌。

后来我发现自己在速度上判断错了，经济有非常强的惯性：人们继续做原来的事，继续从原来的公司采购，也继续希望用熟悉的方式使用工具。某种程度上这反而是好事，它会让眼前这场巨大转型更平滑、更缓慢，我对此甚至有些庆幸。

但这也意味着，即使面对如此惊人的技术，我们所有人对时间表都过于激进。AI 是人类发明过最不可思议的技术之一，但社会和经济会适应得更慢。

奈飞早期已经可以邮寄DVD时，我就很惊讶，为什么还有那么多人继续去百视达（以线下实体影音租赁起家，曾是美国影视租赁行业的绝对霸主）。现在想想，这就是习惯的力量，改变人的行为，比技术圈里的人想象得困难。

不过，也有人一直走在前面，Shopify（全球领先的电子商务平台）的比亚斯·卢克就是让我印象很深的一位。

从AI发展的很早期开始，他就在亲自写软件、做实验，给我们非常细致的反馈。他关心现在的AI到底能做什么，很快又能做到什么，公司应该怎样跟着改变。

很多人都会给我们反馈，但一位大公司的CEO，能把产品和模型试到这个程度，还能准确说出问题，我很少见到。

这也是我想说的关于他的另一个点：亲力亲为。他亲自使用工具、写软件、试模型、重构自己的工作流。很多公司到了这种规模，CEO下面已经是管理团队再管理执行团队，中间会把很多粗糙的真实体验磨平。

如果一家公司的创始人不亲自下场，很难形成真正的手感。

托比（比亚斯·卢克的昵称）会在晚上尝试重做Shopify，想一想如果今天从零开始，利用现有的技术，公司应该做成什么样。我理解他的那种感觉，只是在变化会多快这件事上，我比他保守一些。

我不认为所有行业都会以同样的方式被改变。AI越强，人们可能越想要真实的体验，更在意体育、人与人的连接，有些与AI关系不大的生意，反而可能因此更有价值。

二、AI很聪明，但它可能还不清楚你在忙什么

我自己为什么没有更彻底地使用AI？我觉得产品也有责任，我们应该把工具做得更好，让人更自然地换一种工作方式。

现在两种使用电脑的办法同时存在，一边是熟悉的传统操作，一边是Codex这样的新工具，人们还不知道，遇到哪件事该用哪一种。

这让我想起iPhone出现前的智能手机时代，那时很多技术已经有了，但后来让iPhone成为iPhone的那些产品想法还没有出现。

今天 AI 也类似：技术拼图基本已经出现，但我们还没有迎来那个彻底改变人如何与技术交互的“iPhone 时刻”。

接下来，我希望AI能够更了解我。

最新一代模型已经相当聪明了，现阶段让我我感到更受限的，是AI所掌握的、关于我的有效上下文（Context）信息的数量。

我不可能看完公司内部每一条讨论，也没法读完每个客户讲述ChatGPT怎样帮助他们、又在哪些地方让他们失望的故事。那些信息当然有用，可我没有时间和精力全部处理。

我本来可以阅读更多研究论文，但那需要消耗大量脑力。我非常希望能有一个 AI 智能体，不断尝试为我提供帮助，它能够查看和理解比我更多的上下文信息，并能在需要决策时，帮我运用这些背景知识，为我提供优质的建议。

现在，有一件事值得我们认真想：如果AI能掌握比我多得多的背景信息，它怎样在我需要作重要决定时，把这些信息用起来？

再聪明的人，也无法在几秒钟内读完几万页资料并准确运用，我期待AI带来的这种帮助，它能处理那些我一个人没有能力全部读完的信息，再把有关的内容带到眼前的决定里。

今天访谈我的主持人做了一个工具，他把2018年以来读书留下的笔记、高亮和节目文字稿放进去，准备新节目时，就可以问以前读过的某位创业者、某本书里，有什么相关经验。

我觉得这个例子非常酷，正是我说的那种用法。

人们需要的AI也不会只有一种，有些工作需要很强的推理能力，有些工作量很大，却不需要那么高的智能。

人们需要大量AI，希望它便宜、快、可靠，而且理解自己的上下文。

我希望我们能提供一个统一的入口，让人们连接属于个人或公司的AI，同时提供接口，让开发者在上面做自己想做的东西。

三、我把时间留给研究和算力

我当然希望自己有更多时间做产品，不过公司里已经有很优秀的人在负责这些事，我现在大部分精力放在研究和算力上。

对OpenAI来说，最重要的仍然是做出足够聪明的模型，再让足够多的人能够充分使用它们。

我以前做过创业投资，后来管理研究项目时，发现这两件事有不少相似之处：你要找出还没有被多数人看好的方向，形成自己的判断，也要识别和支持那些特别优秀的人。

投资里，最成功的一笔投资，回报可能比其他所有投资加起来还大。在AI研究中，我也看到了相似的情况，少数项目做成了，价值会很大。

真正优秀的研究员，往往是非共识的、有新方法、高能量，而且不太“标准化”。你不想投资一个只是把过去一千个创业想法稍微改一点、却努力包装成全新东西的人。

研究也是如此：很多人会追逐上一个已经成功的方向，只有少数人会对一个还没有被验证的新想法有很强的信念。

2015年开始做OpenAI时，很多人认为通用人工智能几乎不可能实现，我们公开说要追求这个目标，受到过不少批评。后来决定投入大语言模型，又被批评了一次。

做投资的经历让我能够接受这种情况，有风险的尝试本身没有问题，只要做成之后足够有价值。但我们也必须决定，有限的资源究竟放到哪里。

杀掉好想法，把资源留给伟大的想法，是创业者和公司最难学会的事之一。

放弃一个不错的想法会很痛苦，但算力、人才和其他资源都有限，我们必须想清楚，哪件事最值得做。我们经过深思熟虑后决定：打造用于知识工作、并最终用于科学研究的通用智能，是我们能做的最重要的事情。

我不认为OpenAI应该进入每一个产品类别，更不希望和所有人竞争。世界上有太多事情可以做，我们应该让更多人有能力去做。

本文来自微信公众号“笔记侠”（ID：Notesman），作者：老贾，36氪经授权发布。