下來大家要讀的是一個怒長的東西，關鍵內容來自OpenAI董事會主席兼Sierra公司CEO Brett Taylor和油管The Knowledge Project前幾天發布的一個長達兩小時的播客。
大家不要聽到OpenAI的頭銜，就以為我們要講OpenAI的長篇大論，並不是的。因為OpenAI董事會主席的工作，其實只是Brett Taylor的兼職。這裡我們就要稍微講一下OpenAI的公司架構。
OpenAI採用了一種獨特的「非營利母公司+有限盈利子公司」架構，董事會是OpenAI非營利母公司的最高治理機構，負責監督整個組織的使命和戰略方向。但董事會成員中，除了山姆·阿特曼，其他人都是兼職，並沒有在OpenAI參與任何實際管理工作。在2023年底的OpenAI宮斗事件之前，奧特曼甚至也不是董事會成員（但前OpenAI首席科學家Ilya Sutskever在其中）。不然，他就不會不知情自己要被幹掉了。
不過，奧特曼現在正在推動OpenAI進行公司架構調整，從原有的「非盈利組織-有限利潤營利性公司」模式，轉型為更具盈利屬性的結構，具體表現為將旗下營利性公司OpenAI Global轉變為「公共利益公司」（Public Benefit Corporation，PBC），逐步弱化非盈利母公司的直接控制。
還有，伊隆·馬斯克對這件事很憤怒，說奧特曼違背了OpenAI公司成立的初衷，先後用起訴、競購兩種方法破壞，但目前都沒成功，OpenAI的架構調整還在進行中。當然，這是另一個故事了，需要好大的篇幅，我們回到正題。
Altman literally testified to Congress that he wouldn’t get OpenAI compensation and now he wants $10 billion! What a liar.
雖然Brett Taylor在OpenAI不是全職工作，但一方面他掌握著別人不了解的前沿AI實驗室的一手資訊，另一方面自身履歷相當豐富，他曾是Facebook的CTO、Twitter（現X）的董事會主席、Salesforce的聯合CEO，目前他創立的Sierra公司，專注於幫助企業構建直接與客戶互動的AI agents。從網際網路，到移動網際網路，再到大模型，從技術到管理，再到公司治理，要素相當齊全。因此，兩小時所講的資訊，相當值得一讀。
Brett詳細闡述了為什麼AI正在永遠地改變軟體工程，在初創公司和在大公司中工作的生存區別，以及他對AGI的定義（在第六章）：人能用電腦做的工作，AI都能做。
關於AI帶來的三種改變，是我根據訪談所做的歸納，放在最後總結一章中了。
一、與AI的關鍵啟示時刻：從創意突破到工作革命
Brett Taylor首先分享了他個人與AI的兩個重要"頓悟時刻"，這些體驗徹底改變了他對人工智慧潛力的認識。第一個轉折點發生在2022年夏天，當時他看到了DALL-E生成的"牛油果椅子"圖像。儘管Brett擁有深厚的電腦科學背景，但他承認自己之前並未密切關注大型語言模型的進展。
"我看到那個圖像時，我的反應是'我不知道電腦能做到這一點'，"Brett回憶道。"那個特定的發布，看到生成的牛油果椅子圖像，我當時可能沒有預測到我們現在的位置。但對我來說，它震撼了我，讓我意識到我需要更加關注這個領域，特別是OpenAI。"
Brett描述了這種情緒上的震撼時刻："看到電腦做的不僅僅是基於規則的事情，而是創造性的東西，從頭開始創造東西的想法...在當時簡直讓我大開眼界。"
他的第二個關鍵時刻發生在離開Salesforce後不久，正好趕上ChatGPT的發布。"從那時起，你知道，我就無法停止思考它，"他說道。這些經歷標誌著他認識到AI技術將徹底改變我們與電腦交互和創造的方式的轉折點。
Brett指出，AI的進步速度是前所未有的："如果你回到兩年前，大多數人還沒有使用過ChatGPT。大多數公司甚至沒有聽說過'大型語言模型'或'生成式AI'這些術語。而在短短兩年內，ChatGPT成為歷史上增長最快的消費者服務之一。跨越企業的眾多領域都在經歷快速轉型。法律正在被改變。營銷正在被改變。客戶服務，這是我的公司Sierra所專注的領域，正在被改變。軟體工程正在被改變。如此短時間內的變化之多，我認為是史無前例的。"
Brett強調，這種變革的速度要求我們從第一性原理思考AI的未來："如果你只是應對眼前的事實，而不是從第一性原理思考我們為什麼會到達這個點以及12個月後可能會在哪裡，那麼你做出正確戰略決策的可能性幾乎為零。"
二、創始人如何在被收購後成功生存：身份轉變的關鍵
Brett分享了他作為兩次被收購的創始人的獨特經驗，他在這兩家公司中都獲得了顯著的晉升——在Facebook擔任CTO，在Salesforce擔任聯合CEO。他指出，創始人在被收購後的公司中工作是一個非常具有挑戰性的轉變，許多人難以成功適應。
"成為創始人不僅僅是建立一個企業，它很大程度上是你的身份認同，"Brett解釋道。"我認為那些不是創始人的人很難體會這一點。你對一切都非常在意——從產品到客戶，到媒體，到你的競爭對手...成功的內部和外部衡量標準。"
Brett指出，當創始人被收購時，除了業務方面的挑戰，還存在一個更深層次的身份轉變："你需要從'Instagram的負責人'或者在我的例子中，從'Quip的負責人'變成Salesforce的員工，或者從FriendFeed的CEO變成Facebook的員工。"
"我所觀察到的是，這種身份轉變是大多數其他事情的先決條件。不僅僅是你處理更大公司的政治和官僚主義的能力，或者適應新結構的能力。我實際上認為大多數創始人不會做出那一躍，即他們實際上認同那個新事物。"
Brett分享了他如何在Salesforce意識到這一點並努力適應的經歷："我真的試圖意識到這一點，並真正成為Salesforce的一部分，轉變我的身份，而不僅僅是圍繞Quip成為單一議題的擁護者。我努力試圖擁抱它。"（也就是，沒有本位主義）
他承認："對一些創始人來說這真的很難。一些創始人老實說不想這樣做。他們可能會兌現支票，這更像是一種交易關係。"但Brett強調，他非常感謝在Facebook和Salesforce的經歷："我學到了很多。但這確實需要我付出很多努力...轉變我對自己的看法和我是誰，以從收購我們的公司中獲得價值。"
在討論收購過程時，Brett強調了明確設定期望的重要性："我真的試圖提前進行一些更艱難的對話...從而在你接近它時，你不僅得到'嘿，為什麼1+1大於2？一切都會很棒。'而是'不，說真的，成功看起來是什麼樣子？'然後作為被收購公司的創始人，你的工作是告訴你的團隊這一點，讓你的團隊與之保持一致。我認為創始人沒有承擔足夠的責任使這些收購成功。"
三、董事會角色與創始人領導的公司：釋放潛力的關鍵
Brett分享了他作為多家公司董事會成員的經驗，包括Shopify和OpenAI，並詳細解釋了為什麼他特別青睞由創始人領導的公司。他首先強調了他自己的身份認同："我是一個徹頭徹尾的"operator"（操作者/實幹家）。我可能首先會自我認同為一個工程師，勝過其他任何身份，我喜歡創造。"
Brett解釋了為什麼擔任顧問角色對他來說是一次寶貴的學習經歷："學習如何成為一名顧問是一個非常不同的視角，我認為你可以看到其他公司是如何運作的，你也學習如何產生影響和增加價值，而不是親自去做。這是一種非常...我認為我因為學會了這樣做而成為了一個更好的領導者。"
關於創始人領導的公司，他分享了一個強有力的觀點："我認為創始人為公司帶來更好的結果。我認為創始人通常有權限對他們的業務做出更大膽、更具破壞性的決定，而不是專業經理人。"他引用了幾個例子，從Tobi Lütke（Shopify）到Mark Benioff（Salesforce）、馬克·祖克柏（Meta）和山姆·阿特曼（OpenAI），說明了創始人如何獲得更廣泛的利益相關者支持，即使在做出艱難決定時。
"當你創立了一個公司，你所有的利益相關者，特別是員工，會給你一定的信任度。你知道，你創造了這個東西。如果你說，嘿，我們需要在策略上做一個重大轉變，甚至是像裁員這樣的困難事情...創始人往往獲得很多寬容，我認為他們被評判的方式也不同。"
Brett提到了在與不同創始人合作時所獲得的價值："我喜歡與像Tobi和山姆這樣與我非常不同的創始人合作，我可以看到他們如何運營他們的業務，我受到啟發，我從中學習...我幾乎像個人類學家一樣。為什麼你要這樣做？我想了解更多。所以我喜歡與能夠啟發我的創始人合作，因為我從他們身上學到了很多。"
當被問及"創始人模式"的概念時，他提供了一個微妙的視角："大體上，我確實喜歡創始人模式的精神，那就是讓人們對公司的每個決定都擁有深度創始人式的責任感。我認為這就是偉大公司的運作方式。當你常言所說的通過委員會做決定，或者你更關注流程而不是結果時...這就產生了我們作為員工、作為客戶討厭的所有體驗。"
Brett警告說，創始人模式可能被錯誤理解或變成自身的漫畫版本："創始人模式可以被用作過度微管理的藉口。而這可能也不會帶來很好的結果。大多數偉大的公司充滿了極其優秀的個人貢獻者，他們做出好的決定並努力工作。完全通過個人判斷來執行的公司可能無法擴展到成為真正偉大的公司。"
所謂「創始人模式」（Founder Mode），是矽谷近年流行的一種公司管理理念，指的是創始人或CEO以極為親力親為、全方位介入的方式領導公司，而不是傳統的「經理人模式」那樣把權力層層下放、主要靠團隊自主管理。創始人模式強調創始人對產品、戰略和團隊的深度參與，常常跨越組織層級直接與員工溝通、做決策，典型例子有賈伯斯、馬斯克、黃仁勛等。
四、工程師作為領導者：技術背景的優勢與局限
Brett討論了為什麼擁有工程背景的人可以成為優秀領導者，同時也承認了這種背景的潛在局限性。他首先指出成功的創始人和CEO通常從一個專業領域開始，但隨著公司成長，他們需要發展更廣泛的能力。
"我認為偉大的CEO和偉大的創始人通常以一種專業開始，但隨著他們成長為一個真正有意義的公司，如Airbnb或Meta之類的公司，你可以看到這些創始人真正從一件事轉變為很多事。"
Brett特別強調了工程師所具備的優勢："我確實認為工程師成為偉大的領導者。我認為第一性原理、系統設計思維（Design thinking）真的有利於組織設計、戰略等方面。"
然而，他指出工程師們面臨的一個重要轉變："我認為工程師創始人需要做的主要轉變之一是...你不是公司的產品經理。你是CEO。在任何給定的日子裡，你是花時間招募一位執行官因為你有需求？你花時間在銷售上因為那會產生最大的影響？你花時間在公共政策或監管上？因為如果你不這樣做，它會發生在你身上，並可能對你的業務產生非常負面的影響。"
Brett強調了身份轉變的重要性："不願意將他們的身份從過去的身份提升到當下所需的身份的工程師，往往會導致公司增長的某種停滯。因此，百分之百，我認為工程師成為偉大的領導者。而且這不是巧合，我認為矽谷偉大的CEO大多來自工程背景。但我也不認為隨著公司規模擴大，這就足夠了。我認為所有偉大的CEO都必須做出這種轉變，這一點非常重要。"
當被問及商業問題是否都是工程問題時，Brett提供了一個平衡的觀點："我喜歡作為工程師解決問題的方式就是第一性原理，了解問題的根源，而不是簡單地解決表面症狀。我確實認為來自工程背景的人...工程師進行伺服器宕機根本原因分析的方式是分析為什麼你輸掉了銷售交易的一個非常好的方法。我喜歡工程的系統方法。"
然而，Brett也承認了工程思維的局限性："在一些領域，你可能會過度分析決策...比如現代通信，它由社交媒體驅動，節奏非常快。對你發布的每條推文進行系統化的第一性原理討論可能不是一個很好的溝通策略。同樣地，企業軟體銷售的某些方面並不完全理性，而是人性化的，比如建立個人關係，以及這些關係對與合作夥伴建立信任的重要性。這不僅僅是產品和技術的問題。"
他總結道："我認為很多事情可以從工程思維中獲益很多，但我確實認為，你知道，將其推向邏輯極端可能導致分析癱瘓，以及一些根本上屬於人類問題的事情。所以，是的，我認為很多事情可以從工程中獲益，但我不會說一切都是工程問題。"
五、軟體工程的未來：AI改變了遊戲規則
Brett深入探討了人工智慧如何徹底改變軟體工程的本質，這是他特別關注的領域。他指出，在現代大型語言模型中，軟體工程是正在經歷最深刻轉變的職業之一。
"我經常思考的一件事是，三年後我們公司會有多少軟體工程師？隨著我們從代碼作者轉變為代碼生成機器的操作者，軟體工程師的角色會是什麼？這對我們應該招募的人才類型意味著什麼？如果我看當前軟體工程的實際工藝，我認為這是一個事實，兩年後它將完全不同。"
Brett分享了他對當前AI代碼生成現狀的觀察，並指出了一個有趣的矛盾："現在的許多現代大型語言模型，無論是傳統的還是新的推理模型，都在大量源代碼上進行了訓練。這是它們所有知識輸入的重要部分。結果是，即使早期模型也非常善於生成代碼。"
"我們公司的每位工程師都使用Cursor，這是一個與IDE集成的產品，可以幫助你更快地生成代碼。但這在一個非常明顯的方面對我來說似乎是一個局部最大值...我們已經將編程語言設計得對人類作者友好，而現在我們用AI來生成這些代碼。"
Brett指出了當前方法的諷刺之處："我們設計了大多數電腦編程系統，使代碼作者能夠快速鍵入代碼。而現在我們處於一個世界，實際上生成代碼的邊際成本趨近於零，但我們仍然用為人類作者設計的編程語言生成代碼。同樣地，如果你曾經查看過別人的代碼——專業上稱為代碼審查——這實際上相當困難。你最終會解釋，你基本上試圖把系統放在你的腦海中，並在閱讀代碼時模擬它以找出其中的錯誤。"
Brett展望了一個新的軟體開發方向："如果你從前提開始，即生成代碼是免費的或趨向於免費，我們會設計什麼樣的編程系統？例如，Rust是一個為安全而不是編程便利性設計的編程語言的例子。這是一個真正有趣的方向，你不是為了作者的便利而優化，而是為了正確性而優化。"
他提出了一個有遠見的問題："是否存在為了讓人類看起來能夠非常快速地評估'這是否做了我想要它做的事'而設計的編程語言？"Brett還討論了形式驗證和測試驅動開發在AI編碼時代可能扮演的新角色："在AI生成大量代碼的世界裡，我們是否應該更多地投資於形式驗證，使代碼生成機器的操作者能夠更容易地驗證它確實做了他們想要它做的事？"
Brett對未來的願景是："如果我們從頭設計這些系統，考慮到軟體工程師的角色是代碼生成機器的操作者而不是代碼的作者，我們可以使這個過程更加健壯，生產力提高20倍，但更重要的是，使他們輸出的健壯性提高20倍。"
他總結道："我認為我們可以通過簡單地自動化我們作為軟體工程師每天所做的事情來創建合理的軟體。但我強烈懷疑，如果我們設計這些系統時考慮到軟體工程師的角色是機器的操作者而不是代碼的作者，我們可以使這個過程更加健壯，更有生產力。而這對我來說感覺像是一個研究問題。"
六、AGI的定義與發展路徑：接近人類智能的門檻
當被問及如何向普通人解釋人工通用智能(AGI)時，Brett Taylor提供了一個富有洞察力的定義，並探討了實現AGI的複雜性。
"我認為AGI的一個合理定義可能是：任何人在電腦上能做的任務，該系統都能做得與人相當或更好，"Brett開始解釋道。"AGI的'G'是關於泛化的。所以你能有一個在它沒有被明確訓練的領域也具有智能的系統嗎？這就是我認為最重要的事情之一，就像給定一個全新的領域，這個系統能否變得比一個在該領域受過訓練的人更有能力、更聰明？"
Brett強調了評判標準："與人相當或比人更好當然是一個很好的標準。而這在某種程度上是超級智能的定義。我提到'在電腦上'是因為我認為這是一個門檻，意味著如果有一個數字接口到該系統，它為AI提供了與之交互的能力，這就是一個合理的可達到的門檻。"
他承認這個定義的局限性："AGI沒有一個完美的定義。我確定有好的答案，但沒有精確的AGI定義。"
關於AGI可能如何擴展到不同領域，Brett提供了一個微妙的視角："一個有趣的問題是關於AGI有多快泛化。世界上有一些領域，其進步不一定受智能限制，而是受其他社會因素限制。例如，如果你考慮製藥行業，我的理解是主要瓶頸之一是臨床試驗。所以無論一個系統在發現新療法方面有多聰明，它可能不會實質性地改變那個方面。"
Brett進一步細化了他的思考："你可能會有一個在數學上發現新見解的系統，這將是令人愉快和驚人的。但這個在一個領域超級智能的系統的存在可能不會平等地轉化到所有領域。我剛聽了經濟學家Tyler Cowen的演講片段，聽他關於經濟的哪些部分能夠比其他部分更快地吸收智能是很有趣的。"
當談到限制AI發展的因素時，Brett指出三個關鍵輸入："我認為三個主要輸入是數據、計算和算法。"在數據方面，他討論了所謂的"數據牆"，即用於訓練的文本內容的可用性正在減少，但也指出了生成合成數據的新機會："模擬是生成數據的一種非常有趣的方式。"
關於計算，Brett指出："這就是為什麼有這麼多數據中心投資。這就是為什麼NVIDIA作為一家公司增長如此之快。"他特別提到了推理模型的突破："訓練過程和推理過程之間不再有如此正式的分離，你可以在推理時投入更多的計算來產生更多的智能，這在多種方面都是一個真正的突破。"
在算法方面，Brett指出了變革性的進步："最大的突破顯然是Transformer模型，Google的'Attention is all you need'那篇論文，引領我們走到了現在的位置。但自那以後出現了一些非常重要的論文，從思維鏈推理的想法到OpenAI的O1模型，即對這些思維鏈進行一些強化學習，真正達到新的智能水平。"
Brett對AGI的進展持樂觀態度："我真的對向AGI的進步感到樂觀，因為那些高原之一可能會持續一段時間，如果我們只是沒有突破所需的關鍵想法。但我們在所有這三個領域都卡住的想法對我來說似乎非常不可能。實際上，我們看到的是，由於AGI的潛在經濟效益，我們實際上看到的是在這三個領域都有突破。因此，你看到了我們在過去幾年中看到的這種快速進步。"
七、AI模型的經濟學與開源發展：雲基礎設施的未來
Brett Taylor深入探討了AI領域中不同商業模型的動態，以及基礎模型與前沿模型之間的差異，為我們提供了對這個快速變化行業經濟學的獨特洞察。
"我想介紹一些我認為有用的術語定義，"Brett開始解釋道。"我認為大多數大型語言模型我會稱之為基礎模型。我喜歡'基礎'這個詞，因為我認為它將成為大多數智能系統未來的基礎。大多數構建現代模型的人，特別是如果涉及語言、圖像或音頻，不應該從頭開始構建模型，而應該選擇一個基礎模型，直接使用或進行微調。所以它在很多方面確實是基礎性的。"
Brett將基礎模型的經濟與雲基礎設施進行了比較："就像大多數人不再構建自己的伺服器一樣，他們從雲基礎設施提供商那裡租用它們。我認為基礎模型將是由擁有大量資本支出的公司訓練的東西，並由有廣泛用例的廣泛客戶群租用。"
他接著區分了基礎模型和前沿模型："基礎模型與前沿模型有所不同。前沿模型，我認為這個術語歸功於Reid Hoffman，但我可能錯了...這些通常是明顯位於前沿的一兩個模型，例如來自OpenAI的O3。這些前沿模型是由試圖構建造福人類的AGI的實驗室構建的。"
Brett解釋了為什麼在基礎模型領域的商業案例可能具有挑戰性："如果你在決定是否構建一個基礎模型以及圍繞它的商業模式是什麼，這是一個與'我將追求AGI'非常不同的業務。因為如果你追求AGI，真的只有一個答案，就是構建、訓練並前進到下一個地平線。因為如果你真的能構建出AGI，經濟價值是如此之大，我認為那裡有一個非常明確的商業案例。"
"如果你在預訓練一個基礎模型，而它是第四好的...那會花費你很多錢。而對那項投資的回報可能相當值得懷疑，因為為什麼要使用你的第四好的大型語言模型，而不是一個前沿模型或來自Meta的開源模型？"（也就是呈現贏者通吃的局面）
Brett預測行業將會整合："因此，我認為我們現在可能有太多人在構建模型。已經有一些公司被併入Amazon和Microsoft等公司。但我確實認為這將有點像雲基礎設施業務，少數幾家擁有非常大的資本支出預算的公司負責構建和運營這些數據中心。然後開發者和消費者將使用像ChatGPT這樣的東西，作為消費者或作為開發者，你將在雲中許可和租用這些模型之一。"
當被問及Meta的大規模AI投資但缺乏明確收入模式時，Brett表示理解："這是一個策略。如果你看Facebook...該公司一直非常擁抱開源。如果我看那些真正流行的東西，從React到現在的Llama模型，這一直是他們策略的重要部分，吸引開發者圍繞他們的生態系統。"
Brett強調了AI技術的迅速進步如何改變經濟學："如果你看GPT-4 Mini的價格...它比兩年前的最高質量模型質量高得多，而且便宜得多。我沒有計算過，但它可能比自託管任何開源模型都便宜。即使是開源模型的存在，它也不是免費的。推理需要成本。"
他總結道："我認為一般來說對開發者來說現在是一個驚人的時期，因為你有一個非常廣泛的選擇菜單。實際上，我把它看作是，就像在雲計算中一樣，你最終會有一個價格性能質量的權衡，對於任何給定的工程才能，他們會有不同的答案，這是合適的。"
八、AI提示優化與思維模型：使用策略解析
Brett Taylor分享了他使用AI模型的策略，尤其是如何通過疊代方式優化提示以獲得最佳結果。他的方法揭示了如何充分利用各種AI模型能力的實用見解。
"我經常使用較快的模型，如GPT-4.0，首先優化我的提示，然後再使用更慢但更強大的推理模型，如O1 Pro模式，"Brett解釋道。"所以在假期期間，部分是因為我在思考軟體工程的未來，我寫過很多編譯器。我決定看看能否讓O1 Pro模式生成一個端到端的編譯器，前端解析語法，檢查語義正確性，生成中間表示，然後使用LLVM，這是一個非常流行的編譯器集合，來實際運行它。"
Brett詳細描述了他的工作流程："我會花很多時間在4.0上疊代，來精煉和使我要尋找的東西更完整和具體。然後我會把它放入O1 Pro模式，去拿咖啡，回來拿結果。我不確定這是否是一個可行的技術，但這很有趣，因為我確實認為在AI是更多AI問題的解決方案的精神中，有一個...延遲更低、更簡單的模型，幫助精煉。"
他將這個過程比作產品管理："本質上，我喜歡將其視為你像一個產品經理，向工程師詢問要做什麼。你的產品需求文檔是否完整和具體？等待它有時會更慢。所以我喜歡分階段進行。這就是我的建議。"
Brett透露，Sierra公司的每位工程師都使用Cursor，這是一個與IDE集成以幫助生成代碼的產品。"在Sierra，我們幫助公司構建面向客戶的AI agents。所以如果你正在設置Sonos揚聲器，你現在將與AI聊天。如果你是SiriusXM的訂閱者，你可以與Harmony聊天，它是他們的AI，來管理你的賬戶。"
他分享了他們使用的高級AI技術："我們使用所有這些技巧，自反思來檢測幻覺或決策，為更複雜的任務生成思維鏈，以確保你將儘可能多的計算和認知負荷放入重要的技巧中。所以有一整個行業圍繞著...弄清楚如何從這些模型中獲得健壯性和精確性。"
Brett強調，這個領域正在迅速發展："真的很有趣，但變化很快。這種自反思機制是，我認為，一種非常有效的技術。"
當談到為公司創建AI agents時，Brett解釋了Sierra的獨特方法："一個公司網站上可以做的事情極其多樣化...它們已經成為你可以與公司互動的所有可能事項的總和。而Sierra正在幫助客戶構建一個能夠做到所有這些的對話式AI。當你將對話式AI作為數字前門時，人們可以對它說任何他們想說的話。"
他強調了像這樣的AI agents的高標準："當你的AI agents對你的品牌產生幻覺時，情況就完全不同了。所以...門檻更高。因此，這些agents的健壯性、防護機制，一切都更重要，當它是你的，並且帶有你的品牌。"
九、教育的未來：AI如何個性化學習體驗
Brett Taylor也在訪談中談到了AI如何徹底變革教育表達了強烈，特別是通過為學生提供前所未有的個性化學習體驗。他描述了一個正在從批量生產模式轉向量身定製教育的未來。
"我認為教育會在很多方面朝著積極的方向改變，因為實際上，與我的孩子在一起，他們經常問'為什麼'時，你知道，如果你有小孩，他們會問'為什麼，為什麼，為什麼？'到了某個時候，父母會開始編造答案或變得敷衍。但是，我們有ChatGPT...當你旅行時，它是最好的解決方法。打開高級語音模式，讓他們隨便問。而且我也在聽，你知道，就像你通過孩子的好奇心來體驗。"
Brett描述了AI如何能夠實現個性化的教育體驗："我認為教育可以變得更加個性化。如果你有一位老師，班上有28個孩子，他們都以相同的方式或以相同的速度學習的可能性非常低。"
他想像了未來班級的場景："我可以真的想像，比如說，一位英語老師或歷史老師，協調他們通過一個主題的學習旅程，比如，在美國的AP歐洲歷史。有一個課程，他們需要學習它。一個人如何記住或理解馬丁·路德的重要性是非常不同的。"
Brett解釋了AI如何適應不同的學習風格："你可以為可能是聽覺學習者的人生成音頻播客。你可以為需要那種重複的人創建提示卡片。你可以為那些只是想要更深刻地感受這是一個有意義的事件，而不僅僅是一段乾巴巴的歷史的人，將歷史的關鍵時刻可視化。所有這些，正如你所說，都可以個性化，以適應你學習的方式和你如何學習。我認為這只是非常強大。"
Brett強調了AI如何普惠化獲取之前是專屬的服務："AI的一件很好的事情是，它正在普惠化獲取許多過去相當專屬的東西。許多富有的人，如果他們的孩子在學校有困難，會為他們提供一個家教，一個數學家教或科學家教。如果你看看試圖進入大名校的孩子，如果你有條件，你會找人為SAT做準備，或者幫助你寫大學申請文書。如果我們做好我們的工作，所有這些都應該被普惠化。這意味著我們不會根據他們的條件限制人們的機會。"
Brett表達了對公共教育系統正式採用AI工具的熱切期望："我認為當公共教育系統正式採用這些東西時，會是非常好的，這樣他們就能依靠像ChatGPT這樣的工具作為提高課堂表現水平的機制。希望你會在考試成績和其他方面看到它，因為孩子們可以獲得額外的時間，即使學校系統負擔不起為每個人提供。最重要的是，孩子們根據他們的學習風格獲得解釋，我認為這也會非常重要。"
當被問及未來教育應該培養什麼技能時，Brett提供了一個平衡的視角："我確實認為學習如何學習和學習如何思考將繼續重要。所以我認為大多數初等和中等教育不一定是職業性的...基礎學習如何思考，學習讀寫和閱讀，數學，物理，化學，生物，不是因為你需要記憶它，而是理解創造我們生活的世界的機制是相當重要的。"
他警告說，人們需要避免在工具上固化："就像我們談論軟體工程一樣，如果你將自己的角色定義為軟體工程師，即你在IDE中打字的速度有多快，未來幾年可能會讓你落後，因為這不再是軟體工程體驗的差異化部分，或者將不會是。但你作為軟體工程師的判斷力將繼續非常重要。"
Brett總結道："我認為接下來的五年對於某些工作來說將是真正具有破壞性和動盪的。但如果你站得更遠，向前看25或50年，我非常樂觀。這種變化將需要社會、公司和個人對重新培訓和通過這種極不同的新技術的視角重新想像他們的工作持開放態度。"
十、AI解決複雜問題的能力：突破人類智力界限
Brett Taylor討論了AI即將具備解決人類未能解決的複雜問題的能力，以及這種能力可能帶來的深遠影響。他的見解揭示了AI如何可能加速科學研究和發現的步伐。
當被問及我們何時能開始看到AI解決人類未能解決的問題時，Brett回應道："我希望很快。我的意思是，我希望——有許多模型引入了非常長的上下文窗口，周末在X上有很多人把他們的論文，你知道，研究生論文放進去。它實際上以驚人的保真度批評它們。我認為我們某種程度上已經到了，可能有了合適的工具，但當然在未來幾年內。"
Brett特別強調了那些主要通過文本和數字技術表示的科學領域的潛力："在科學領域，主要通過文本和數字技術表示，如數學可能是最適用的領域，沒有什麼能阻止AI在數學方面變得非常優秀。它沒有與現實世界的接口。你不需要進行臨床試驗來驗證某些東西是否正確。"
他對理論物理學等領域表達了樂觀："在理論物理學等領域會很有趣。你還會繼續有應用與理論人員之間的分歧，但我認為那裡可能會有真正有趣的新想法，也許是找出一些流行理論中的邏輯不一致性，這在過去幾十年中已經發生過多次。"
Brett指出科學家們對這些技術的熱情接受："大多數科學家，我知道那些實際上在做科學的人，他們對這些技術最興奮，而我，他們已經在使用它們了。我認為這很棒。我認為我們希望看到科學上更多的突破。"
他提到了近幾十年來科學突破減緩的問題："作為一個業餘愛好者，我讀了很多關於過去幾十年科學突破減緩的文章，以及一些理論認為這是因為我們對研究生等要求的專業化程度太高（我理解是在一個領域學得太深，缺乏橫向視野）。"
Brett提出了一個有趣的觀點，即AI可能會通過使專業知識普惠化而受益"深度通才"："我有一個完全個人的理論，認為它在很多方面也會使深度通才受益，因為你能夠理解相當多的領域，並利用AI，知道在哪裡提示AI去探索，並將這些領域結合起來，它將開始將智力力量從極其深入的人轉移到實際上能夠在許多不同領域之間協調智能以實現突破的人。"
他補充道："我認為這對社會將非常有益，因為大多數科學突破不是（單一學科）...它們往往是從許多不同領域交叉共享非常重要的想法，我認為這將非常令人興奮。"
Brett還討論了AI中上下文窗口的重要性，這影響了它處理和分析大量資訊的能力："我認為它可能相當重要，特別是它肯定簡化了與AI的合作。你可以直接給它一切，並指示它去做某事。假設它能工作...我認為它可以真正簡化AI的接口。"
十一、Google地圖的誕生：周末編碼與系統重構的傳奇
Brett Taylor還分享了Google地圖誕生的內幕故事，以及他如何在一個周末重寫了整個系統的傳奇經歷。這個故事不僅展示了他的技術能力，也揭示了軟體開發中疊代和改進的重要性。
"我們在Google推出了一個叫做Google Local的產品，這基本上是一個黃頁搜尋引擎。可能大多數聽眾甚至不知道黃頁是什麼，但那時候是一種東西，"Brett開始講述道。"我們從當時主導的地圖提供商MapQuest那裡許可了地圖。它在體驗中有點礙眼，而且總是覺得它可以成為Google本地搜索和導航體驗中更有意義的一部分。"
Brett解釋了他們如何找到了一家名為Waresuit Technologies的小公司，由Lars和Jens Rasmussen創立："他們開發了一個名為Expedition的Windows應用程序，這是一個非常漂亮的地圖產品。它運行在Windows上，在已經不太流行開發Windows應用的時期，但這是他們熟悉的技術。他們的地圖模仿了英國的A到Z地圖，而且非常漂亮。他們對地圖有很多熱情。"
當Google收購了這家公司後，他們將Google Local團隊與Lars和Jens的團隊結合起來："讓我們把這個Windows應用中的好想法和Google Local中的好想法結合起來，創造一些全新的東西。這就是後來成為Google地圖的東西。"
Brett指出了這次整合中的幾個特點："因為它是一個Windows應用，它在很多方面幫助和阻礙了我們。幫助我們的一個方面是Google地圖之所以能讓你拖動地圖，它比之前的任何網路應用都更具交互性，是因為我們需要達到的交互性標準是由原生Windows應用設定的，而不是由我們使用過的傳統網站設定的。我認為通過將目標線設得如此遠...我們做出了比我們原本可能做出的更大膽的技術賭注。"
然而，Brett解釋了這種轉變中的挑戰："Windows應用中有很多...很難描述早期2000年代如果人們沒有經歷過...但XML當時非常流行...所以同樣地，當我們採用這些想法並將它們放入網路瀏覽器時，我們有點進入了自動駕駛模式，使用了大量的XML。這使得一切變得非常非常繁瑣。"
隨著時間的推移，Google地圖面臨了問題："它真的開始顯示出它的問題。我們到了想要支持Safari網路瀏覽器的地步，當時它相對較新。這是在移動電話之前。Safari中的XML支持遠不如Internet Explorer和Firefox。所以工程師之一在JavaScript中實現了一個完整的XSLT轉換引擎來使它工作。而且它就像是狗屎堆砌在狗屎上。原本優雅、快速的網路應用很快變成了某種...有很多撥號調製解調器和其他東西。所以你會打開Maps，它只是很慢，而且作為一個對自己的工藝有很大自豪感的人，這真的困擾了我。"
這導致了Brett採取行動："所以我變得非常有動力，在一個周末和大量咖啡的幫助下，重寫了它。重寫了整個東西。可能還需要一周的時間來處理錯誤。但是，是的，我在那個周末之後把它發送給了團隊。"
Brett解釋了他能夠這樣做的原因："我是一個不錯的程序員，但你也經歷了到那一點為止的每一個糟糕決定。我確切地知道我想要的輸出。我在腦海中模擬過，如果我能重新來過，這就是我會做的方式。到了周五晚上我動手的時候，我不是在設計一個產品。我知道我從一開始就參與了那個產品的每一個細節，包括那些糟糕的決定。"
這次重寫的影響是顯著的："我們從200K的包大小減少到20K的包大小，而且它快了很多，更好了。所以總的來說，我認為好的工程文化是，你不想要一種準備、開火、瞄準的文化，但我也認為你需要真正以結果為導向。我認為如果人們變得...他們開始將他們的代碼視為太珍貴，它真的可以阻礙前進。"
Brett將這種經驗與當前的AI時代相比較："我剛剛聽說很多早期的自動駕駛汽車軟體是大量手工編碼的啟發式和規則，很多聰明人認為，最終它可能會是一個更單一的模型，編碼了許多相同的規則。在這種轉變中，你必須拋棄很多代碼，但這並不意味著這不是正確的做法。"
十二、AI agents的定義與應用：自主決策的新時代
在訪談的最後部分，Brett Taylor深入探討了AI agents的概念、他們的應用以及他如何在Sierra公司領導這個新興領域。他的見解展示了AI agents如何正在改變品牌與客戶的交互方式。
"我將更廣泛地定義它，然後告訴你我們在Sierra如何看待它，這是一個更狹窄的視角，"Brett開始解釋道。"agents這個詞來源於agency（agents能力），我認為它意味著賦予軟體推理和自主決策的能力。這就是我認為它對我的意義。"
Brett確定了三個主要的AI agents類別。
首先是個人agents："我確實認為大多數人將擁有可能一個，但可能幾個他們每天使用的AI agents，這些agents基本上是放大他們作為個人的能力。你可以完成例行任務，如幫助你篩選電子郵件，到幫助你安排假期...到更複雜的事情，如'我要去向老闆要求晉升，幫我角色扮演'。"
他指出這些個人agents的挑戰："它可能是一個真正難以構建的產品，因為當你想到你每天與之交互的所有不同服務和人，它幾乎是一切。所以它不是...它必須在很多方面實現泛化才能對你有用。而且由於個人隱私等問題，它必須非常好用，你才能信任它。所以我認為它會需要一段時間才能實現。"
第二類是在公司內部填補特定角色的agents："編碼agents，律師助理agents，分析師agents。我認為這些已經存在。我提到了Cursor，有一家叫Harvey的公司製作法律agents。我確信分析領域也有很多...這些agents完成一項工作，它們範圍更窄，但它們在商業上真的很有價值，因為大多數公司僱傭的人或顧問已經在做這些事情。"
Brett強調了這些垂直agents的商業潛力："這是經濟中我認為真正令人興奮的領域，我對這個領域的所有初創公司都非常興奮，因為你基本上把過去是人和軟體的組合變成了真正解決問題的東西。通過縮小自主性的領域，你可以擁有更強健的防護措施，即使是當前的模型，實際上也能夠實現足夠有效的東西，在今天就具有商業可行性。"
最後，Brett詳細介紹了Sierra專注的領域：公司品牌的客戶面向agents："一個公司的品牌客戶面向agents。有人可能會說我們在某種程度上幫助客戶服務，這是一個角色，但我確實認為它比那更廣泛，因為如果你想想一個網站，比如你的保險公司的網站...嘗試列出你可以在上面做的所有事情。你可以查看股票報價，你可以查看管理團隊，你可以將他們的保險公司與所有競爭對手進行比較，你可以提交索賠，你可以捆綁你的家庭和汽車保險...30年來，公司的網站已經成為你可以與該公司互動的所有事情的總和。"
Brett解釋了Sierra如何幫助公司構建能夠處理所有這些交互的會話式AI："這就是我們在Sierra幫助客戶做的事情，幫助他們構建能夠做到所有這一切的會話式AI。所以，你知道，我們的大多數客戶從客戶服務開始，這是一個很好的應用，因為沒有人喜歡等待接聽電話，而擁有一個能夠完美獲取資訊、多語言且富有同理心的人是非常棒的。"
Brett指出，當開發面向客戶的AI agents時，健壯性和安全性變得尤為重要："如果ChatGPT對你的品牌產生了幻覺，這是一回事。如果你的AI agents對你的品牌產生幻覺，那是另一回事...所以門檻只是更高。因此，這些agents的健壯性、防護措施，一切都更加重要，當它是你的，並且帶有你的品牌標識。"
他分享了Sierra平台的獨特優勢："使用Sierra，你可以定義你的客戶體驗一次，以一種從所有技術中抽象出來的方式。它可以是聊天，它可以在電話上打給你，它可以是所有這些東西。隨著新模型和新技術的出現，我們的平台只會變得更好。但你並沒有重新實現你的客戶體驗。我認為這很重要，因為我們正在談論的是過去兩年發生的事情。"
他總結了Sierra的願景："當你遇到一個品牌agents時，我們希望Sierra成為支持它的平台。這非常重要，因為...有一個案例，至少在加拿大，Air Canada的AI agents對喪親政策產生了幻覺。對吧，但他們被認為必須遵守agents所說的話。"
十三、防止公司陷入自滿：保持創新與客戶連接
Brett Taylor深入探討了一個關鍵問題：為什麼成功公司往往會陷入自滿，以及如何防止這種情況發生。他的見解來自於親身經歷科技巨頭興衰的獨特視角，為保持公司活力與創新提供了寶貴的建議。
Brett分享了一個啟發性的故事，講述了當Google從單一建築搬入矽圖形公司的舊園區，以及後來Facebook搬入Sun Microsystems的前園區時的感受："這對我來說是非常有趣的，因為SGI和Sun都是在我的一生中創立並崛起到顯赫地位的...足以建造整個公司園區，然後迅速衰落到將公司園區賣給新的軟體公司。對我來說，這只是非常有趣，兩次經歷過這種情況，搬入前所有者使用過的園區。"
這種經歷讓Brett深刻認識到："這是一個非常鮮明的提醒，科技公司並不理所當然地擁有未來的成功。我認為我們現在會看到這種情況發生在AI上。AI，我認為，將改變軟體的格局，從生產力工具到實際完成任務的agents。我認為它將幫助一些公司，因為這放大了他們現有的價值主張，而它將真正傷害其他公司，因為它基本上會...傳統軟體的基於席位的模型將非常快地衰落，然後真正傷害他們。"
Brett指出了導致公司自滿的兩個主要因素。首先是官僚主義："官僚主義的根源通常是當出現問題時，公司引入一個流程來解決它。在30年的過程中，所有這些流程的疊加總和...最終成為一個官僚機器，組織甚至很少記得許多規則和流程的原因，但它創造了這種自然的慣性。"
第二個因素是內部敘事變得比客戶的真相更強大："隨著公司規模的增長，往往其內部敘事可能比來自客戶的真相更強大。我記得有一次...智慧型手機大戰的頂峰，我最終拜訪了微軟園區的一個朋友...突然間，我看到的每個人都在使用Windows手機。而從我當時的角度來看，戰爭已經輸了...這顯然是蘋果和谷歌之間的兩匹馬之爭，在iOS和安卓之間。"
Brett描述了他在微軟看到的現實扭曲："我坐在大廳里等我的朋友...我對一位在微軟工作的人發表了評論：'你們是否被要求使用Windows手機？'...我得到了一個非常大膽的回答：'是的，我們會贏。我們正在接管智慧型手機市場。'而我只是...我什麼也沒說，因為這有點社交尷尬，我說：'不，你不會。你四年前就輸了。'有一些事情正在發生，阻止你了解現實。"
這揭示了大公司內部可能存在的思維模式："如果你在小公司工作，你關心你的客戶和競爭對手，你感受到每一個顛簸。當你是一名初級副總裁，比CEO低八個級別，你有一系列目標和結果...你可能專注於'我想從初級副總裁升到高級副總裁。'這就是對我來說成功的樣子。你最終會有這種對這個內部世界的短視（也就是眼中只有公司組織內的小宇宙）。"
Brett強調了保持客戶連接的重要性："我認為對於任何持久的文化來說，最重要的事情之一，特別是在像軟體這樣變化如此迅速的行業中，是你的員工與客戶的接近程度，以及你的客戶的直接聲音在多大程度上能夠成為你決策的一部分。"
他認為，減少官僚主義需要自上而下的領導："我認為真正需要自上而下的領導來消除官僚主義。當公司消除控制跨度或所有受影響的人員時，這並不總是舒適的...幾乎必須來自高層，因為你需要提供保護。幾乎肯定會出現一些問題，順便說一下。我的意思是，流程通常存在是有原因的。但當它們無限積累時，你最終會得到官僚主義。"
Brett總結道："當你進入一個真正官僚的公司時，你可以聞到它.的味道..講故事很浮誇，過程勝於結果。它會吸走你的能量，你能感覺到這種氛圍。"
十四、總結一下AI轉型的三個走向
最後小小總結一下，如果這一萬多字太長，大家就主要記一下他提到的三大AI轉變力量就好了：
首先，軟體工程正經歷一場根本性變革。Brett強調我們正從"代碼作者"向"代碼生成機器操作者"轉變，這不僅會改變工程師的日常工作方式，還會重新定義整個軟體開發周期。這不是簡單的效率提升，而是對我們如何構思、創建和驗證軟體的完全重新構想。值得注意的是，Brett認為當前的編碼工具還只是"局部最大值"，真正的突破將來自於針對AI時代專門設計的新型編程系統。
其次，AI agents將重新定義品牌與客戶的互動方式。Brett通過Sierra的工作揭示了一個關鍵轉變：從企業定義有限互動選項的模式，轉向客戶可以用自然語言表達任何需求的模式。這種轉變不僅僅是界面上的變化，而是將主導權從公司轉移到了消費者手中。對企業來說，這意味著不僅需要適應新技術，還需要重新思考整個客戶服務和品牌互動的基礎架構。
最後，AI將普惠化對專業知識的獲取，從教育到研究再到創新。AI不僅將使專業人士更高效，還將使"深度通才"崛起，這些能夠跨領域整合知識的人可能會推動下一波重大突破。這可能會緩解近幾十年來科學進步放緩的趨勢，為那些能夠指導AI探索交叉學科領域的人創造新的優勢。我覺得這一點最可怕的是，原來需要一組人幹的事情，未來可能一個人+AI就可以了。不然，現在也不會特別流行「一人企業」的概念。
