Amodei以光伏行業(yè)為例，認(rèn)為即使一個(gè)技術(shù)在市場(chǎng)上變得非常重要并廣泛應(yīng)用，它可能仍然很難為單個(gè)公司帶來高額利潤(rùn)，高度商業(yè)化會(huì)限制公司的盈利能力。和光伏行業(yè)相似的是，AI技術(shù)的市場(chǎng)規(guī)?？赡芤卜浅｝嫶?，但是從中獲利的難度可能也很高，不同參與者之間的利潤(rùn)分配問題也十分復(fù)雜。
硬·AI
作者 | 黃雯雯
編輯 | 硬 AI
本周， “AI獨(dú)角獸”Anthropic首席執(zhí)行官兼聯(lián)合創(chuàng)始人Dario Amodei參與了訪談，對(duì)AI行業(yè)的發(fā)展、Scaling Law（規(guī)模定律）等進(jìn)行了探討。
Scaling Law（規(guī)模定律）主要指的是隨著數(shù)據(jù)和計(jì)算能力的增加，模型的能力也會(huì)增強(qiáng)。Amodei認(rèn)為如果這一規(guī)律繼續(xù)成立，那么AI將有可能變得非常強(qiáng)大，帶來新的商業(yè)模式和技術(shù)創(chuàng)新。
然而，他也強(qiáng)調(diào)稱這一定律并非永遠(yuǎn)適用，如果在某些方面模型的性能無法進(jìn)一步提升，整個(gè)AI行業(yè)可能都會(huì)受到影響。
Amodei還重點(diǎn)將AI行業(yè)與光伏行業(yè)進(jìn)行了對(duì)比。他用光伏行業(yè)的例子來說明，即使一個(gè)技術(shù)在市場(chǎng)上變得非常重要并廣泛應(yīng)用，它可能仍然很難為單個(gè)公司帶來高額利潤(rùn)。
雖然光伏技術(shù)幾乎撼動(dòng)了整個(gè)能源產(chǎn)業(yè)，但其市場(chǎng)高度商品化，競(jìng)爭(zhēng)激烈，缺乏顯著的品牌效應(yīng)，因此各公司的盈利能力都受到一定限制。
和光伏行業(yè)相似的是，AI技術(shù)的市場(chǎng)規(guī)模可能也非常龐大，但是從中獲利的難度可能也很高。AI的盈利模式可能會(huì)受到多個(gè)因素的影響，如模型的計(jì)算成本、推理成本等，硬件提供商、模型開發(fā)者和應(yīng)用層之間的利潤(rùn)分配也相當(dāng)復(fù)雜，面臨不小的挑戰(zhàn)。
談話要點(diǎn)如下：
1.要將Scaling Law（規(guī)模定律）與商業(yè)問題完全分開討論是有些困難的。
2.在市場(chǎng)如此龐大的情況下，我的初步回答是，收益會(huì)流向所有這些地方。
3.如果Scaling Law（規(guī)模定律）是正確的，那么這將是一個(gè)非常巨大的市場(chǎng)。即使只有10%的利潤(rùn)流向供應(yīng)鏈的某個(gè)部分，它仍然是非常巨大的。
4.如果我們?cè)跇?gòu)建擁有百億或千億參數(shù)的模型，可能不會(huì)有超過四五個(gè)實(shí)體（也許還有一些國(guó)有企業(yè)）參與其中。所以我們看到的可能是更像寡頭壟斷而不是完全壟斷或完全商品化。
5.即使發(fā)布了這樣的模型，這種大模型在推理上的運(yùn)行成本非常高，大部分成本在推理而不是模型訓(xùn)練上。如果你有更好的推理方法，即使只有10%、20%或30%的改進(jìn)，也能產(chǎn)生很大的影響。
6.我們有更大、更強(qiáng)大的模型和更快、更便宜、更不智能的模型，一些客戶發(fā)現(xiàn)大型模型可以分配任務(wù)給大量小型模型，然后匯報(bào)給大型模型，像蜂群一樣完成任務(wù)。
7.沒有人應(yīng)該相信Scaling Law（規(guī)模定律）會(huì)永遠(yuǎn)繼續(xù)，這只是一個(gè)經(jīng)驗(yàn)觀察，可能隨時(shí)停止。我觀察了十年，我猜它們不會(huì)停止的依據(jù)只是基于觀察時(shí)間的長(zhǎng)短，這只是一個(gè)60-40或70-30的命題。
8.如果我們能夠正確使用AI，它可以將我們發(fā)明這些發(fā)現(xiàn)的速度提高10倍，也許100倍。
訪談全文如下，部分內(nèi)容有刪減：
01
Google沒能成為人工智能時(shí)代的貝爾實(shí)驗(yàn)室
Noah Smith：
在這個(gè)經(jīng)濟(jì)學(xué)播客中，我們更喜歡談?wù)摻?jīng)濟(jì)學(xué)方面的內(nèi)容，而不是純技術(shù)方面的內(nèi)容。那么，Google是人工智能時(shí)代的貝爾實(shí)驗(yàn)室嗎？
他們做出了現(xiàn)代深度學(xué)習(xí)和Transformers等的研究，但他們并沒有真正成功地商業(yè)化，就像貝爾實(shí)驗(yàn)室一樣。他們用壟斷資金資助了這些研究，然后你這樣有趣的人在那里工作，之后離開創(chuàng)辦公司，就像貝爾實(shí)驗(yàn)室的Fairchild公司的人一樣。你覺得這是一個(gè)恰當(dāng)?shù)谋扔鲉幔?/p>
Dario Amodei:
雖然沒有什么是完美的類比，但我肯定認(rèn)為這其中有一些道理。很多人將其視為學(xué)術(shù)生涯的延續(xù)，這與貝爾實(shí)驗(yàn)室的工業(yè)環(huán)境非常相似，只是谷歌擁有更多的資源來實(shí)現(xiàn)目標(biāo)。因此，人們?cè)谘芯吭S多項(xiàng)目。Transformer是推動(dòng)這一領(lǐng)域的關(guān)鍵發(fā)明之一，這只是大約一百個(gè)正在研究的項(xiàng)目之一。
如果你在組織的高層，你將無法合理區(qū)分它和其他99個(gè)正在研發(fā)的項(xiàng)目。這就像百花齊放，彼此競(jìng)爭(zhēng)。我想就是在那個(gè)時(shí)候，我首次提出了Scaling Law（規(guī)模定律），我們需要將這些創(chuàng)新大規(guī)模擴(kuò)展并整合起來。
理論上，谷歌是最適合這樣做的地方，他們擁有世界上最大的集群，擁有大量有才華的工程師，具備所有的必要元素。然而，谷歌的組織架構(gòu)是為了搜索服務(wù)，我不認(rèn)為它必然是為了將所有這些部分結(jié)合起來并大規(guī)模擴(kuò)展出一些與之前業(yè)務(wù)完全不同的東西。
Noah Smith：
就像貝爾實(shí)驗(yàn)室不是為了發(fā)明計(jì)算機(jī)并讓每個(gè)人都有一臺(tái)計(jì)算機(jī)而設(shè)立的，它是為了接線每個(gè)人。
Dario Amodei：
沒錯(cuò)，它是一家電話公司。所以，我不能代表谷歌發(fā)言，但顯然現(xiàn)在他們除了發(fā)明所有這些驚人的東西之外，他們也是擁有前沿模型的四大公司之一，既是我們的合作伙伴，也是我們的競(jìng)爭(zhēng)對(duì)手。我認(rèn)識(shí)那里的很多人，他們非常聰明。
但我認(rèn)為你是對(duì)的，有一段時(shí)間如果他們能夠以正確的方式將這些元素結(jié)合起來，他們可能會(huì)成為唯一的主導(dǎo)者。但無論出于什么原因，事情沒有朝那個(gè)方向發(fā)展。
02
Scaling Law（規(guī)模定律）：
隨著數(shù)據(jù)規(guī)模增大，模型的能力越強(qiáng)
Noah Smith：
這引出了我們正在思考的另一個(gè)問題。實(shí)際上，我們與您對(duì)話的想法來自于我們?cè)诹硪粋€(gè)播客中討論的內(nèi)容，當(dāng)時(shí)我們主要在談?wù)摶ヂ?lián)網(wǎng)業(yè)務(wù)的經(jīng)濟(jì)學(xué)，然后有人提出了一些對(duì)AI業(yè)務(wù)的悲觀看法，質(zhì)疑AI公司到底有多少經(jīng)濟(jì)護(hù)城河（Economic moats）。
顯然，這與Anthropic公司和其他我們稱為初創(chuàng)公司的公司密切相關(guān)，但它們已經(jīng)相當(dāng)大了。所以，請(qǐng)告訴我們您對(duì)AI公司經(jīng)濟(jì)護(hù)城河的看法。
Dario Amodei：
我會(huì)說我要把這個(gè)問題稍微分成兩個(gè)分支。我認(rèn)為，要將Scaling Law（規(guī)模定律）與商業(yè)問題完全分開討論是有些困難的。所以，我們來考慮一下在某種非常強(qiáng)的形式下Scaling Law（規(guī)模定律）成立的情況，然后再考慮它可能部分成立或完全不成立的情形。如果在非常強(qiáng)的形式下成立，情況是這樣的：
現(xiàn)在你訓(xùn)練了一個(gè)擁有一億參數(shù)的模型，它的能力相當(dāng)于一個(gè)優(yōu)秀的大學(xué)一年級(jí)生；
接著你訓(xùn)練了一個(gè)擁有十億參數(shù)的模型，它的能力相當(dāng)于一個(gè)優(yōu)秀的本科生；
你訓(xùn)練了一個(gè)擁有百億參數(shù)的模型，它的能力相當(dāng)于一個(gè)頂尖的研究生；
當(dāng)你訓(xùn)練到一個(gè)擁有千億參數(shù)的模型時(shí)，它的能力相當(dāng)于一個(gè)諾貝爾獎(jiǎng)得主。
然后你就把這個(gè)模型投入使用，基本上為每個(gè)人服務(wù)，它會(huì)成為你的同事，成為你的個(gè)人助理，幫助國(guó)家安全，幫助生物學(xué)研究。
我認(rèn)為在那樣的世界里，這個(gè)系統(tǒng)和基于該系統(tǒng)的產(chǎn)品將在經(jīng)濟(jì)中占據(jù)很大份額。仍然存在一個(gè)問題，那就是收益會(huì)流向哪里？是流向英偉達(dá)一方，還是流向人工智能公司，抑或是流向下游應(yīng)用？在市場(chǎng)如此龐大的情況下，我的初步回答是，收益會(huì)流向所有這些地方。
03
AI的未來將類似光伏行業(yè)
Noah Smith：
但想想太陽能，太陽能顯然會(huì)變得非常重要。我們需要的能源越多，太陽能的應(yīng)用就會(huì)越廣泛。然而，很難說出哪家太陽能公司賺了很多利潤(rùn)。太陽能是一種非常商品化的產(chǎn)品，盡管其中有很多創(chuàng)新，但沒有品牌效應(yīng)，沒有網(wǎng)絡(luò)效應(yīng)，也沒有任何鎖定效應(yīng)，任何一家太陽能公司都很難在這件事上賺到利潤(rùn)，而這件事正在我們眼前徹底改變整個(gè)世界。
因此，我不完全確定是否僅僅因?yàn)橐磺卸紩?huì)像現(xiàn)在的太陽能一樣蓬勃發(fā)展，就一定會(huì)導(dǎo)致公司獲得利潤(rùn)。不過，我當(dāng)然也開放這種可能性。我只是想知道，你認(rèn)為來源是什么？為什么人工智能的發(fā)展不同？
Dario Amodei：
太陽能？我認(rèn)為這里有兩點(diǎn)，因?yàn)槲艺J(rèn)為這在大多數(shù)世界中都是一個(gè)重要的問題。也許我只是想說，如果Scaling Law（規(guī)模定律）是正確的，那么這將是一個(gè)非常巨大的市場(chǎng)。即使只有10%的利潤(rùn)流向供應(yīng)鏈的某個(gè)部分，它仍然是非常巨大的。
就像你把“蛋糕”做大了一樣，這成為了最有趣的問題，盡管那些決定如何分配美元鈔票的人肯定會(huì)非常關(guān)心一萬億流向哪里。但讓我們回到你的問題，因?yàn)槲艺J(rèn)為它在全世界都很重要。問題的關(guān)鍵在于你正在分配的“蛋糕”有多大。
首先，在模型方面，這取決于Scaling Law（規(guī)模定律）。如果我們?cè)跇?gòu)建擁有百億或千億參數(shù)的模型，可能不會(huì)有超過四五個(gè)實(shí)體（也許還有一些國(guó)有企業(yè)）參與其中。所以我們看到的可能是更像寡頭壟斷而不是完全壟斷或完全商品化。
我想這有一個(gè)問題是，是否會(huì)有人發(fā)布一個(gè)擁有十億或百億參數(shù)的開源模型？我對(duì)此持懷疑態(tài)度，即使發(fā)布了這樣的模型，這種大模型在推理上的運(yùn)行成本非常高，大部分成本在推理而不是模型訓(xùn)練上。如果你有更好的推理方法，即使只有10%、20%或30%的改進(jìn)，也能產(chǎn)生很大的影響。經(jīng)濟(jì)學(xué)上有點(diǎn)奇怪，這是一個(gè)巨大的固定成本，你必須攤銷，但也有推理的單位成本，在這個(gè)假設(shè)下，部署得足夠廣泛的話，差異會(huì)很大。我不確定這一點(diǎn)會(huì)如何發(fā)展。
Noah Smith：
這實(shí)際上類似于重工業(yè)的經(jīng)濟(jì)學(xué)，比如制造鋼鐵的方式。
Dario Amodei：
是的，有一點(diǎn)。有趣的是，我想說的另一件事是，在這些模型中，我們已經(jīng)開始看到模型具有不同的個(gè)性。因此，商品化是一種可能性，但即使在寡頭壟斷中，某些模型的部署方式也可能會(huì)被商品化，盡管我不確定。
但一種反對(duì)這種觀點(diǎn)的力量是：嘿，我做了一個(gè)擅長(zhǎng)編程的模型，你做了一個(gè)擅長(zhǎng)創(chuàng)意寫作的模型，第三個(gè)人做了一個(gè)擅長(zhǎng)娛樂的模型。這些是選擇，一旦你開始做出這些選擇，你就開始圍繞它們建立基礎(chǔ)設(shè)施，這似乎為某種程度的差異化創(chuàng)造了前提條件。
另一個(gè)可能導(dǎo)致差異化的是基于模型構(gòu)建的產(chǎn)品。理論上你可以將模型層與產(chǎn)品層分開，實(shí)際上它們是相互關(guān)聯(lián)的，跨組織工作可能具有一定挑戰(zhàn)性。因此，雖然在模型方面有一個(gè)共同的邏輯，許多公司都在同一個(gè)方向前進(jìn)，增加多模態(tài)功能，使模型更智能，使推理更快，但產(chǎn)品是如此不同。
如果你看看我們做的這個(gè)“Artifacts”項(xiàng)目，它是一種實(shí)時(shí)可視化模型編寫代碼的方式。我們這樣做，OpenAI有他們自己的做法，Google也有他們的做法。我認(rèn)為這也是公司之間差異化的來源之一。
我們已經(jīng)發(fā)現(xiàn)，基于模型銷售應(yīng)用程序的經(jīng)濟(jì)學(xué)，即使是相對(duì)較薄的應(yīng)用程序，也在變得越來越厚。
Erik Torenberg：
如果Scaling Law（規(guī)模定律）成立，事情變得像我們認(rèn)為的那樣大，你是否預(yù)計(jì)這些公司會(huì)在某個(gè)時(shí)候被國(guó)有化？或者你怎么認(rèn)為？
Dario Amodei：
我們可以分成兩種情況：一種是Scaling Law（規(guī)模定律）是正確的，另一種是Scaling Law（規(guī)模定律）是錯(cuò)誤的。如果它是錯(cuò)誤的，那么這只是一項(xiàng)技術(shù)，像互聯(lián)網(wǎng)或太陽能一樣，可能比大多數(shù)技術(shù)都重要，但不是前所未有的。基于目前的發(fā)展情況，我不認(rèn)為它會(huì)被國(guó)有化。
如果它是正確的，我們正在構(gòu)建的模型像諾貝爾獎(jiǎng)得主那樣優(yōu)秀的生物學(xué)家和頂級(jí)的行業(yè)編碼人員甚至更好。我不確定是否會(huì)真的國(guó)有化，我們會(huì)非常關(guān)心對(duì)手是否能夠跟上我們，或者我們是否能夠像對(duì)手一樣快地部署它們。
04
Scaling Law（規(guī)模定律）
影響AI創(chuàng)造新的商業(yè)模式
Noah Smith：
我有一個(gè)關(guān)于人工智能對(duì)商業(yè)模式影響的問題。你知道電力的故事，基本上一開始當(dāng)他們得到電力時(shí)，制造商試圖拆除他們的蒸汽發(fā)電機(jī)，發(fā)電機(jī)有損耗。而后來有人發(fā)現(xiàn)可以并行運(yùn)行電力到多個(gè)工作站，這改變了制造業(yè)的工作方式，而不是一個(gè)大裝配線轉(zhuǎn)變?yōu)槎鄠€(gè)小工作站進(jìn)行工作，這在幾十年里帶來了巨大的生產(chǎn)力提升。
我一直懷疑AI是類似的。我認(rèn)為互聯(lián)網(wǎng)也類似，AI相似之處在于，起初每個(gè)人似乎都在想AI是一個(gè)人。有人實(shí)際上把AI的數(shù)量與人類員工的數(shù)量進(jìn)行比較，這對(duì)我來說沒有意義，因?yàn)樗荒芊指畛蓚€(gè)體。
你可以做一個(gè)基于代理的系統(tǒng)來模仿這種方式，但為什么呢？我看到每個(gè)人都在考慮AI直接替代人類，而我的論點(diǎn)是這是第一階段，就像電力直接替代蒸汽鍋爐不是個(gè)好主意一樣。我認(rèn)為人們會(huì)有點(diǎn)失望，因?yàn)橹挥猩贁?shù)情況下這種直接替代人類的方式有效，比如客戶服務(wù)和一些其他定義明確的事情。
但我認(rèn)為只有少數(shù)情況下這種直接替代人類的方式有效，然后我們會(huì)經(jīng)歷Gartner炒作周期的破滅。
一些創(chuàng)造性的企業(yè)家會(huì)說，我們不只是用人工智能作為人類替代，而是用它來創(chuàng)造新的商業(yè)模式。然后我們會(huì)看到一個(gè)復(fù)興的繁榮期，這是我的預(yù)測(cè)。我的Gartner式預(yù)測(cè)，我瘋了嗎？
Dario Amodei：
所以我認(rèn)為這是我同意的一些事情和我可能不同意的一些事情的混合。首先，我基本同意，如果你凍結(jié)當(dāng)前模型的質(zhì)量，你所說的都是正確的。我們?cè)谏虡I(yè)活動(dòng)中基本上觀察到類似的事情。我們提供可以與之對(duì)話的模型，但也通過API向許多客戶出售模型。人們花了很長(zhǎng)時(shí)間來弄清楚如何最好地使用模型。
關(guān)于模型可靠性的問題很多，我認(rèn)為這是一些擔(dān)憂的原因，比如一個(gè)模型95%的時(shí)間給出正確答案，但5%時(shí)間內(nèi)沒有給出正確答案，這如何檢測(cè)這些情況以及如何處理錯(cuò)誤處理非常重要。這與理論上有用和實(shí)際上有用是非常不同的。
我們?cè)缙谟幸粋€(gè)功能可以讓模型寫一些代碼，然后你可以將代碼粘貼到編譯器或解釋器中來制作JavaScript視頻游戲，出現(xiàn)問題時(shí)你可以回到模型并進(jìn)行修正。我們也看到大型模型協(xié)調(diào)小型模型，這與將模型看作一個(gè)人的想法非常不同。
我們有更大、更強(qiáng)大的模型和更快、更便宜、更不智能的模型，一些客戶發(fā)現(xiàn)大型模型可以分配任務(wù)給大量小型模型，然后匯報(bào)給大型模型，像蜂群一樣完成任務(wù)。
我們還在探索使用模型的最佳方式，模型變得越來越智能，解決這些問題的能力也越來越強(qiáng)。所以這最終回到了Scaling Law（規(guī)模定律）是否會(huì)繼續(xù)。如果它們繼續(xù)，這將是一個(gè)你描述的過程。如果它們停止，創(chuàng)新也會(huì)停止，你描述的過程會(huì)結(jié)束。
沒有人應(yīng)該相信Scaling Law（規(guī)模定律）會(huì)永遠(yuǎn)繼續(xù)，這只是一個(gè)經(jīng)驗(yàn)觀察，可能隨時(shí)停止。我觀察了十年，我猜它們不會(huì)停止的依據(jù)只是基于觀察時(shí)間的長(zhǎng)短，這只是一個(gè)60-40或70-30的命題。
Erik Torenberg:
什么會(huì)改變你的看法？什么會(huì)改變你在那里的勝算？
Dario Amodei：
我認(rèn)為，首先，如果我們只是訓(xùn)練一個(gè)模型，然后嘗試下一個(gè)規(guī)模的模型，但效果非常糟糕。我們嘗試了幾次解決問題，但仍然沒有成功，我會(huì)覺得，哦，我猜這個(gè)趨勢(shì)正在停止。
如果在數(shù)據(jù)用盡方面出現(xiàn)問題，我們無法生成足夠的合成數(shù)據(jù)來繼續(xù)這個(gè)過程，那在某個(gè)時(shí)刻我會(huì)說，嘿，這實(shí)際上看起來很難，至少這個(gè)趨勢(shì)會(huì)暫停，可能會(huì)停，但可能不會(huì)停。我仍然猜測(cè)這些事情不會(huì)發(fā)生，但你知道，這是一個(gè)非常復(fù)雜的問題。
05
AI可將生物學(xué)的發(fā)現(xiàn)速度提高100倍
壓縮世紀(jì)進(jìn)步時(shí)間
Noah Smith：
如果AI資源的瓶頸更多在于計(jì)算能力而不是能源，那么我們?cè)诶肁I方面會(huì)有更多的比較優(yōu)勢(shì),你基本同意這個(gè)觀點(diǎn)嗎？
Dario Amodei：
是的，我認(rèn)為這有道理。你的意思是，使用一個(gè)有點(diǎn)荒謬的比喻，如果AI像賽博人那樣，制造和培育它們的過程非常類似于人類，那么我們就麻煩了。但如果它只是某個(gè)地方的服務(wù)器集群，輸入完全不同，那么我們就沒問題。
我還沒有深入思考過這個(gè)問題，但乍一聽似乎很有道理。如果我們處在一個(gè)AI重塑世界的情況下，經(jīng)濟(jì)結(jié)構(gòu)已經(jīng)發(fā)生了變化，那么我們可能在討論一些不同的東西。但是，如果經(jīng)濟(jì)學(xué)的常規(guī)規(guī)則仍然適用，我認(rèn)為它們?cè)谝欢螘r(shí)間內(nèi)會(huì)適用，那么這聽起來非常合理。
Noah Smith：
但我的另一個(gè)問題是，是否有必要考慮一個(gè)極端豐富的世界？AI如此強(qiáng)大，以至于它為我們提供了驚人的生物學(xué)和制造業(yè)，讓我們想要的一切都變得好十倍、百倍等等。
Dario Amodei：
我認(rèn)為我們真的低估了人工智能在生物學(xué)中的潛力。十年前，當(dāng)我在這個(gè)領(lǐng)域時(shí)，態(tài)度是，我們從生物學(xué)中獲得的數(shù)據(jù)質(zhì)量存疑，我們能獲得的數(shù)據(jù)量有限，實(shí)驗(yàn)往往受到干擾。當(dāng)然，更多的數(shù)據(jù)分析、大數(shù)據(jù)和人工智能是很好的，但最多也只是輔助角色。也許隨著Alpha Fold的出現(xiàn)，這種情況有所改變。
但我的看法是，AI模型可以充當(dāng)生物學(xué)家或共同生物學(xué)家的角色。如果我們考慮真正高級(jí)的生物學(xué)，就像它真的不成比例地有幾種技術(shù)為一切提供動(dòng)力。例如，基因組測(cè)序，就是讀取基因組的能力，這是現(xiàn)代生物學(xué)的基礎(chǔ)。最近的CRISPR技術(shù)，就是編輯基因組的能力。如果我們能夠正確使用AI，它可以將我們發(fā)明這些發(fā)現(xiàn)的速度提高10倍，也許100倍。
以CRISPR為例，它的組裝來自細(xì)菌免疫系統(tǒng)，它花了30年才發(fā)明出來。我認(rèn)為，如果我們能夠大大提高這些發(fā)現(xiàn)的速度，我們也將大大提高治愈疾病的速度。
我的想法是，我們是否可以壓縮21世紀(jì)的進(jìn)展？我們是否可以在21世紀(jì)利用AI加速10倍的情況下取得所有的生物學(xué)進(jìn)展？如果你想到我們?cè)?0世紀(jì)生物學(xué)上取得的所有進(jìn)展，然后將其壓縮到五到十年內(nèi)，對(duì)我來說，這就是好的一面。我認(rèn)為這可能是真的。我們可以治愈困擾我們千年的疾病，這當(dāng)然會(huì)極大地提高生產(chǎn)力，擴(kuò)大經(jīng)濟(jì)蛋糕，延長(zhǎng)人類壽命。
文章鏈接：http://m.bjsbxl.com/news/10034.html
發(fā)表評(píng)論