Comment

Comment by Malacca 皇京港 1 hour ago

但我認為人們也許能夠分佈在數萬億個連接中，雖然還不清楚，類似於人類大腦的運作方式。這就是讓網絡合成這些新圖像的原因。因此，這些圖像有目的地由AI驅動的Midjourney創建充滿碎片的場景，後來我意識到這可以作為談論AI的一種隱喻。所以，數字媒體的歷史，以及人類文明的整個歷史，迫切需要一個關於碎片的理論。一個分類體系將確立存在數十種類似的品類。因此，在這里你也看到了這種美麗的碎片，這種美麗的神經噪音，可以說是在牆上，有時形成書籍，有時形成衣櫃，但它們都是被組合在一起的碎片。當然，其他人曾經考慮過這樣的分類學，這讓我再次回想起18世紀歐洲廢墟美學的例子。這呼應了現代科學對物質元素的追求，比如分子、原子和基本粒子。

19世紀歐洲藝術家開始認真地用可見的文字描繪碎片。印象派畫家將其分解成單獨的彩色筆觸；喬治·修拉（Georges Seurat）和保羅·西涅克（Paul Signac）依賴於機械式的不規則點。後來，在1905-1907年間，有一群稱為分色主義的藝術家，他們使用小方形的畫筆筆觸，這是點彩畫派的新版本。保羅·塞尚（Paul Cézanne）在1878年左右邁出了另一個關鍵的一步。他宣稱所有的形狀都應該用圓柱、球體和圓錐來表示。但矛盾的是，這種看似對現實的固化實際上只是一種新的、更極端的分裂方式。印象派展現了我們感知的片段，而塞尚則是分裂了世界本身。他作品中的桌布，比如《玩紙牌的人》（1892年），不再是一整塊連續的織物。相反，它是一組碎片，是多個方向的平面集合。1907-1932年間，暴力分裂的美學來到了歐洲，莫斯科、柏林、布拉格、華沙、羅茨、巴黎等地的現代主義視覺的中心。我們在各處都能看到：畢加索和布拉克的拼貼畫；讓·梅辛格（Jean Metzinger）、阿爾伯特·格萊茲（Albert Gleizes）、費爾南·萊熱（Fernand Léger）、羅伯特·德勞內（Robert Delaunay）等人的立體主義；娜塔莉亞·岡察洛娃（Natalia Goncharova）、亞歷山大·埃克斯特（Aleksandra Ekster）、柳博夫·波波娃（Lyubov Popova）、馬列維奇等人的立體未來主義；漢娜·霍赫（Hannah Hoch）、莫霍利-納吉（Moholy-Nagy）、羅德琴科的拼貼照片；維爾托夫和艾森斯坦的電影剪輯；瓦爾特·本雅明（Walter Benjamin）未完成的「拱廊街計劃」的文化歷史蒙太奇甚至引發了更多文化分裂理論的解讀。

我認為，時機成熟了，我們正在思考人工智能的理論，也許是我，也許是你，將成為下一代的理論家，不是媒體理論家，不是即時理論家，不是數據理論家，也不是軟件理論家，而是人工智能理論家。我相信在這個房間里有些人可能會提出同樣有趣的網絡分割理論，這構成了生成式媒體的基礎。如果你要實時量化，你需要動手操作，學習計算機科學，親自學習編程網絡，因為理論化媒體的方法之一就是深度的物質主義式的。大多數關於數字文化的人文泛化都毫無意義，因為這些人個人害怕技術；其次，我們意識到自己變得越來越不重要；再者，我們根本不了解這些事物的運作方式。因此，請務實一些，親自動手，深入連接、共進化的世界，構建層層疊加的圖像等，也許我們甚至能夠看到利用深度網絡從其圖像數據庫中提取的所有模式，展示出難以想像分辨率的巨型可視化圖表。

但作為一個一直投身於數字美學的藝術家，我很高興能創造出我在這里向你展示的私人獨特的圖像空間。我喜歡這種繪畫般、生長般的空間質感，以及相似的、複雜的主體，我有得到這些圖像的秘法。但我最感興趣的還是這些空間本身，奇怪的圖書館，到處散落的書籍。我確實指定了我的人群，比如2005年在北京，或2013年在首爾，或1995年在上海等地工作室工作的藝術家，但我也有其他技巧，盡管他們看起來在一個奇怪的空間，這些空間既是文化的空間，也是碎片的空間。

所以，對於這些碎片的結論是，它們呈現的關於人類文化的歷史是一部緩慢遺忘、非常罕見、幾乎永遠不可能記住的歷史。著名的藝術家、作家、評論家和引起關注的人們在我們的記錄中逐漸消失。對於更幸運的少數人來說，他們只能被記住幾件事。例如，當人們遇到我時，會說「哦，你是列夫·曼諾維奇，你寫了《新媒體的語言》。但我同時也寫了幾百篇文章，800次演講，至少有一百多個藝術項目展覽，編輯和出版了15本書。現在我已經只記得用書來回應，而且我不知道能持續多久。一個工作了超過60年的藝術家被縮減為幾張標誌性的圖像。一個終身從事寫作的作家如果幸運的話，也只能被縮減為一本書。所以，我是幸運的。歷史的壓縮是殘酷而沒有餘地的，而現在由生成式人工智能所提供的分解、選擇性重組和合成的機制可能相對沒那麼殘酷。（下續）

Comment by Malacca 皇京港 on Tuesday

當然，如果要使你在深度神經網絡的訓練中被記住，首先得需要它被幸運地數字化，對吧？因此，某物必須被數字化，某物必須被捕捉，某物必須在可以從網絡上獲取，然後也許這個對象、這個人工制品，在計算機科學家下載網頁時會很幸運地被搜集到，被納入到神經網絡中。

我正在一個小鎮里一家過去四年都沒有游客參觀的小博物館里作畫，也許這幅畫很幸運，因為它出現在當地一張周末來訪的高中生情侶的自拍照背景中，但是旁邊的畫卻沒那麼幸運。是的，我們無論如何都會得到碎片，但也許碎片會比以前更多，比之前更為嚴格的人類記憶和更為殘酷的印刷文化所允許的更多。畢竟，Stable Diffusion 已經在超過50億張圖片上進行了訓練，所以也許你的自拍照或者你14歲時畫的那幅畫，在網上某處也存在。

這種更寬容、不那麼二元的遺忘和復活過程可能是人工智能美學中最好的一面。這是歷史的仁慈。最後，我想說另外一件事。前幾天我在社交媒體上發了一條信息，因為現在我可以閱讀那些文章。或者像一些西方藝術家抗議AI在未經授權的情況下所使用他們的作品，等等。我認為總的來說有點矛盾，你可能會喜歡這種東西。如果你的圖片最終出現在用於生成式人工智能訓練的龐大神經網絡的數據集中，那麼你可能會很幸運，因為在這種方式下你將被記住，你成為了這種用於生成式人工智能訓練的碎片簡歷中的一部分。然後，當我們的藝術設計師和我們的文化產業從業者創造出圖像、空間、概念藝術、視頻游戲、建築等等新的像素時，你也間接地進入了其中。我的意思是，因為每個由規范人工智能生成的圖像都不會直接克隆現有的圖像，對吧？它通過數萬億個連接組合事物。實際上，最近一個統計表明，我們看到的由一個生成式人工智能網絡生成的圖像中，直接引用現有圖像的部分只有6%。所以，認為AI直接將人們的圖像串聯起來是荒謬的。也許當你進入這座新博物館的野生展牆時，你應該感到幸運。這個博物館分佈在各個連接領域，並最終為新的機制、新的想像力和新的創造提供了養料。所以，我就在這里停下來，也許你們有一些時間提問和討論。謝謝。

問答環節

Q：在更多的情況下，藝術家其實也是普通人，也會淹沒在新媒體的洪流當中，那麼普通人應該怎麼面對AI的洪流呢？

Manovich：當然，我認為普通人，包括藝術家，都從人工智能中獲益匪淺。請記住，人工智能不僅僅是生成式媒體，它也是一種加快和提高效率的方式。所以，如果你在手機上打字，任何形式的字母識別都是由人工智能實現的。對不起，我舉的例子都是來自於西方軟件，比如谷歌，因為我不住在中國。當然，我知道中國的騰訊，所以如果我提到了西方的東西，請原諒我。只要記住，請用你們對等的東西替換。人工智能在某種程度上正在推動一切，對吧？人工智能也在推動搜索。所以，人工智能的一部分就像是一種加快事物進程的方式。另一個重要的事情實際上是我從英偉達CEO那里聽到的。他說，人工智能的發展要體現在每個人都可以編程。以前，你在學習編程前需要學習代碼，以前是Pascal或 C 或 C++ 或 Python 這樣的特殊語言，但現在你可以通過對計算機說點什麼來編程。對 ChatGPT 或我們的應用程序說點什麼，包括使用谷歌鏡頭，你可以進行開發，中國也有自己的開發版本，所以每個人都成了一個程序員。編程使你能夠控制事物，進行溝通，制定規則，創造即時。

Comment by Malacca 皇京港 on September 27, 2025 at 8:50am

所以，人工智能給社會帶來了巨大的好處。我們也知道，各國對人工智能可能產生一些意想不到的後果感到擔憂，並且在歐洲、美國和中國都在進行監管。看到中國處於領先地位的事實相當令人鼓舞。中國在監管人工智能方面采取了最激進的方式，這是一種好方式，可以相信技術的可能性……

我不確定任何技術是否有好壞之分，如果你想產生好的結果，你也得到壞的結果，但我們應該努力去監管它。我很高興看到中國正在努力做到這一點。但總的來說，我認為技術更多的是作為信息源，它讓人們能夠簡單地找到工作，找到感興趣的渠道，讓人們創造。

我是說，簡單地使用生成式媒體工具的愉悅感，讓很多人得到了在現實生活中得不到的玩耍體驗。所以我認為人們受益匪淺。我認為知識分子們應該開闊眼界，讓他們的理論更接近普通人所做的事情。你知道，中國取得了顯著的系統性進步，也是世界的進步。從1990到2015，全球40%的人口擺脫了極度貧困，並且不再貧困，實際上是因為亞洲，特別是中國的進步，你知道，全世界中產階級從90年代的七億人增加到今天的四五十億人。這一切的發生是因為資本主義和技術。

所以資本主義、技術和人工智能是最進步、最積極的力量。我認為知識分子們應該停止攻擊資本主義，停止攻擊技術，他們應該意識到這是社會進步的動力。當然，資本主義並非只有積極面，它也有負面的一面，但並非一切都是那麼簡單。這就是我給大家的信息，包括會議中的參與者，因為我注意到一些韓國人對資本主義感到不滿，但你們在中國，因為資本主義，你們才能乘飛機，因為資本主義，你們才有互聯網，因為資本主義，你們的餐桌上才有食物。在20世紀，共產主義曾經作出了好的嘗試但遭遇了挫折，但這個嘗試使數以億計的人死去了，也許光中國就有這麼多人死去了。所以人工智能、資本主義是我所追求的，這就是我的信息，我的宣言，讓他們睜開眼睛看現實。我們可以做社會、文化和技術的理論，讓普通人也能理解，而不僅僅是我們之間。謝謝。

講者簡介

Lev Manovich 藝術家、作家，也是全球最有影響力的數字文化理論家之 一。馬諾維奇目前是紐約城市大學研究生中心計算機科學系的校長教授和文化分析實驗室主任。馬諾維奇在四個新研究領域的創建方面發揮了關鍵作用：新媒體研究（1991年-）、軟件研究（2001年-）、文化分析（2007年-）和人工智能美學（2018年-）。

Lev Manovich is an artist, writer, and one of the most influential theorists of digital culture worldwide. Manovich is currently a Presidential Professor of Computer Science at the City University of New York』s Graduate Center and the Director of the Cultural Analytics Lab. Manovich played a key role in creating four new research fields: new media studies (1991-), software studies (2001-), cultural analytics (2007-) and AI aesthetics (2018-).（網絡社會年會）

（原題：一封給年輕藝術家的信，如何在生成式人工智能時代生存；作者／列夫·馬諾維奇[Lev Manovich]；第八屆網絡社會年會; 整理翻譯／袁孟如; 校對／黃孫權；2023-12-28）

Comment by Malacca 皇京港 on August 15, 2025 at 12:30pm

Train PhD students to be  thinkers not just specialists

Many doctoral curricula aim to produce narrowly focused researchers rather than critical thinkers. That can and must change, says Gundula Bosch.

Under pressure to turn out productive lab members quickly, many PhD programmes in the biomedical sciences have shortened their courses, squeezing out opportunities for putting research into its wider context. Consequently, most PhD curricula are unlikely to nurture the big thinkers and creative problem-solvers that society needs.

That means students are taught every detail of a microbe’s life cycle but little about the life scientific. They need to be taught to recognize how errors can occur. Trainees should evaluate case studies derived from flawed real research, or use interdisciplinary detective games to find logical fallacies in the literature. Above all, students must be shown the scientific process as it is — with its limitations and potential pitfalls as well as its fun side, such as serendipitous discoveries and hilarious blunders.

 This is exactly the gap that I am trying to fill at Johns Hopkins University in Baltimore, Maryland, where a new graduate science programme is entering its second year. Microbiologist ArturoCasadevall and I began pushing for reform in early 2015, citing the need to put the philosophy back into the doctorate of philosophy: that is, the ‘Ph’ back into the PhD. We call our programme R3, which means that our students learn to apply rigour to their design and conduct of experiments; view their work through the lens of social responsibility; and to think critically, communicate better, and thus improve reproducibility. Although we are aware of many innovative individual courses developed along these lines, we are striving for more-comprehensive reform.

Our offerings are different from others at the graduate level. We have critical-thinking assignments in which students analyse errors in reasoning in a New York Times opinion piece about ‘big sugar’, and the ethical implications of the arguments made in a New Yorker piece by surgeon Atul Gawande entitled ‘The Mistrust of Science’. Our courses on rigorous research, scientific integrity, logic, and mathematical and programming skills are integrated into students’ laboratory and fieldwork. Those studying the influenza virus, for example, work with real life patient data sets and wrestle with the challenges of applied statistics.

Comment by Malacca 皇京港 on June 29, 2025 at 3:54pm

（Con't）A new curriculum starts by winning allies. Both students and faculty members must see value in moving off the standard track. We used informal interviews and focus groups to identify areas in which students and faculty members saw gaps in their training. Recurring themes included the inability to apply theoretical knowledge in statistical tests in the laboratory, frequent mistakes in choosing an appropriate set of experimental controls, and significant difficulty in explaining work to non-experts.

Introducing our programme to colleagues in the Johns Hopkins life-sciences departments was even more sensitive. I was startled by the oft-expressed opinion that scientific productivity depended more on rote knowledge than on competence in critical thinking. Several principal investigators were uneasy about students committing more time to less conventional forms of education. The best way to gain their support was coffee: we repeatedly met lab heads to understand their concerns.

With the pilot so new, we could not provide data on students’ performance, but we could address faculty members’ scepticism. Some colleagues were apprehensive that students would take fewer courses in specialized content to make room for interdisciplinary courses on ethics, epistemology and quantitative skills. In particular, they worried that the R3 programme could lengthen the time required for students to complete their degree, leave them insufficiently knowledgeable in their subject areas and make them less productive in the lab.

We made the case that better critical thinking and fewer mandatory discipline-specific classes ductive. We convinced several professors to try the new system and participate in structured evaluations on whether R3 courses contributed to students’ performance.

So far, we have built 5 new courses from scratch and have enrolled 85 students from nearly a dozen departments and divisions. The courses cover the anatomy of errors and misconduct in scientific practice and teach students how to dissect the scientific literature. An interdisciplinary discussion series encourages broad and critical thinking about science. Our students learn to consider societal consequences of research advances, such as the ability to genetically alter sperm and eggs.

 Discussions about the bigger-picture problems of the scientific enterprise get students to reflect on the limits of science, and where science’s ability to do something competes with what scientists should do from a moral point of view. In addition, we have seminars and workshops on professional skills, particularly leadership skills through effective communication, teaching and mentoring.

It is still early days for assessment. So far, however, trainees have repeatedly emphasized that gaining a broader perspective has been helpful. In future, we will collect information about the impact that the R3 approach has on graduates’ career choices and achievements.

We believe that researchers who are educated more broadly will do science more thoughtfully, with the result that other scientists, and society at large, will be able to rely on this work for a better, more rational world. Science should strive to be self-improving, not just self-correcting.

（Title: Train PhD students to be thinkers not just specialists；15 February 2018 Nature 554(7692): 277-277 ；DOI:10.1038/d41586-018-01853-1; by Authors: Gundula Bosch, Johns Hopkins Bloomberg School of Public Health）

中文版：訓練博士生成為思考者，而非僅僅是專家

Comment by Malacca 皇京港 on June 3, 2025 at 8:45am

愛墾APP:「權力」、「知識」與「主體」的關係～～福柯（Michel Foucault）與布爾迪厄在處理「權力」、「知識」與「主體」的關係上確實有一些共鳴，但也存在重要差異與批評性張力。

以下從共鳴與分歧／批評兩個角度分析：

一、共鳴：對「無意識的權力運作」的揭示

1.無意識的規訓與再製

福柯在《規訓與懲罰》、《知識考古學》等作品中分析了權力如何透過知識、制度與日常規範內化於主體之中，與布爾迪厄的「習性」（habitus）概念類似。

他們都認為：權力並非來自中心命令，而是滲於社會的微觀層面之中，無需人們意識到就能發揮效力。例如：布爾迪厄：社會結構透過習性在不知不覺中再生。福柯：紀律社會中，個體在不自知的情況下自我監（「全景監獄」Panopticon）。

2.知識與權力的糾纏

對於民族誌學者／社會學家對「社會不知道自己是什麼」的揭示，福柯可能會有共鳴，因為他自己也在揭露「知識建構了我們的真理、主體性與現實感」。雙方都關心「知識的政治性」，即：「誰有資格說話？誰能說出真理？知識如何成為權力的工具？」

二、批評與張力：方法與理論視角的不同

1.布爾迪厄相信結構背後的「真實機制」，福柯質疑這種預設

布爾迪厄雖強調反身性，但他仍認為社會有某種深層結構與機制，是可以由社會學者揭示的。

福柯則批判這種立場有一種知識特權與啟蒙式的全知視角，他更傾向於懷疑：「這些所謂的『深層結構』本身也是歷史建構的權力話語。」

福柯可能會問：為什麼你（社會學家）可以說出一個社會「不知道」的真理？這樣的說法本身就涉及話語權力的運作，不是嗎？

2.主體性觀點不同

布爾迪厄傾向把主體視為被社會條件所塑造的「實踐體」（practical agent），相對受制。福柯則更關注主體的生成與被建構過程，強調主體不是一個「有習性的人」，而是一個被話語、規訓與權力建構出來的歷史產物。

3.方法論的差異

布爾迪厄偏向社會學的經驗研究與統計方法，尋找社會實踐背後的規律與場域邏輯。福柯則屬於後結構主義路線，採歷史考古學與譜系學方法，拒絕用穩定的理論模型來解釋社會。

面向	布爾迪厄	福柯
權力	習性與場域再製	規訓與話語生產
無意識性	結構內化於行動者中	權力滲透於主體生成過程
主體觀	有實踐邏輯的行動者	被建構的主體性
反身性	學者需反思其知識位置	知識本身即是權力運作
研究方法	經驗社會學、實地研究	詮釋學、歷史譜系分析

福柯與布爾迪厄在「無意識權力機制」與「知識－權力結構」理論有所共鳴，但福柯更強烈質疑布爾迪厄對於「社會真理」與「知識中立性」的假定。他可能會對那種「我們知道你不知道的真相」的立場提出懷疑，認為這仍是權力話語的再生。

Comment by Malacca 皇京港 on May 17, 2025 at 10:27am

愛墾APP：當代民族誌無意識研究～～The unconsciousness of the group studied was the price that had to be paid (the price it had to pay) for its coherence. A society could be a system only without knowing it. Whence the corollary: an ethnologist was required to know what the society was without knowing it. Today, an ethnologist would no longer dare to say (if not to think) that. How can Bourdieu compromise himself in this way in the name of sociology? （From Pg.56 [Foucault and Bourdieu]in The Practice of Everyday Life #1 by Michel de Certeau）

研究對象群體的無意識狀態，是其維持內部一致性所必須付出的代價。唯有在不自知的情況下，一個社會才能成為一個體系。因此引申出一個推論：民族學家必須知道那個社會在自身不知情的情況下是什麼樣子。如今，一位民族學家即使心裡這麼想，也不敢再如此宣稱了。那麼，布迪厄怎麼會以社會學的名義如此妥協自己呢？（《實踐的藝術 1》第56頁, [法] 米歇爾·德·塞爾托）

米歇爾·德·塞爾托（Michel de Certeau）在《日常生活的實踐》中對布爾迪厄（Pierre Bourdieu）的批評，指出布爾迪厄認為社會的無意識性是其內部一致性的代價，並質疑這種觀點在當代民族誌研究中的適用性。布爾迪厄的理論核心概念，如「習性」（habitus）、「場域」（field）和「象徵暴力」（symbolic violence），提供了理解這種無意識社會結構的框架。以下是布爾迪厄相關著作中的具體引文，對應德·塞爾托的批評：

1. 社會結構的「無意識性」與「習性」的內化

布爾迪厄在《反思社會學的邀請》中寫道：

> 「當習性遇到它所產生的社會世界時，就像『魚在水中』：它感受不到水的重量，並將周圍的世界視為理所當然。」> —《反思社會學的邀請》([Goodreads][1])

這段話說明了個體如何在不自覺的情況下內化社會結構，使得社會秩序得以自動再生。

2.象徵暴力與知識的不對稱

在《電視：批判的反思》中，布爾迪厄指出：

> 「象徵暴力是一種在受害者與施暴者之間默契共謀下施加的暴力，因為雙方都未意識到自己正在服從或施加這種暴力。」> —《電視：批判的反思》，第17頁

這說明了社會秩序如何透過無意識的方式維持，並揭示了知識與權力之間的不對稱關係。

3.民族誌的地位與反思社會學

布爾迪厄在《科學的科學與反思性》中強調：

> 「社會學家必須進行一種對社會學的社會學，以避免無意識地將觀察對象的特徵歸因於主體。」> —《科學的科學與反思性》

這強調了研究者需要反思自己的社會位置和認知框架，以避免在研究過程中再製權力結構。([PHILO Notes][2])

4.當代社會科學的危機與批判

德·塞爾托的批評指出，布爾迪厄的方法可能過於強調結構，忽視了個體的能動性。然而，布爾迪厄在《實踐的邏輯》中已經意識到這一點，並提出：

> 「實踐具有一種不是邏輯學家的邏輯。」> —《實踐的邏輯》

這表明布爾迪厄試圖在結構與能動性之間尋求平衡，並強調實踐的複雜性。

總結來說，布爾迪厄的理論提供了理解社會無意識結構的工具，但也面臨著如何處理研究者自身位置與偏見的挑戰。德·塞爾托的批評提醒我們，在進行社會研究時，需要保持對自身方法和立場的反思，以避免再製既有的權力結構。

Comment by Malacca 皇京港 on May 14, 2025 at 3:08pm

默默詩選：第一種散步

一個人散步真愉快

路過毒蛇脫殼的花園

路過思想的戰場

路過懷念雨聲的梧桐

路過哈哈鏡收藏家的別墅

心像太陽能下的石頭

躺著站著樣樣都行

真愉快一個人散步

每一條路都像少年

路過恩人家就到他的窗上

畫一輪月亮祝願他永遠安安靜靜

路過仇人家就敲開他的門

面對面覺得一會兒他的臉像枯萎的荷葉

散步一個人真愉快

Comment by Malacca 皇京港 on March 30, 2025 at 7:23am

OpenAI奧特曼：下一代人不可能比AI聰明～【新智元導讀】最新一期TED采訪中，Chatgpt之父奧特曼（Sam Altman）重申對OpenAI率先發布AGI的信念，並稱沒有多少人會關心。全程45分鐘，他還重點分享了自己對AI未來的獨特看法。

奧特曼再談AGI信念！

最近，奧特曼在一期采訪中堅定地表示，「OpenAI將第一個發布AGI，並沒有多少人在意」。

他承認，當AI變得更加自主，能夠完成通常需要整個組織，才能實現的任務時，自己並不知道那一刻會發生什麼。

「屆時，人類或許需要一個新的模型」。

在最新一期TED對談中，奧特曼與主持人Adam Grant探討了AI在創造力、同理心上的進步，以及面臨的倫理挑戰和人類監督的作用。

近一個小時采訪中，奧特曼的精彩視角包括：

AI是一場工業革命，而非互聯網革命。

o1進步讓人不寒而栗，過去能夠區分人類和AI的某些技能，如今已被超越

人類無法從AI中獲得歸屬感，也很難從AI身上獲得被尊重的感覺。

我們還處在探索人類與AI如何協作的早期階段

最新的模型在各方面都比他聰明，但奧特曼關注的重點依舊和往日一樣，或許工作效率能得到提高。

未來最重要的能力是，提出好題比給出答案更重要。

人類需要為AI制定規則，但沒有歷史經驗值得借鑑。

未來，AI可能變成獨特的信仰。

AI是一場工業革命，不是互聯網革命

Q：你對AI這麼快超越人類許多能力感到驚訝嗎？

奧特曼：我們最新的模型感覺幾乎在各方面都比我聰明，但這並沒有真正影響我的生活。

我仍然關心和以前一樣的事情，我的工作效率可能提高了一點，也許很多。（下續）

Comment by Malacca 皇京港 on March 29, 2025 at 10:16am

我假設隨著社會消化這項新技術，社會會發展得更快，科學進步肯定也會更快，我們正在與這個驚人的新工具共存。

但你的日常生活和幾年前相比感覺有多大不同？其實沒那麼不同，對吧？

我認為從非常長遠的角度看，AI確實會改變一切。

但十年前我天真地認為，當我們擁有像現在最強大的模型時，一切都會改變，現在我覺得那是天真的看法。

Q：這是標准模式：我們高估短期變化，低估長期變化，對吧？所以你對此應該深有感悟。

奧特曼：最終，我認為整個經濟都會轉型，我們會找到新的事情去做，我對此一點也不擔心。

我們總會找到新工作，盡管每次面對新技術時，我們都假設所有工作都會消失。確實有些工作會消失，但我們會找到更多新的事情去做。

Q：每個人都相信AI是顛覆性的，但沒人知道這對領導力、工作、組織、產品和服務意味著什麼。

奧特曼：從這個意義上說，它更像是工業革命，而不是互聯網革命。

我們不知道這會如何發展，但我認為我們也可以說很多關於如何發展的東西。

我有幾個高層次的假設，一個是我們將停止重視能力，開始重視人類的靈活性。我覺得弄清楚要問什麼問題會比找出答案更重要。

Q：這與我過去幾年中的觀察一致，我們過去很看重大腦知識的積累量，一個人存儲的知識越多就顯得越聰明，也更容易獲得尊重。而現在我認為，做點的連接者比知識的收集者更有價值。

如果你能綜合並識別模式，你就有了優勢。

你看過《太空堡壘卡拉狄加》（Battlestar Galactica）這部電視劇嗎？劇中反復說的一句話是「這一切都發生過，這一切還會再次發生」。

當人們談論AI革命時，我確實覺得它在一些超級重要的方面有質的不同，但也讓我想起以前的技術恐慌。

小時候，大孩子們告訴我，老師們開始禁止用谷歌。

他們覺得如果你能查到每個事實，那去歷史課記事實有什麼意義呢？我們會失去一些教育孩子以及怎樣成為社會負責任成員的重要東西。

如果你可以立即查到任何事實，甚至不需要發動汽車去圖書館翻卡片目錄找書。

但實際上發生的是，我們有了更好的工具，期望提高了，但人的能力也提高了，我們學會了做更難、更有影響力、更有趣的事情。

我期待AI也是這樣。

如果幾年前你問某人：A.2024年會有像o1這樣強大的系統嗎？B.如果有個預言家告訴你你錯了，會有這樣的系統，世界會改變多少？你的日常生活會改變多少？我們會面臨生存危機嗎？

幾乎每個被問到的人都會說，A肯定不會，但如果我錯了，真的發生了，那我們在第二個問題上就完蛋了。

然而，這個驚人的事情發生了，我們現在就在這裡。

Q：對於研發科學家來說，當他們有AI協助時，提交的專利增加了39%，這導致產品創新增加了17%。其中很多是突破性的，比如發現新的化學結構。

如果你是處於底部的三分之一科學家，幾乎沒有什麼好處，但頂尖科學家的生產力幾乎翻倍。這種翻倍似乎是因為AI自動化了很多創意生成任務，讓科學家能把精力集中在創意評估上，優秀的科學家很擅長識別有前景的創意，而差的科學家容易被誤導。

但這也有代價，研究中82%的科學家對工作滿意度降低了，他們覺得自己做的創意工作變少了，技能沒有得到充分利用。人類在這種情況下似乎被簡化為評判者，而不是創造者或發明者。我很想知道你如何看待這些證據，以及我們該怎麼辦？

• ‹ Previous
• 1
• 2
• 3
• …
• 5
• Next ›
• Page