在這段被下架的視頻里 谷歌前CEO說了很多真話
Google前CEO，「現(xiàn)在已經(jīng)不是Google員工」的施密特（EricSchmidt）前不久在斯坦福做了一次分享。
分享被拍成視頻上傳到斯坦福在線課YouTube官號，其中有40多分鐘施密特與學生Q&A的環(huán)節(jié)。
因為觀點太直接，說話太實在，施密特的分享上了新聞。
斯坦福官號把視頻都隱藏了。
最后施密特在郵件采訪中對「錯誤言論」表示道歉。
EricSchmidt：不，他們的目標是到一千萬。Anthropic已經(jīng)達到了20萬，還在繼續(xù)增長。目標是一百萬及以上，可以想象OpenAI也有類似的目標。接下來有誰能給我們一個技術定義，解釋一下什么是AIAgent嗎？
聽眾：AIagent就是在網(wǎng)上執(zhí)行任務，代表你來購買東西，以及類似的各種操作。
EricSchmidt：所以agent就是執(zhí)行某種任務的東西，另一個定義是一個具有記憶功能的大型語言模型。再問一個問題，計算機科學的同學，有人能解釋一下什么是Text-to-Action嗎？
聽眾：就是把文字擴展到更多文本，輸入文本，然后AI根據(jù)文本觸發(fā)操作。
EricSchmidt：另一個定義是把語言轉換成Python——一種我從沒想到還能繼續(xù)存活的編程語言。但現(xiàn)在AI的一切都是用Python來做的。最近有一種剛剛發(fā)布的新語言叫Mojo，它似乎終于解決了AI編程的問題，不過我們還要看看在Python統(tǒng)治局勢下，它能不能生存下來。
再問一個技術問題，為什么Nvidia價值兩萬億美元，而其他公司卻陷入困頓？
聽眾：技術原因嘛。我認為這主要歸結于代碼運行的優(yōu)化。目前大多數(shù)代碼需要在經(jīng)過優(yōu)化的環(huán)境中運行，而目前只有Nvidia的GPU可以做到這一點。事實上其他公司有能力開發(fā)各種技術，可能擁有長達十年的軟件開發(fā)經(jīng)驗，但它們沒有專門針對機器學習進行優(yōu)化的團隊。
EricSchmidt： 我喜歡把CUDA看作是GPU的C語言。這是我喜歡的理解方式。它在2008年誕生，我一直覺得它是個糟糕的語言，但它卻成為了主流，F(xiàn)在有一整套開源庫，它們都是針對CUDA高度優(yōu)化的。構建這些技術堆棧的所有人都忽略了這一點。我們稱之為vlm技術，加上其他類似的開源庫，它們都為CUDA做了優(yōu)化。這對競爭對手來說很難復制。
以上這些意味著什么？
在接下來的一年里，你會看到更大規(guī)模的上下文窗口、Agent和Text-to-Action的功能。當它們被大規(guī)模應用時，影響將比我們現(xiàn)在看到的社交媒體帶來的巨大沖擊還要大，至少在我看來是這樣。在上下文窗口里，你可以把它當作短期記憶來用，規(guī)模能做得這么大，這太讓人震驚，技術上服務和計算是非常復雜的。
短期記憶的有趣之處在于，讓它讀20本書，把這些書的文本輸入進去作為查詢，讓它告訴你書的內容。人類大腦會忘記中間的部分。現(xiàn)在有一些人在構建基本的LLMAgent。它們的工作方式是，比如讀化學類的內容，發(fā)現(xiàn)其中的化學原理，然后進行測試，再把結果加入到它們的理解中。這非常強大。
第三點，就是我提到的文本到動作。舉個例子，政府現(xiàn)在正在考慮禁止TikTok。我們不知道會不會真的發(fā)生。如果TikTok被禁了，我建議你們對你們的LLM說：復制一個TikTok，獲取所有用戶，獲取所有音樂，加入我的偏好，30秒內生成并發(fā)布。如果一個小時內沒火，那就換個類似的做法，這就是命令。砰砰砰，馬上就成了。
你明白嗎？如果你能從任意語言直接生成任意的數(shù)字指令，這基本上就是這個場景下Python的作用。想象一下，每個人都有一個能按你要求工作的程序員，而不再是那些為我工作，但不聽話的程序員。（笑）程序員們都知道我在說什么。想象一下，一個不自大的程序員，真正按你的要求去做，還不用付那么多錢。而且這些程序員是無限供應的。而這些……
主持人：都會在未來一兩年內實現(xiàn)。
EricSchmidt：很快就會實現(xiàn)。我非常相信它們會在下一波技術浪潮中發(fā)生。
聽眾：你提到擴展上下文窗口、代理和Text-to-Action的結合將帶來難以想象的影響。首先，為什么這些結合很重要？其次，我知道你無法預知未來，但你為什么認為這會超出我們目前的想象？
EricSchmidt：我認為主要是因為擴展上下文窗口能夠解決時效性的問題。當前的AI模型大約需要一年時間來訓練，包括6個月準備，6個月訓練和6個月微調，所以它們總是有點滯后。但擴展后的上下文窗口可以讓你輸入最新的信息，這樣的上下文功能非常強大，就像谷歌那樣能夠實時更新。
關于Agents模型，我舉個例子。我建了一個基金會，資助了一個非營利組織，他們啟動了一個項目，有一個叫做Chemcrow的工具，它是基于大語言模型的系統(tǒng)，用來學習化學知識。他們用這個系統(tǒng)生成蛋白質方面的化學假設，然后實驗室會在晚上做測試，系統(tǒng)再繼續(xù)學習。這極大加快了化學和材料科學領域的研究進展。
我認為「Text-to-Action」可以理解為大量廉價程序員帶來的效果。不過我覺得我們還沒有真正理解，當每個人都有一個自己的程序員的時候會發(fā)生什么，他們做的是你的專長，不是簡單的開關燈那樣的事。
你可以設想一個場景，比如你不喜歡Google。就說，幫我造一個Google的競爭對手，搜索網(wǎng)頁、搭建界面、加入生成式AI，30秒內做好，我們來看看效果。這些老牌公司，比如Google，就很可能會受到這種攻擊的威脅，我們等著看。
2.「我已經(jīng)不是Google員工了」
主持人：你在Google工作了很多年，他們發(fā)明了Transformer架構，Peter（PeterNorvig，前GoogleResearch的工程總監(jiān)）是主導者之一。感謝像Peter和JeffDean這樣的聰明人。不過現(xiàn)在，Google似乎已經(jīng)在主動權上失去了優(yōu)勢，OpenAI已經(jīng)趕上來了。我看到的最新排名中，Anthropic的Claude排在了前面。我問過Sundar（桑達爾·皮查伊），他沒有給我一個明確的回答。也許你有一個更清晰或客觀的解釋，說說那里到底發(fā)生了什么。
EricSchmidt：我已經(jīng)不是Google的員工了。坦率地說，Google更加注重工作與生活的平衡，早早下班和居家辦公，似乎比打勝仗更重要。初創(chuàng)公司的成功秘訣就在于員工拼命工作。我很抱歉，說得這么直接，但事實就是如此。如果你們畢業(yè)后創(chuàng)辦公司，你們不會讓員工每周只來公司一天，大部分時間在家工作。如果想和其他初創(chuàng)公司競爭，這樣做是行不通的。
主持人：Google早期的情況和當時的微軟很像……
EricSchmidt：是的。
在我們這個行業(yè)，有一種常見的現(xiàn)象：一些公司以非常創(chuàng)新的方式贏得市場，徹底主導了一個領域，但卻無法順利過渡到下一個階段。
這種情況有很多。我認為創(chuàng)始人很重要，這是非常重要的問題，他們掌舵公司。雖然創(chuàng)始人往往難以相處，對員工要求苛刻，但他們也推動了公司向前發(fā)展。
盡管我們可能不喜歡Elon（馬斯克）的一些個人行為，但看看他在工作上做了什么。我和他共進晚餐那天，他一直在來回飛行。我當時在蒙大拿，而他那天晚上十點還要飛去參加凌晨與xAI的會議。
我去臺灣的時候，感受到不同的地方有不同的文化，我印象深刻的是，臺積電（TSMC）有一個規(guī)定，新入職的物理學博士要先在工廠地下室工作。你能想象讓美國的博士去做這種工作嗎？幾乎不可能。
工作結果是不同的。我之所以對工作的問題如此苛刻，是因為這些系統(tǒng)存在網(wǎng)絡效應。時間非常關鍵，而在大多數(shù)行業(yè)中，時間并不那么重要，他們有足夠的時間？煽诳蓸泛桶偈驴蓸窌恢贝嬖冢瑑烧叩母偁幰矔掷m(xù)下去，像冰川一樣緩慢變化。
當我與電信公司合作時，一般的電信合同需要18個月才能簽署。我覺得沒必要這么久，事情應該盡快完成。我們現(xiàn)在正處在增長和收益的高峰期，這時候還需要一些瘋狂的想法。
比如微軟決定與OpenAI合作時，我當時覺得那是最愚蠢的想法之一。微軟把AI領導權交給了OpenAI和Sam的團隊，這簡直不可思議。然而今天，他們正逐步成為最有價值的公司之一，與蘋果的競爭不相上下。蘋果在AI方面沒有好的解決方案，看起來微軟的策略奏效了。3.模型的差距正在拉大
EricSchmidt：你剛才問，接下來會發(fā)生什么，每隔六個月，我的想法都會有所搖擺。我們現(xiàn)在處于一個奇偶震蕩的周期波動中。就目前來看，前沿模型之間的差距——現(xiàn)在只有三種模型——和其他模型之間的差距似乎在拉大。六個月前，我還認為差距在縮小，所以我投了很多錢給一些小公司，不過現(xiàn)在我不那么確定了。
我開始和大公司談，大公司告訴我，他們需要100 億、200 億、500 億，甚至1000 億資金。
主持人：目標是1000億，對吧？
EricSchmidt：是的，很難很難。我和SamAltman是好朋友，他認為可能需要3000億，甚至更多。我告訴他，我已經(jīng)計算過所需的電力了。我上周五去了白宮，開誠布公告訴他，我們需要和加拿大搞好關系，因為加拿大不僅人好，還幫助發(fā)明了AI，并且有很多水電資源。而我們國家沒有足夠的電力來支撐這個發(fā)展。
另一個選擇是讓阿拉伯國家出資。我個人很喜歡阿拉伯，也在那里呆過很長時間。但他們不會遵守我們的國家安全規(guī)則，而加拿大和美國是可以一起合作的。
主持人：沒錯。所以這些價值1000億、3000億的數(shù)據(jù)中心，電力會變成稀缺資源。
EricSchmidt：是的。順著這個思路，如果3000億都要投到Nvidia身上，你知道該買什么股票了，對吧？（笑）當然，我不是在推薦股票。
主持人：沒錯。我們將需要更多的芯片，Intel正從美國政府獲得大量資金，還有AMD，他們都在努力建造芯片工廠。
EricSchmidt：如果現(xiàn)場有使用Intel芯片的設備，請舉手（聽眾舉手）。它的壟斷似乎到此為止了。
主持人：Intel曾經(jīng)確實是壟斷者。而現(xiàn)在是Nvidia的壟斷。那么，像CUDA這樣的技術壁壘，是否有其他公司可以做？我前幾天和另一位創(chuàng)業(yè)者聊過，他會根據(jù)能獲得的資源，在TPU和Nvidia芯片之間切換使用。
EricSchmidt：因為他沒有其他選擇。如果他有無限的資金，今天他肯定會選擇Nvidia的B200架構，因為那樣速度更快。我不是在暗示什么，競爭當然是好事。我和AMD的LisaSue（蘇姿豐）詳細討論過這個事情，他們開發(fā)了一個系統(tǒng)，可以將CUDA架構轉換成他們自己的架構，叫做Rocm。目前還沒完全發(fā)揮作用，他們還在繼續(xù)改進。4.我們會經(jīng)歷一場巨大的泡沫，然后市場會自己調整
聽眾：你對AI的前景非常樂觀。你覺得是什么推動了這種進步？是更多的資金？還是更多的數(shù)據(jù)？或者是技術上的突破？
EricSchmidt：我基本上是看哪個項目都投，因為我也說不準哪個能成。而且，現(xiàn)在有一大堆資金跟著我一起進來。我覺得，部分原因是早期投資已經(jīng)賺到錢了，現(xiàn)在那些大資金的投資者，雖然他們不太懂AI，但他們覺得每個項目都得加點AI元素，所以現(xiàn)在幾乎所有的投資都變成了AI投資。他們分不出好壞。我理解的AI，是那種真正能學習的系統(tǒng)，我認為這才算數(shù)。
另外，現(xiàn)在有些非常先進的新算法，它們已經(jīng)不局限于Transformer架構了。我有個朋友，也是我長期的合作伙伴，他做出了一種全新的非Transformer架構，我在巴黎資助的一個團隊也說他們有類似的創(chuàng)新，斯坦福這邊也有不少新動向。
最后，市場上普遍相信，開發(fā)智能技術會帶來巨大的回報。比如說，你給一家公司投了500億美元，那你肯定希望通過智能技術賺回一大筆錢。所以我們可能會經(jīng)歷一個巨大的投資泡沫，然后市場會自我調整。過去一直都是這樣，現(xiàn)在可能也不例外。
主持人：你之前提到，現(xiàn)在頭部公司正在越拉越開距離。
EricSchmidt：對，現(xiàn)在確實是這樣。法國有家公司叫Mistral，他們做得很好，我也投資了他們。他們推出了第二版模型，但第三版可能會是封閉的，因為成本太高。他們需要收入，不能再免費提供模型了。
開源和閉源之間的爭論在我們行業(yè)里非常激烈。我個人的整個職業(yè)生涯都建立在人們愿意分享開源軟件的基礎上。我做的技術工作都是開源的，谷歌的很多核心技術也是開源的。但是現(xiàn)在可能因為資本成本實在太高，軟件的開發(fā)方式可能會發(fā)生根本性的變化。
我個人覺得，軟件程序員的生產(chǎn)力至少會翻倍。現(xiàn)在有三四家軟件公司在努力實現(xiàn)這個目標，我也投了這些公司。他們的目標是提升軟件程序員的效率。我最近見到的一個很有趣的公司叫Augment。我總是想著單個程序員，但他們的目標其實是那些大型軟件團隊，這些團隊可能有幾百萬行代碼，但沒人能搞清楚所有代碼的運行細節(jié)。這個問題非常適合用AI來解決。他們能賺錢嗎？我希望能。
主持人：所以，還有很多問題要討論。
聽眾：關于非Transformer架構，我覺得狀態(tài)模型之類的架構大家討論得不多，但現(xiàn)在它們又有了更多的進展，你在這個領域看到了哪些新進展？
EricSchmidt：我對數(shù)學了解不夠深，這里的數(shù)學非常復雜。但基本上，它們就是用不同的方法來做梯度下降和矩陣乘法，速度更快、更好。Transformers是一種同時進行乘法運算的系統(tǒng)化方式，我是這么理解的。它跟這個類似，但數(shù)學原理不同。
聽眾：你是工程師出身，考慮到這些模型未來可能具備的能力，我們是否還需要花時間學編程？
EricSchmidt：這就好比你已經(jīng)會說英語了，為什么還要繼續(xù)學英語呢？學習總是能讓人更上一層樓。你得理解這些系統(tǒng)的工作原理。5.分布式計算解決不了 AI的算力問題
聽眾：兩個簡單的問題：一是大型語言模型的經(jīng)濟影響，是否比你最開始預計的市場影響更慢？二是你認為學術界應該獲得AI補貼嗎？還是應該跟大公司合作？
EricSchmidt：我一直在努力推動為大學建立數(shù)據(jù)中心。如果我是這里的計算機科學系的教授，我會非常不滿意，因為我沒辦法和研究生們一起開發(fā)那些算法，而且還被迫跟那些大公司合作。在我看來，這些公司在這方面做得并不夠。我和一些教授聊過，他們很多人都得花大量時間等GoogleCloud的使用配額。這是一個蓬勃發(fā)展的領域，正確的做法就是把資源提供給大學，我正在努力推這件事。
至于你提到的勞動力市場的影響問題，我基本上相信，高技能型的大學教育和相關的工作應該會沒問題，因為人們會和這些系統(tǒng)一起干活兒。我覺得這些系統(tǒng)和之前的技術浪潮沒什么不同，那些危險的工作和不太需要人類判斷的工作最終會被替代。
聽眾：你有沒有研究過分布式環(huán)境？我問這個是因為，搭建大型集群很困難，但MacBook還是很強大的。全世界有很多小型機器。你覺得像Folding@home的想法能用來做訓練嗎？
注："Folding@home"是一個利用全球分布式計算資源的項目，利用全球參與者的電腦閑置資源來進行蛋白質折疊的計算。
EricSchmidt：分布式環(huán)境的確是個挑戰(zhàn)。搭大型集群確實不容易，但每個MacBook都有自己的算力。全球有那么多小型機器，把它們聯(lián)合起來的想法確實有潛力。這可以用來做訓練，但還有很多技術細節(jié)需要解決。
我們深入研究過這個問題，這些算法的工作原理是這樣的：你有一個非常大的矩陣，基本上就是進行乘法運算。你可以想象這個過程是反復進行的。這些系統(tǒng)的性能完全取決于數(shù)據(jù)從內存?zhèn)鬏數(shù)紺PU或GPU的速度。實際上，Nvidia的下一代芯片已經(jīng)把這些功能都集成到了一個芯片上，現(xiàn)在這些芯片已經(jīng)非常大，功能都集成在了一起。而且封裝過程非常精細，芯片和封裝都是在無塵室里完成的。所以目前來看，超級計算機和光速傳輸，尤其是內存之間的互連，才是關鍵因素。因此，我認為在短期內實現(xiàn)你說的這一點的可能性不大。
主持人：有沒有可能把大語言模型拆分開來？
EricSchmidt：要這么做，你得有上百萬這樣的模型。而且你提問的方式會變得非常緩慢。6.未來我們可以不理解AI，但需要知道它們的邊界
主持人：我想換個話題，談點哲學性的東西。去年你和HenryKissinger（基辛格）、DanielHuttenlocher（丹尼爾·赫滕洛徹）一起寫了一篇文章，探討了知識的本質及其演變。我最近也跟別人聊到過這個話題，大多數(shù)歷史時期，人類對宇宙的理解帶有神秘色彩，直到科學革命和啟蒙運動的到來。你們的文章中說，現(xiàn)在的模型變得越來越復雜、難以理解，以至于我們對它們的內部機制不再那么清楚。
費曼曾經(jīng)說過，「我創(chuàng)造不出的東西，我也無法理解！惯@句話我最近也提過，但目前看來，人們似乎在創(chuàng)造一些連自己都不太明白的事物。這是否意味著我們對知識的理解正在發(fā)生轉變？我們是否需要開始接受這些模型的結論，即便它們無法給出清晰的解釋？
EricSchmidt：讓我打個比方，這有點像年輕人。如果你家里有青少年，你知道他們是人，但不是總能知道他們是怎么想的。然而，我們的社會已經(jīng)學會了如何適應他們的存在，并且知道他們終將成熟。所以，我們可能會有一些知識系統(tǒng)，我們無法完全理解，但我們能夠了解它們的邊界。我們知道它們能做什么，不能做什么。這可能已經(jīng)是我們能夠期待的最佳結果了。
主持人：您覺得我們能掌握這些限制嗎？
EricSchmidt：我覺得我們能搞定。我們每周討論的小團隊都覺得，我們將來可能會用上那種對抗性的AI技術。想象一下，將來會有公司專門做這個，你給他們錢，他們就幫你測試AI系統(tǒng)，找漏洞，就像現(xiàn)在的那種「紅隊」一樣，只不過這次用的是AI。整個行業(yè)都會搞起這種AI對抗AI的事情，特別是那些我們還搞不太懂的部分。我覺得這挺靠譜的。斯坦福那邊也可以考慮一下這個方向。如果有研究生對怎么破解這些大模型感興趣，研究它們的工作原理，這對他們來說是個不錯的技能點。所以我覺得這兩件事會一起進步。
聽眾：剛才您提到與對抗性AI相關的評論，除了顯而易見的提升AI性能模型之外，還有什么問題是我們需要解決的？為了讓AI真正做我們想要的事，主要挑戰(zhàn)是什么？
EricSchmidt：確實要提升更高性能的模型。你必須假設，隨著技術進步，AI的幻覺會有所減少，雖然我并不是說它會完全消失。你還得假設有方法來驗證效果，所以我們需要知道結果是否達到了預期。
比如我剛提到的TikTok競爭者的例子。順便說一句，我并不是建議你們*非*法竊取所有人的音樂。如果你是硅谷的創(chuàng)業(yè)者——我希望你們都會成為這樣的創(chuàng)業(yè)者——如果你的產(chǎn)品火了，那你就會請一大批律師來幫你解決問題；但如果沒人用你的產(chǎn)品，那么就算你盜用了所有內容，也沒什么關系。但別把我這話當真啊。
硅谷會進行這些測試，并且解決這些問題。這是我們通常的處理方式。所以我相信，將來我們會看到越來越多的高性能系統(tǒng)，測試也會越來越精細，最終會有對抗性測試來確保AI在可控的范圍內。在技術上，我們稱之為「鏈式思維推理」。人們預期，未來幾年內，你將能夠生成1000步的鏈式推理，就像按照食譜做菜一樣。你可以按照食譜一步步來，然后驗證最終的結果是否正確。系統(tǒng)就是這么運作的。當然，除非你是在玩游戲。7.虛假信息短期看起來無解
聽眾：如何防止AI在公眾輿論中制造虛假信息，尤其是在即將到來的選舉中？從短期和長期來看，有什么解決方案嗎？
EricSchmidt：在即將到來的選舉中，甚至全球范圍內，大多數(shù)虛假信息都會通過社交媒體傳播，而且目前社交媒體公司還沒有足夠的力量來管理這些信息。如果你看看TikTok，有人批評TikTok偏向某種虛假信息，而不是另一種。我覺得我們在這方面亂成了一團，我們需要學習怎樣批判性思考。這可能是個艱巨的挑戰(zhàn)，但僅僅是有人告訴你某件事，不意味著它就是真的。
聽眾：會不會走向另一個極端？真事反而沒人相信了？有人概括這種現(xiàn)象為「認識論危機」。
EricSchmidt：我覺得我們現(xiàn)在面臨一個信任危機。我認為，對社會來說最大的威脅是虛假信息，因為我們在制造虛假信息這方面會越來越厲害。我管理YouTube的時候，遇到的最大問題是，人們會上傳假視頻，甚至讓有人因此命都沒了，我們當時還有個「無死亡政策」，聽起來很震驚吧。
注：YouTube不允許任何鼓勵危險或*非*法活動的內容，這些活動可能導致嚴重的身體傷害或死亡。
想試著解決這些問題真的很痛苦，那時候還沒有生成式AI。所以說實話，我沒特別好的解法。
主持人：技術手段不是萬能的解決辦法，但有一個看起來可以緩解這個問題的方法，就是公鑰認證。比如說，當拜登上臺演講的時候，為什么不能像SSL那樣給他說的話加上數(shù)字簽名呢？或者名人或公眾人物發(fā)言時，他們能不能有自己的公鑰呢？就像我把信用卡信息給到亞馬遜時，我知道收件方確實是亞馬遜。
EricSchmidt：這確實是一種公鑰認證的方式，再加上其他驗證手段，確保我們知道信息的來源。
我跟人合寫過一篇論文，支持的就是你剛才論點，可惜的是，這篇論文完全沒起到什么作用。所以可能系統(tǒng)并沒有像你說的那樣被組織起來解決這個問題。
總體來說，CEO們的目標都是追求最大化收入，為了做到這一點，他們必須追求用戶的最大參與度。要最大化參與度，就意味著要激發(fā)更多的憤怒情緒。算法會優(yōu)先推送那些讓人憤怒的內容，因為那樣能帶來更多收入。所以，整體上存在一種偏向極端內容的傾向，而且這不分陣營。這是我們的社會中必須要解決的問題。
關于TikTok的解決方案，我們之前私下聊過。小時候，有個叫做「平等時間規(guī)則」的規(guī)定。因為TikTok其實并不是社交媒體，它更像是電視，是有程序員在控制內容的。有數(shù)據(jù)顯示，美國的TikTok用戶平均每天花90分鐘看200個視頻，這數(shù)量相當大。政府可能不會去制定平等時間規(guī)則，但某種形式的平衡是必要的。8.大模型是少數(shù)國家才有資格參與的競爭
聽眾：就國家安全或利益來說，你認為AI在與cn的競爭中會發(fā)揮什么作用？
EricSchmidt：我曾擔任AI委員會主席，這個委員會詳細研究了這個問題。報告有752頁，你可以去看看。我簡單總結一下：我們現(xiàn)在領先，我們需要繼續(xù)保持領先地位，而且需要大量資金來實現(xiàn)這一點。
大致情況是，如果前沿AI模型繼續(xù)發(fā)展，少數(shù)開源模型也參與進來，那么只有少數(shù)幾個國家有資格參與。那些擁有大量資金、強大教育體系，并且有取勝決心的國家。美國是其中之一，cn也是。也許還有其他國家。但可以肯定的是，在你們有生之年，美國和cn之間的知識領域的競爭將是最大的對抗。
美國政府基本上已經(jīng)禁止向cn出口Nvidia芯片，雖然他們不允許說這個，但確實是這么做的。我們在芯片技術上大約領先cn10年。在光刻機技術方面，我們也領先了大約10年。未來我猜我們還能再領先幾年。芯片法案是特朗普政府的決定，并得到了拜登政府的批準。
主持人：您認為當前政府和國會是否聽取您的建議？您認為他們會進行這么大規(guī)模的投資嗎？除了芯片法案之外，是否會繼續(xù)建設大型AI系統(tǒng)？
EricSchmidt：正如你所知，我領導了一個非正式的小組，這個小組不是官方性質的小組，這個小組包括了所有常見的AI領域的參與者。過去一年里，這些參與者提出的建議成為了拜登政府AI領域決策的基礎，這個法案可能是歷史上最長的總統(tǒng)指令。
注：美國拜登總統(tǒng)于去年8月9日發(fā)布的《關于解決美國在特定國家對某些國家安全技術和產(chǎn)品的投資問題的行政命令》（ExecutiveOrderonAddressingUnitedStatesInvestmentsinCertainNationalSecurityTechnologiesandProductsinCountriesofConcern）
主持人：你正在推進特別競爭研究項目。
EricSchmidt: 這是行政辦公室的實際執(zhí)行法案。他們正在忙于落實細節(jié)，到目前為止做得不錯。舉個例子，去年我們討論過一個問題：如何檢測系統(tǒng)中的潛在危險。這種系統(tǒng)可能已經(jīng)學到了一些危險的東西，但你卻不知道該問什么。換句話說，這是個核心問題。系統(tǒng)學到了一些不好的東西，但它不會告訴你學到了什么，而你也不知道該怎么提問。這里面有很多威脅，比如它可能學會了你不了解的化學混合方式。所以現(xiàn)在很多人都在努力解決這個問題。
最終，我們在備忘錄中設定了一個閾值，叫做10^26次方浮點運算，它是一種計算能力的衡量標準。超過這個閾值時，你必須向政府報告你的行為。這是規(guī)則的一部分，歐盟設定的閾值是10的25次方，但差別不大。我認為這些技術區(qū)別最終都會消失，現(xiàn)在的技術可以進行「聯(lián)邦訓練」，也就是可以將不同部分組合起來進行訓練。所以我們可能無法完全避免這些新技術帶來的威脅。
主持人 ：聽說OpenAI已經(jīng)不得不這么做，部分原因是因為電力消耗太大，沒有一個地方能單獨承擔所有的計算量。9.AI是有錢人的游戲，富者愈富
聽眾：《紐約時報》起訴OpenAI用他們的作品訓練模型。您認為這對數(shù)據(jù)使用意味著什么？
EricSchmidt：我在音樂版權方面有很多經(jīng)驗。在60年代，有一系列訴訟，最終達成了一個協(xié)議，就是每次你的歌曲被播放的時候，無論聽眾是否知道你是誰，你都會得到一定的版稅，這筆錢會被存入你的銀行賬戶。我猜未來的情況也會類似，會有很多訴訟，最終達成某種協(xié)議，規(guī)定使用這些作品時必須支付一定比例的收入。你可以看看ASCAP（美國作曲家、作家和發(fā)行商協(xié)會）和BMI（BroadcastMusic,Inc.，一家美國表演權組織）的例子，雖然看起來有點過時，但我認為最終的情況會是這樣。
聽眾：看起來有幾家公司在主導且會繼續(xù)AI領域，這些公司似乎正是所有反壟斷法關注的對象。你怎么看這兩個趨勢？你覺得監(jiān)管機構會拆分這些公司嗎？這會對行業(yè)產(chǎn)生什么影響？
EricSchmidt：在我的職業(yè)生涯中，我曾經(jīng)推動過拆分微軟，但它并沒有被拆分。我也努力讓谷歌不被拆分，結果它也沒被拆分。所以在我看來，只要這些公司避免成為像JohnD.Rockefeller（標準石油公司創(chuàng)始人）那樣的壟斷巨頭，趨勢就不是拆分。這就是反壟斷法的由來。
我不認為政府會采取行動。你看到這些大公司主導市場的原因是，只有它們有資金建造這些數(shù)據(jù)中心。所以我的朋友ReedHastings（Netflix聯(lián)創(chuàng)兼CEO）和ElonMusk都在這樣做。
所以富者愈富，窮者只能盡力而為。這是事實，這是富國的游戲，需要巨額資本、大量技術人才和強有力的政府支持。還有許多其他國家有各種問題，他們沒有這些資源，所以他們必須與其他國家合作。
聽眾：你花了很多時間幫年輕人創(chuàng)造財富，對這件事很有熱情。對在座的同學們職業(yè)生涯的這個階段以及未來，有什么建議嗎？
EricSchmidt：我對你們快速展示新想法的能力印象深刻。在我參與的一個黑客松中，獲勝團隊的任務是讓無人機在兩座塔之間飛行。他們在一個虛擬無人機空間里完成了這個任務，讓無人機理解了「在…之間」的意思，用Python寫了代碼，在模擬器中成功讓無人機穿過了塔樓。如果是專業(yè)程序員來做這件事，可能需要一兩周的時間。
我要說的是，快速制作原型的能力確實非常重要。作為企業(yè)家，問題之一就是一切都發(fā)生得非？臁，F(xiàn)在，如果你不能在一天內利用各種工具做出原型，你就得好好想想了，因為你的競爭對手能完成。
所以我的建議是，當你開始考慮創(chuàng)業(yè)，寫一份商業(yè)計劃是好的，你應該讓電腦幫你寫商業(yè)計劃，用這些工具快速將你的想法轉化為原型是非常重要的。因為可以肯定的是，在另一家公司、另一所大學或者你從未去過的地方，有人也在做同樣的事。