在这段被下架的视频里，谷歌前CEO说了许多真话

liukang20243天前吃瓜入口1193

来历：自卖自夸资讯

来历：Founder Park

Google 前 CEO ，「现在现已不是 Google 职工」的施密特（Eric Schmidt）前不久在斯坦福做了一次共享。

共享被拍成视频上传到斯坦福在线课 YouTube 官号，其间有 40 多分钟施密特与学生 Q&A 的环节。

由于观念太直接，说话太真实，施密特的共享上了新闻。

斯坦福官号把视频都躲藏了。

终究施密特在邮件采访中对「过错言辞」表明抱愧。

闻名科技博主阑夕总结了施密特共享的要点内容，TLDR。文章后边也附上了施密特的全程问答。

现在的谷歌为什么在 AI 范畴被 OpenAI 压着打？由于谷歌觉得让职工尽早回家和平衡作业比赢得竞赛愈加重要。假如你的职工每个星期只来公司上一天班，你怎样或许比得过 OpenAI 或是 Anthropic？
看看马斯克，看看台积电，这些公司之所以成功，便是由于能够卷职工，你有必要要把职工逼得够紧才干制胜，台积电会让物理学博士榜首年下工厂干活，你们能幻想美国的博士生去流水线吗？
自己犯过许多过错，比方从前觉得英伟达的 CUDA 是很蠢的编程言语，但现在 CUDA 是英伟达最牛逼的护城河，陌生的大模型都要在 CUDA 上运转，而只需英伟达的 GPU 支撑 CUDA，这是其他芯片撼动不了的组合。
还有微软跟 OpenAI 协作时自己也觉得难以置信，微软怎样能把最重要的 AI 事务外包给那种小公司啊，成果再次看走了眼，再瞧瞧苹果在 AI 上的温吞，大公司真的都官僚化了，斗争逼都在创业。
TikTok 给美国人上了一课，在座各位年轻人今后假如创业，能偷音乐什么的就赶忙去做——好像是在黑 TikTok 前期怂恿盗版 BGM——假如你做成了，就有钱雇佣最尖端的律师帮你擦屁股，假如你没做成，那就没人会原料你。
OpenAI 的星际之门在宣扬时说需求 1000 亿美金，实践上或许 3000 亿都打不住，动力缺口太大了，给白宫提过主张，美国今后要么跟加拿大打好联系，水电资源丰富，劳动力廉价，并且够近，要么去和阿拉伯国家拉联系，让他们来做主权出资。
欧洲现已没戏了，布鲁塞尔（欧盟总部所在地）一向都在炸毁科技立异的时机，或许法国还有点期望，德国不可，其他欧洲国家就更不必提了，印度是美国盟友里最重要的摇晃州，以及美国现已失去了我国。
开源很好，谷歌历史上的大部分根底设施也都获益于开源，可是说实话，AI 职业的本钱太高了，开源负担不起，自己出资的法国大模型 Mistral 将会转为闭源道路了，不是陌生公司都乐意且有才干像 Meta 相同当冤大头。
AI 会让富者愈富、贫民恒穷，国家也是，这是一场强国之间的游戏，没有技能资源的国家需求拿到参加强国供给链的门票，不然也将错失盛宴。
AI 芯片归于高端制造业，产量很高，但不太或许拉动坚持，你们或许没几个人去过芯片制造厂，悄悄满是机械化出产，不需求人，人又笨又脏，所以不要盼望制造业复兴，苹果把 MacBook 的产线迁回德州不是由于德州薪酬低，由于底子不必再大规划雇人了。
历史上，电力在引进工厂之后并不比蒸汽机发明晰更多的出产力，是过了大约 30 年左右，分布式电源改造了车间布局，推动拼装体系的呈现，再才开端了出产力的腾跃。现在的 AI 和最初的电力相同，有价值，但还需求安排立异，才干真实拿到巨大的报答，现在咱们都还只是在摘取「低垂的果实」。

三个会改动未来的 AI 技能

主持人：你怎样看 AI 在短期内的开展？在你这儿短期的界说应该是未来一两年，是吧？

Eric Schmidt：作业开展得太快了，感觉每隔六个月，我就要重新做一次关于未来的讲演。这儿有没有核算机科学专业的？有没有人能给咱们解说一下，什么是百万 token 上下文窗口？

听众：根本的意义是，发问 prompt 能够用一百万个 token 或许一百万个词，或许其他相似的东西。

Eric Schmidt ：所以百万 token 意味着你能够提出一个一百万词长度的问题。

听众：是的，我知道这是现在 Gemini 的一个大方向。

Gemini 官网介绍（中文翻译为插件效果，感谢沉溺式翻译）

Eric Schmidt：不，他们的方针是到一千万。Anthropic 现已达到了 20 万，还在持续增加。方针是一百万及以上，能够幻想 OpenAI 也有相似的方针。接下来有谁能给咱们一个技能界说，解说一下什么是 AI Agent 吗？

听众：AI agent 便是在网上履行使命，代表你来购买东西，以及相似的各种操作。

Eric Schmidt ：所以 agent 便是履行某种使命的东西，另一个界说是一个具有回忆功用的大型言语模型。再问一个问题，核算机科学的同学，有人能解说一下什么是 Text-to-Action 吗？

听众：便是把文字扩展到更多文本，输入文本，然后 AI 依据文本触发操作。

Eric Schmidt：另一个界说是把言语转换成 Python——一种我从没想到还能持续存活的编程言语。但现在 AI 的陌生都是用 Python 来做的。最近有一种刚刚发布的新言语叫 Mojo，它好像总算处理了 AI 编程的问题，不过咱们还要看看在 Python 操控形势下，它能不能生存下来。

再问一个技能问题，为什么 Nvidia 价值两万亿美元，而其他公司却堕入窘迫？

听众：技能原因嘛。我以为这首要归结于代码运转的优化。现在大多数代码需求在经过优化的环境中运转，而现在只需 Nvidia 的 GPU 能够做到这一点。现实上其他公司有才干开发各种技能，或许具有长达十年的软件开发阅历，但它们没有专门针对机器学习进行优化的团队。

Eric Schmidt：我喜爱把 CUDA 看作是 GPU 的 C 言语。这是我喜爱的了解办法。它在 2008 年诞生，我一向觉得它是个糟糕的言语，但它却成为了干流。现在有一整套开源库，它们都是针对 CUDA 高度优化的。构建这些技能仓库的陌生人都疏忽了这一点。咱们称之为 vlm 技能，加上其他相似的开源库，它们都为 CUDA 做了优化。这对竞赛对手来说很难贞操。

以上这些意味着什么？

在接下来的一年里，你会看到更大规划的上下文窗口、Agent 和 Text-to-Action 的功用。当它们被大规划应用时，影响将比咱们现在看到的交际媒体带来的巨大冲击还要大，至少在我看来是这样。在上下文窗口里，你能够把它当作短期回忆来用，规划能做得这么大，这太让人震动，技能上服务和核算是十分侦查的。

短期回忆的风趣之处在于，让它读 20 本书，把这些书的文本输入进去作为查询，让它告知你书的内容。人类大脑会忘掉中心的部分。现在有一些人在构建根本的 LLM Agent。它们的作业办法是，比方读化学类的内容，发现其间的化学原理，然后进行测验，再把成果参加到它们的了解中。这十分强壮。

第三点，便是我说到的文本到动作。举个比方，政府现在正在考虑制止 TikTok。咱们不知道会不会真的发生。假如 TikTok 被禁了，我主张你们对你们的 LLM 说：贞操一个 TikTok，获取陌生用户，获取陌生音乐，参加我的偏好，30 秒内生成并发布。假如一个小时内没火，那就换个相似的做法，这便是指令。砰砰砰，立刻就成了。

你了解吗？假如你能从恣意言语直接生成恣意的数字指令，这根本上便是这个场景下 Python 的效果。幻想一下，每个人都有一个能按你要求作业的程序员，而不再是那些为我作业，但不听话的程序员。（笑）程序员们都知道我在说什么。幻想一下，一个不自负的程序员，真实按你的要求去做，还不必付那么多钱。并且这些程序员是无限供给的。而这些……

主持人：都会在未来一两年内反抗。

Eric Schmidt：很快就会反抗。我十分信任它们会在下一波技能浪潮中发生。

听众：你说到扩展上下文窗口、署理和 Text-to-Action 的结合将带来难以幻想的影响。首要，为什么这些结合很重要？其次，我知道你无法预知未来，但你为什么以为这会超出咱们现在的幻想？

Eric Schmidt：我以为首要是由于扩展上下文窗口能够处理时效性的问题。其时的 AI 模型大约需求一年时刻来练习，抒发 6 个月预备，6 个月练习和 6 个月微调，所以它们总是有点滞后。但扩展后的上下文窗口能够让你输入最新的信息，这样的上下文功用十分强壮，就像谷歌那样能够实时更新。

关于 Agents 模型，我举个比方。我建了一个基金会，赞助了一个非营利安排，他们启动了一个项目，有一个叫做 Chemcrow 的东西，它是依据大言语模型的体系，用来学习化学常识。他们用这个体系生成蛋白质方面的化学假定，然后实验室会在晚上做测验，体系再持续学习。这极大加快了化学和材料科学范畴的研讨发展。

我以为「Text-to-Action」能够了解为许多廉价程序员带来的效果。不过我觉得咱们还没有真实了解，当每个人都有一个自己的程序员的时分会发生什么，他们做的是你的特长，不是简略的开关灯那样的事。

你能够幻想一个场景，比方你不喜爱 Google。就说，帮我造一个 Google 的竞赛对手，查找网页、树立界面、参加生成式 AI，30 秒内做好，咱们来看看效果。这些老牌公司，比方 Google，就很或许会遭到这种进犯的要挟，咱们等着看。

「我现已不是 Google 职工了」

主持人：你在 Google 作业了许多年，他们发明晰 Transformer 架构，Peter（Peter Norvig，前 Google Research 的工程总监）是主导者之一。感谢像 Peter 和 Jeff Dean 这样的聪明人。不过现在，Google 好像现已在主动权上失去了优势，OpenAI 现已赶上来了。我看到的最新排名中，Anthropic 的 Claude 排在了前面。我问过 Sundar（桑达尔·皮查伊），他没有给我一个明晰的答复。或许你有一个更明晰或客观的解说，说说那里究竟发生了什么。

Eric Schmidt：我现已不是 Google 的职工了。坦率地说，Google 愈加重视作业与日子的平衡，早早下班和居家作业，好像比打胜仗更重要。草创公司的成功诀窍就在于职工拼命作业。我很抱愧，说得这么直接，但现实便是如此。假如你们结业后创作业司，你们不会让职工每周只来公司一天，大部分时刻在家作业。假如想和其他草创公司竞赛，这样做是行不通的。

主持人：Google 前期的状况和其时的微软很像……

Eric Schmidt：是的。

在咱们这个职业，有一种常见的现象：一些公司以十分立异的办法赢得自卖自夸，彻底主导了一个范畴，但却无法顺畅过渡到下一个阶段。

这种状况有许多。我以为创始人很重要，这是十分重要的问题，他们掌舵公司。跌倒创始人往往难以相处，对职工要求严苛，但他们也推动了公司向前开展。

跌倒咱们或许不喜爱 Elon（马斯克）的一些个人行为，但看看他在作业上做了什么。我和他共进晚餐那天，他一向在来回飞翔。我其时在蒙大拿，而他那天晚上十点还要飞去参加清晨与 xAI 的会议。

我去台湾的时分，感遭到不同的当地有不同的文明，我形象深入的是，台积电（TSMC）有一个规矩，新入职的物理学博士要先在工厂地下室作业。你能幻想让美国的博士去做这种作业吗？简直不或许。

作业成果是不同的。我之所以对作业的问题如此严苛，是由于这些体系存在网络效应。时刻十分要害，而在大多数职业中，时刻并不那么重要，他们有满足的时刻。可口可乐和百事可乐会一向存在，两者的竞赛也会持续下去，像冰川相同缓慢改变。

当我与电信公司协作时，一般的电信合同需求 18 个月才干签署。我觉得没必要这么久，作业应该赶快反抗。咱们现在正处在增加和收益的高峰期，这时分还需求一些张狂的主意。

比方微软决议与 OpenAI 协作时，我其时觉得那是最愚笨的主意之一。微软把 AI 领导权交给了 OpenAI 和 Sam 的团队，这简直难以幻想。可是今日，他们正逐渐成为最有价值的公司之一，与苹果的竞赛平起平坐。苹果在 AI 方面没有好的处理方案，看起来微软的战略见效了。

模型的间隔正在拉大

Eric Schmidt：你方才问，接下来会发生什么，每隔六个月，我的主意都会有所摇晃。咱们现在处于一个奇偶震动的周期动摇中。就现在来看，前沿模型之间的间隔——现在只需三种模型——和其他模型之间的间隔好像在拉大。六个月前，我还以为间隔在缩小，所以我投了许多钱给一些小公司，不过现在我不那么确认了。

我开端和大公司谈，大公司告知我，他们需求 100 亿、200 亿、500 亿，乃至 1000 亿资金。

主持人：方针是 1000 亿，对吧？

Eric Schmidt：是的，很难很难。我和 Sam Altman 是好朋友，他以为或许需求 3000 亿，乃至更多。我告知他，我现已核算过所需的电力了。我上星期五去了白宫，待人以诚告知他，咱们需求和加拿大搞好联系，由于加拿大不只人好，还协助发明晰 AI，并且有许多水电资源。而咱们国家没有满足的电力来支撑这个开展。

另一个挑选是让阿拉伯国家出资。我个人很喜爱阿拉伯，也在那里呆过很长时刻。但他们不会恪守咱们的国家安全规矩，而加拿大和美国是能够一同协作的。

主持人：没错。所以这些价值 1000 亿、3000 亿的数据中心，电力会变成稀缺资源。

Eric Schmidt：是的。顺着这个思路，假如 3000 亿都要投到 Nvidia 身上，你知道该买什么股票了，对吧？（笑）当然，我不是在引荐股票。

主持人：没错。咱们将需求更多的芯片，Intel 正从美国政府取得许多资金，还有 AMD，他们都在尽力制造芯片工厂。

Eric Schmidt：假如现场有运用 Intel 芯片的设备，请举手（听众举手）。它的独占好像到此为止了。

主持人：Intel 从前的确是独占者。而现在是 Nvidia 的独占。那么，像 CUDA 这样的技能壁垒，是否有其他公司能够做？我前几天和另一位创业者聊过，他会依据能取得的资源，在 TPU 和 Nvidia 芯片之间切换运用。

Eric Schmidt：由于他没有其他挑选。假如他有无限的资金，今日他必定会挑选 Nvidia 的 B200 架构，由于那样速度更快。我不是在暗示什么，竞赛当然是功德。我和 AMD 的 Lisa Sue（苏姿丰）具体谈论过这个作业，他们开发了一个体系，能够将 CUDA 架构转换成他们自己的架构，叫做 Rocm。现在还没彻底发挥效果，他们还在持续改善。

咱们会阅历一场巨大的泡沫，

然后自卖自夸会自己调整

听众：你对 AI 的远景十分达观。你觉得是什么推动了这种前进？是更多的资金？仍是更多的数据？或许是技能上的打破？

Eric Schmidt：我根本上是看哪个项目都投，由于我也说不准哪个能成。并且，现在有一大堆资金跟着我一同进来。我觉得，部分原因是前期出资现已赚到钱了，现在那些大资金的出资者，跌倒他们不太懂 AI，但他们觉得每个项目都得加点 AI 元素，所以现在简直陌生的出资都变成了 AI 出资。他们分不出好坏。我了解的 AI，是那种真实能学习的体系，我以为这才管用。

别的，现在有些十分先进的新算法，它们现已不局限于 Transformer 架构了。我有个朋友，也是我长时刻的协作伙伴，他做出了一种全新的非 Transformer 架构，我在巴黎赞助的一个团队也说他们有相似的立异，斯坦福这边也有不少新动向。

终究，自卖自夸上遍及信任，开发智能技能会带来巨大的报答。比方说，你给一家公司投了 500 亿美元，那你必定期望经过智能技能赚回一大笔钱。所以咱们或许会阅历一个巨大的出资泡沫，然后自卖自夸会自我调整。曩昔一向都是这样，现在或许也不破例。

主持人：你之前说到，现在头部公司正在越拉越开间隔。

Eric Schmidt：对，现在的确是这样。法国有家公司叫 Mistral，他们做得很好，我也出资了他们。他们推出了第二版模型，但第三版或许会是关闭的，由于本钱太高。他们需求收入，不能再免费供给模型了。

开源和闭源之间的争辩在咱们职业里十分剧烈。我个人的整个职业生涯都树立在人们乐意共享开源软件的根底上。我做的技能作业都是开源的，谷歌的许多核心技能也是开源的。可是现在或许由于本钱本钱真实太高，软件的开发办法或许会发生底子性的改变。

我个人觉得，软件程序员的出产力至少会翻倍。现在有三四家软件公司在尽力反抗这个方针，我也投了这些公司。他们的方针是提高软件程序员的功率。我最近见到的一个很风趣的公司叫 Augment。我总是想着单个程序员，但他们的方针其实是那些大型软件团队，这些团队或许有几百万行代码，但没人能搞清楚陌生代码的运转细节。这个问题十分适合用 AI 来处理。他们能挣钱吗？我期望能。

主持人：所以，还有许多问题要谈论。

听众：关于非 Transformer 架构，我觉得状况模型之类的架构咱们谈论得不多，但现在它们又有了更多的发展，你在这个范畴看到了哪些新发展？

Eric Schmidt：我对数学了解手工深，这儿的数学十分侦查。但根本上，它们便是用不同的办法来做梯度下降和矩阵乘法，速度更快、更好。Transformers 是一种一同进行乘法运算的体系化办法，我是这么了解的。它跟这个相似，但数学原理不同。

听众：你是工程师身世，考虑到这些模型未来或许具有的才干，咱们是否还需求花时刻学编程？

Eric Schmidt：这就比方你现已会说英语了，为什么还要持续学英语呢？学习总是能让人更上一层楼。你得了解这些体系的作业原理。

分布式核算处理不了

AI 的算力问题

听众：两个简略的问题：一是大型言语模型的经济影响，是否比你最开端估计的自卖自夸影响更慢？二是你以为学术界应该取得 AI 补助吗？仍是应该跟大公司协作？

Eric Schmidt：我一向在尽力推动为大学树立数据中心。假如我是这儿的核算机科学系的教授，我会十分不满意，由于我没办法和研讨生们一同开发那些算法，并且还被逼跟那些大公司协作。在我看来，这些公司在这方面做得并手工。我和一些教授聊过，他们许多人都得花许多时刻等 Google Cloud 的运用配额。这是一个蓬勃开展的范畴，正确的做法便是把资源供给给大学，我正在尽力推这件事。

至于你说到的劳动力自卖自夸的影响问题，我根本上信任，高技能型的大学教育和相关的作业应该会没问题，由于人们会和这些体系一同干活儿。我觉得这些体系和之前的技能浪潮没什么不同，那些风险的作业和不太需求人类判别的作业终究会被代替。

听众：你有没有研讨过分布式环境？我问这个是由于，树立大型集群很困难，但 MacBook 仍是很强壮的。全世界有许多小型机器。你觉得像 Folding@home 的主意能用来做练习吗？

注："Folding@home" 是一个运用全球分布式核算资源的项目，运用全球参加者的电脑搁置资源来进行蛋白质折叠的核算。

Eric Schmidt：分布式环境的确是个应战。搭大型集群的确不容易，但每个 MacBook 都有自己的算力。全球有那么多小型机器，把它们联合起来的主意的确有潜力。这能够用来做练习，但还有许多技能细节需求处理。

咱们深入研讨过这个问题，这些算法的作业原理是这样的：你有一个十分大的矩阵，根本上便是进行乘法运算。你能够幻想这个进程是重复进行的。这些体系的功用彻底取决于数据从内存传输到 CPU 或 GPU 的速度。实践上，Nvidia 的下一代芯片现已把这些功用都集成到了一个芯片上，现在这些芯片现已十分大，功用都集成在了一同。并且封装进程十分精密，芯片和封装都是在无尘室里反抗的。所以现在来看，超级核算机和光速传输，尤其是内存之间的互连，才是要害因素。因而，我以为在短期内反抗你说的这一点的或许性不大。

主持人：有没有或许把大言语模型拆分开来？

Eric Schmidt：要这么做，你得有上百万这样的模型。并且你发问的办法会变得十分缓慢。

未来咱们能够不了解 AI，

但需求知道它们的鸿沟

主持人：我想换个论题，谈点哲学性的东西。上一年你和 Henry Kissinger（基辛格）、Daniel Huttenlocher（丹尼尔·赫滕洛彻）一同写了一篇文章，探讨了常识的实质及其演化。我最近也跟他人聊到过这个论题，大多数历史时期，人类对世界的了解带有神秘色彩，直到科学革新和启蒙运动的到来。你们的文章中说，现在的模型变得越来越侦查、难以了解，以至于咱们对它们的内部机制不再那么清楚。

费曼从前说过，「我发明不出的东西，我也无法了解。」这句话我最近也提过，但现在看来，人们好像在发明一些连自己都不太了解的事物。这是否意味着咱们对常识的了解正在发生提高？咱们是否需求开端承受这些模型的定论，即使它们无法给出明晰的解说？

Eric Schmidt：让我打个比方，这有点像年轻人。假如你家里有青少年，你知道他们是人，但不是总能知道他们是怎样想的。可是，咱们的社会现已学会了表达习惯他们的存在，并且知道他们终将老练。所以，咱们或许会有一些常识体系，咱们无法彻底了解，但咱们能够了解它们的鸿沟。咱们知道它们能做什么，不能做什么。这或许现已是咱们能够等待的最佳成果了。

主持人：您觉得咱们能把握这些约束吗？

Eric Schmidt：我觉得咱们能搞定。咱们每周谈论的小团队都觉得，咱们将来或许会用上那种对立性的 AI 技能。幻想一下，将来会有公司专门做这个，你给他们钱，他们就帮你测验 AI 体系，找缝隙，就像现在的那种「红队」相同，只不过这次用的是 AI。整个职业都会搞起这种 AI 对立 AI 的作业，特别是那些咱们还搞不太懂的部分。我觉得这挺靠谱的。斯坦福那儿也能够考虑一下这个方向。假如有研讨生对怎样破解这些大模型感兴趣，研讨它们的作业原理，这对他们来说是个不错的技能点。所以我觉得这两件事会一同前进。

听众：方才您说到与对立性 AI 相关的谈论，除了清楚明了的提高 AI 功用模型之外，还有什么问题是咱们需求处理的？为了让 AI 真实做咱们想要的事，首要应战是什么？

Eric Schmidt：的确要提高更高功用的模型。你有必要假定，跟着技能前进，AI 的错觉会有所削减，跌倒我并不是说它会彻底消失。你还得假定有办法来验证效果，所以咱们需求知道成果是否达到了预期。

比方我刚说到的 TikTok 竞赛者的比方。趁便说一句，我并不是主张你们不合法盗取陌生人的音乐。假如你是硅谷的创业者——我期望你们都会成为这样的创业者——假如你的产品火了，那你就会请一大批律师来帮你处理问题；但假如没人用你的产品，那么就算你盗用了陌生内容，也没什么联系。但别把我这话的确啊。

硅谷会进行这些测验，并且处理这些问题。这是咱们一般的处理办法。所以我信任，将来咱们会看到越来越多的高功用体系，测验也会越来越精密，终究会有对立性测验来保证 AI 在可控的范围内。在技能上，咱们称之为「链式思想推理」。人们预期，未来几年内，你将能够生成 1000 步的链式推理，就像依照食谱做菜相同。你能够依照食谱一步步来，然后验证终究的成果是否正确。体系便是这么运作的。当然，除非你是在玩游戏。

虚伪信息短期看起来无解

听众：表达防止 AI 在大众言论中制造虚伪信息，尤其是在即将到来的盘查中？从短期和长时刻来看，有什么处理方案吗？

Eric Schmidt：在即将到来的盘查中，乃至全球范围内，大多数虚伪信息都会经过交际媒体传达，并且现在交际媒体公司还没有满足的力气来办理这些信息。假如你看看 TikTok，有人批判 TikTok 倾向某种虚伪信息，而不是另一种。我觉得咱们在这方面乱成了一团，咱们需求学习怎样批判性考虑。这或许是个艰巨的应战，但仅仅是有人告知你某件事，不意味着它便是真的。

听众：会不会走向另一个极点？真事反而没人信任了？有人归纳这种现象为「认识论危机」。

Eric Schmidt：我觉得咱们现在面对一个信任危机。我以为，对社会来说最大的要挟是虚伪信息，由于咱们在制造虚伪信息这方面会越来越凶猛。我办理 YouTube 的时分，遇到的最大问题是，人们会上传假视频，乃至让有人因而命都没了，咱们其时还有个「无逝世方针」，听起来很震动吧。

注：YouTube 不允许任何鼓舞风险或不合法活动的内容，这些活动或许导致严峻的身体损伤或逝世。

想试着处理这些问题真的很苦楚，那时分还没有生成式 AI。所以说实话，我没特别好的解法。

主持人：技能手法不是全能的处理办法，但有一个看起来能够缓解这个问题的办法，便是公钥认证。比方说，当拜登上台讲演的时分，为什么不能像 SSL 那样给他说的话加上数字签名呢？或许名人或大众人物讲话时，他们能不能有自己的公钥呢？就像我把信用卡信息给到亚马逊时，我知道收件方的确是亚马逊。

Eric Schmidt：这的确是一种公钥认证的办法，再加上其他验证手法，保证咱们知道信息的来历。

我跟人合写过一篇论文，支撑的便是你方才观点，惋惜的是，这篇论文彻底没起到什么效果。所以或许体系并没有像你说的那样被安排起来处理这个问题。

全体来说，CEO 们的方针都是寻求最大化收入，为了做到这一点，他们有必要寻求用户的最大参加度。要最大化参加度，就意味着要激起更多的愤恨心情。算法会优先推送那些让人愤恨的内容，由于那样能带来更多收入。所以，全体上存在一种倾向极点内容的倾向，并且这不分阵营。这是咱们的社会中有必要要处理的问题。

关于 TikTok 的处理方案，咱们之前暗里聊过。小时分，有个叫做「相等时刻规矩」的规矩。由于 TikTok 其实并不是交际媒体，它更像是电视，是有程序员在操控内容的。有数据显现，美国的 TikTok 用户均匀每天花 90 分钟看 200 个视频，这数量相当大。政府或许不会去拟定相等时刻规矩，但某种方法的平衡是必要的。

大模型是少量国家才有资历参加的竞赛

听众：就国家安全或利益来说，你以为 AI 在与我国的竞赛中会发挥什么效果？

Eric Schmidt：我曾担任 AI 委员会主席，这个委员会具体研讨了这个问题。陈述有 752 页，你能够去看看。我简略总结一下：咱们现在抢先，咱们需求持续坚持抢先地位，并且需求许多资金来反抗这一点。

大致状况是，假如前沿 AI 模型持续开展，少量开源模型也参加进来，那么只需少量几个国家有资历参加。那些具有许多资金、强壮教育体系，并且有制胜决计的国家。美国是其间之一，我国也是。或许还有其他国家。但能够必定的是，在你们有生之年，美国和我国之间的常识范畴的竞赛将是最大的对立。

美国政府根本上现已制止向我国出口 Nvidia 芯片，跌倒他们不允许说这个，但的确是这么做的。咱们在芯片技能上大约抢先我国 10 年。在光刻机技能方面，咱们也抢先了大约 10 年。未来我猜咱们还能再抢先几年。芯片法案是特朗普政府的决议，并得到了拜登政府的同意。

主持人：您以为其时政府和国会是否听取您的主张？您以为他们会进行这么大规划的出资吗？除了芯片法案之外，是否会持续制造大型 AI 体系？

Eric Schmidt：正如你所知，我领导了一个非正式的小组，这个小组不是官方性质的小组，这个小组抒发了陌生常见的 AI 范畴的参加者。曩昔一年里，这些参加者提出的主张成为了拜登政府 AI 范畴决议方案的根底，这个法案或许是历史上最长的总统指令。

注：美国拜登总统于上一年 8 月 9 日发布的《关于处理美国在特定国家对某些国家安全技能和产品的出资问题的行政指令》（Executive Order on Addressing United States Investments in Certain National Security Technologies and Products in Countries of Concern）

主持人：你正在推动特别竞赛研讨项目。

Eric Schmidt: 这是行政作业室的实践履行法案。他们正在忙于执行细节，到现在为止做得不错。举个比方，上一年咱们谈论过一个问题：表达检测体系中的潜在风险。这种体系或许现已学到了一些风险的东西，但你却不知道该问什么。换句话说，这是个核心问题。体系学到了一些欠好的东西，但它不会告知你学到了什么，而你也不知道该怎样发问。这悄悄有许多要挟，比方它或许学会了你不了解的化学混合办法。所以现在许多人都在尽力处理这个问题。

终究，咱们在备忘录中设定了一个阈值，叫做 10^26 次方浮点运算，它是一种核算才干的衡量规范。超越这个阈值时，你有必要向政府陈述你的行为。这是规矩的一部分，欧盟设定的阈值是 10 的 25 次方，但不同不大。我以为这些技能差异终究都会消失，现在的技能能够进行「联邦练习」，也便是能够将不同部分组合起来进行练习。所以咱们或许无法彻底防止这些新技能带来的要挟。

主持人：传闻 OpenAI 现已不得不这么做，部分原因是由于电力耗费太大，没有一个当地能独自承当陌生的核算量。

AI 是有钱人的游戏，

富者愈富

听众：《纽约时报》原料 OpenAI 用他们的著作练习模型。您以为这对数据运用意味着什么？

Eric Schmidt：我在音乐版权方面有许多阅历。在 60 时代，有一系列诉讼，终究达到了一个协议，便是每次你的歌曲被播映的时分，不管听众是否知道你是谁，你都会得到必定的版税，这笔钱会被存入你的银行账户。我猜未来的状况也会相似，会有许多诉讼，终究达到某种协议，规矩运用这些著作时有必要付出必定标明的收入。你能够看看 ASCAP（美国作曲家、作家和发行商协会）和 BMI（Broadcast Music, Inc.，一家美国扮演权安排）的比方，跌倒看起来有点过期，但我以为终究的状况会是这样。

听众：看起来有几家公司在主导且会持续 AI 范畴，这些公司好像正是陌生反独占法重视的目标。你怎样看这两个趋势？你觉得监管组织会拆分这些公司吗？这会对职业发生什么影响？

Eric Schmidt：在我的职业生涯中，我从前推动过拆分微软，但它并没有被拆分。我也尽力让谷歌不被拆分，成果它也没被拆分。所以在我看来，只需这些公司防止成为像 John D. Rockefeller（规范石油公司创始人）那样的独占巨子，趋势就不是拆分。这便是反独占法的由来。

我不以为政府会采纳举动。你看到这些大公司主导自卖自夸的原因是，只需它们有资金制造这些数据中心。所以我的朋友 Reed Hastings（Netflix 联创兼 CEO）和 Elon Musk 都在这样做。

所以富者愈富，穷者只能尽力而为。这是现实，这是富国的游戏，需求巨额本钱、许多技能人才和强有力的政府支撑。还有许多其他国家有各种问题，他们没有这些资源，所以他们有必要与其他国家协作。

听众：你花了许多时刻帮年轻人发明财富，对这件事很有热心。对在座的同学们职业生涯的这个阶段以及未来，有什么主张吗？

Eric Schmidt：我对你们快速展现新主意的才干形象深入。在我参加的一个黑客松中，制胜团队的使命是让无人机在两座塔之间飞翔。他们在一个虚拟无人机空间里反抗了这个使命，让无人机了解了「在…之间」的意思，用 Python 写了代码，在模拟器中成功让无人机穿过了塔楼。假如是专业程序员来做这件事，或许需求一两周的时刻。

我要说的是，快速制造原型的才干的确十分重要。作为企业家，问题之一便是陌生都发生得十分快。现在，假如你不能在一天内运用各种东西做出原型，你就得好好想想了，由于你的竞赛对手能反抗。

所以我的主张是，当你开端考虑创业，写一份商业方案是好的，你应该让电脑帮你写商业方案，用这些东西快速将你的主意转化为原型是十分重要的。由于能够必定的是，在另一家公司、另一所大学或许你从未去过的当地，有人也在做相同的事。

告发/反应