最近ChatGPT大火，通过一些方式找到了一些账号体验，使用之后，发现并没有网上吹嘘的那么厉害：仔细一看，是一堆看似有用的废话，这其实是对它最基础的使用方式不了解造成的；正如搜索引擎一样，什么知识和内容都可以在网上找到，但怎么用是天差地别的；ChatGPT最主要的一点是：它可以联系上下文，这是深层次的，也是非常有趣的一点，这是一把打开神奇世界的钥匙；第一步，提供基础信息：第二步，再继续告诉它目标：第三步，问它具体的行动指导内容：如果你觉得有些地方不好，直接告诉它，让它调整：最后，输出形式也可以要求，让它用表格的形式输出，方便自己直接使用：这样用，是不是觉得很神奇，完全像是一个专业的人给你专业的建议；总的来说，使用ChatGPT的感受，有些震撼，这个东西有点强；举报/反馈

ChatGPT强大的人工智能 chatgpt部署ai应用

chatgpt是什么意思,chatgpt怎么用,chatgpt注册,chatgpt中文
如何理解 Prompt ？ Prompt Enginneering prompt 通常指的是一个输入的文本段落或短语，作为生成模型输出的起点或引导。prompt 可以是一个问题、一段文字描述、一段对话或任何形式的文本输入，模型会基于 prompt 所提供的上下文和语义信息，生成相应的输出文本。 举个例子，对于一个语言模型，prompt 可以是 "The cat sat on the"，模型可以通过对接下来的词语进行预测，生成类似于 "mat"、"chair"、"sofa" 等不同的输出： ? ?The Cat 上图为 Stable Diffusion 生成 (Prompt: The cat sat on the , Steps: 30, Sampler: Euler a, CFG scale: 7, Seed: 234310862, Size: 512x512, Model hash: d8722b4a4d, Model: neverendingDreamNED_bakedVae) Prompt 在人工智能语言生成领域中扮演着重要的角色，因为它可以帮助模型更好地理解用户意图，并生成更准确、有意义的文本内容。诸如于如下的 prompt women back view without face, flowing dress, edge of the sea, backview, back turned to the camera, upon the glow of the setting sun, sun below the horizon, golden light over the water, hair sways gently, Chinese style clothes, black hair, 可以在 Stable Diffusion 生成图片（配置了 negative prompt）： 所以，质量看上去不错，但是可能不是你想要的。在 ChatGPT 则可以生成文本，质量上也是相似的，但是对于 AI 输出的文本来说，质量并没有这么直观。 应用好 Prompt 的核心思想：概念与类比 开始之前，可以看一下这个问题示例： 设计模式的要素是哪些？ 对于 AI 领域的 prompt 编写来说，我们通常使用的模式有哪些？ 能将 AI 领域的 prompt 常见的设计模式用 "设计模式要素" 的格式一一表达吗？ 核心思想，将设计模式要素作为一个概念，让 AI 类比到 prompt 里的模式。详细见： design-pattern.analogy design-pattern.analogy2 当然了，类比和定义概念不一定都会成功。 基础模式 四种基础模式： By example (示例模式)：在这种模式下，我们给模型提供一些示例文本，模型需要生成与示例文本类似的文本。这种模式通常用于生成类似于给定示例的文本，例如自动生成电子邮件、产品描述、新闻报道等。示例文本可以是单个句子或多个段落，具体取决于任务的要求。 By instruction template (指令模板)：在这种模式下，我们给模型提供一些明确的指令，模型需要根据这些指令生成文本。这种模式通常用于生成类似于技术说明书、操作手册等需要明确指令的文本。指令可以是单个句子或多个段落，具体取决于任务的要求。 By specific (特定指令)：在这种模式下，我们给模型提供一些特定信息，例如问题或关键词，模型需要生成与这些信息相关的文本。这种模式通常用于生成答案、解释或推荐等。特定信息可以是单个问题或多个关键词，具体取决于任务的要求。 By proxy（代理模式）：在这种模式下，可以充当了一个代理，代表某个实体（例如人、角色、机器人等）进行操作或交互。代理模式的核心思想是引入一个中介对象来控制对实际对象的访问，从而实现一定程度上的隔离和保护。诸如于在 ChatGPT 中，"act as xxx" 可以让 ChatGPT 充当一个代理，扮演某个角色或实体的身份，以此来处理与该角色或实体相关的任务或请求。 By specific Prompt Enginneering 在这种模式下，我们给模型提供一些示例文本，模型需要生成与示例文本类似的文本。这种模式通常用于生成类似于给定示例的文本，例如自动生成电子邮件、产品描述、新闻报道等。示例文本可以是单个句子或多个段落，具体取决于任务的要求。 如?、?，以我们的开头来说： 定义一下 prompt 工程 类似的场景还可以有： 翻译一下：永和九年，岁在癸丑，暮春之初，会于会稽山阴之兰亭，修禊事也。 转为现代汉语：永和九年，岁在癸丑，暮春之初，会于会稽山阴之兰亭，修禊事也。 对应的，还有一系列的子模式 子模式 如我们通过下面的 prompt 转换了 ChatGPT 输出的子模式： 转化为 markdown 的 """?""" 表格形式，其中的字段为英语模式、中文、简述、示例。 表格示例： By Instruction Template Instruction 在这种模式下，我们给模型提供一些明确的指令，模型需要根据这些指令生成文本。这种模式通常用于生成类似于技术说明书、操作手册等需要明确指令的文本。指令可以是单个句子或多个段落，具体取决于任务的要求。 如下是一个示例： 输出文本时要注意中英文之间插入空格，留出间隔，诸如于 """Hello 你好"""，用这种方式输出一下刚才的文本： By proxy Proxy Proxy 模式是指用户可以要求 ChatGPT 以特定的身份、角色或者身份扮演某个特定的人、角色或对象来生成回答。这种模式通常用于模拟某个特定人物的语言风格和语境，生成特定情境下的对话、回答或其他形式的文本。 例子 1：公司客服 当使用 ChatGPT 来代替某个人或实体时，可以使用 by proxy 模式。 例如，可以使用以下 prompt 提问 ChatGPT 代替某个公司的客服： 我是一家餐饮公司的客服，有顾客反馈说我们的菜品质量有问题，我们该怎么处理呢？ 在这种情况下，ChatGPT 会扮演客服的角色，并根据提示来回答，从而帮助公司解决问题。ChatGPT 可以使用类似以下的方式来回答： 您好，很抱歉听到您的反馈。我们将会仔细审核您的反馈，并尽快采取相应措施来解决这个问题。为此，我们需要更多的信息来进一步了解您的反馈，包括哪些菜品有问题，具体问题是什么等。请问您可以提供更多的信息吗？ 例子 2：终端计算机 这种方式可以通过让 ChatGPT 扮演某个实体的角色，例如客服、销售代表等等，来帮助用户解决问题。 在 Awesome ChatGPT Prompts 中： Human: Act as a Linux Terminal Robot: ChatGPT: I want you to act as a linux terminal. I will type commands and you will reply with what the terminal should show. I want you to only reply with the terminal output inside one unique code block, and nothing else. do not write explanations. do not type commands unless I instruct you to do so. When I need to tell you something in English, I will do so by putting text inside curly brackets . My first command is pwd By demonstration 在这种模式下，我们给模型提供一些特定信息，例如问题或关键词，模型需要生成与这些信息相关的文本。这种模式通常用于生成答案、解释或推荐等。特定信息可以是单个问题或多个关键词，具体取决于任务的要求。 示例： 例子 2： 上图为 Cohere AI 官网的示例图，对应的聊天记录如下： 增强 Prompt 再生成模式 当我们无法确定我们的 prompt 是否准确，便可以通过 AI 来帮我们丰富 prompt 。如我在：基于编程、绘画、写作的 AI 探索与总结?的例了一样 phodal: 我想写一段话描述一张照片，帮我美化一下：一年轻女子穿着裙子，背对着镜头，在海边看着日落，太阳已经到地平线下面了，她的头发在风中飘动。 ChatGPT: 这张照片中的场景令人心醉，一位年轻女子穿着一条裙子，站在海边，背对着镜头，凝视着地平线下的夕阳。太阳已经沉入了海面，一片金黄色的光芒在海面上弥漫，照亮了整片海洋，仿佛这个时刻被定格在了时间的某个角落里。女子的头发随着微风轻轻飘动，轮廓被余晖映照得柔和而温暖。她的目光凝视着远方，仿佛在思考着生命的意义和无尽的未来。这张照片中蕴含着一种深刻的内涵，让人感受到时间和自然的力量，也让人思考着自己在这个宏大而美丽的世界中的角色和意义。 再去除掉不合适的词，进行润色，就可以再创作： phodal：翻译成英语 然后再提炼直至扔至 Stable Diffusion 中： women back view without face, flowing dress, edge of the sea, backview, back turned to the camera, upon the glow of the setting sun, sun below the horizon, golden light over the water, hair sways gently, Chinese style clothes, black hair, 而后，根据图片的结果，我们再反复修改。 控线模式 TODO：这里需要给出更精准的定义，如何让 ChatGPT 做到？ 在没有推出 ControlNet，对于一个 Stable Diffusion 玩家，它需要反复地吟唱咒语，才能获取到满意的图案。 在有了 ControlNet 之后，我们可以创建一个 Openpose，或者是导入图片从图片生成 pose，相当于是给机器一个示例，而后生成的图片就会有令人满意的姿势： 在 GitHub Copilot，我们可以通过设置输入和输出，结合函数名三个要素，Copilot 就能生成大致准确的代码： GitHub Copilot 示例 而在必要的情况下，添加一下注释就能更完整了： 生成的代码会更贴近我们的需求。 拆解 对于复杂问题，ChaGPT 无法一次性输出全部内容，需要进行拆解。 已知问题：ChatGPT 当前版本会丢失上下文。 完整过程见：DDD Sample 概念模式集 概念对齐 如在 ChatGPT 中对于自举的理解是不符合我们这里的需求： Bootstrap 第一步，定义 phodal：自举是指就编译器可以自行编译自己的编译器。实现方法就是这个编译器的作者用这个语言的一些特性来编写编译器并在该编译器中支持这些自己使用到的特性。 第二步，试探 phodal：将自举应用在游戏领域，应该是怎样的？ 第三步，确认理解： 那么，抽象一下我们新定义的自举？ 总结 最后一问： 自举 PS：mmp，他一定是故意的。 类比模式集（待定） 该模式集关注于如何让 AI 再学习理解新的内容，生成内容？ 模板方法 模板方法模式是一种行为型模式，它定义了一个操作中的算法骨架，将某些步骤延迟到子类中实现，从而使得子类可以在不改变算法结构的情况下重新定义算法中的某些步骤。 在接下来的例子中，我们会创建一个 muji 游戏中。在游戏的实现可以分为多个步骤，例如初始化游戏、生成随机数、获取用户输入、计算得分等等，而这些步骤可以通过模板方法模式来进行实现。 在这个游戏里，我们结合了几种不同的模式： Instruction：让 ChatGPT 创建了一个名为 wula 的游戏，并定义了游戏的步骤。 Specific：让 ChatGPT 用 JavaScript 编写一个程序 Proxy：让 ChatGPT 作为 JavaScript Console 执行程序，并返回结果。 Specific：让 ChatGPT 做总结 Demonstration：提供了一个示例，让 ChatGPT 理解游戏的步骤。 自举模式 自举的核心思想是利用一组基础工具和材料来构建和生成一个新的工具或系统，从而逐步替代掉原有的基础工具和材料。在这个过程中，新的工具或系统会逐渐变得更为高效和强大，从而实现对原有基础工具和材料的完全替代。 再看 Muji Sample 其它 人类如何思考问题？ 人类相对于其他动物更擅长于类比、概念抽象、符号化等高级认知活动，这些认知活动可以帮助人类在面对新问题时，从已有的知识和经验中找到相似的部分，快速理解和解决新问题。 而对于机器来说，机器学习算法通过大量的数据和计算，学习到数据中的规律和模式，并将这些规律和模式应用到新的数据中，从而实现预测和决策等功能。例如，机器学习算法可以通过大量的图像数据学习到图像的特征，并在新的图像中识别出相应的物体；也可以通过大量的自然语言数据学习到语言的规律，从而生成自然语言文本。

马斯克谈openai面目全非 马斯克投资openai花了多少钱

马斯克讨论,马斯克访谈2020,马斯克认怂,马斯克直言
2016年9月，现今OpenAI CEO，ChatGPT之父，时任创投公司Y Combinator的总裁Sam Altman在特斯拉加州弗里蒙特工厂采访了埃隆・马斯克。马斯克阐述了创建OpenAI的初衷，以及就他而言，对于未来最为重要的五件事。这是OpenAI的两位联合创始人之间的一次对话，按某位油管读者的评论，宛如“成名前的科比访谈乔丹”。2015年12月Sam Altman和埃隆・马斯克等六人，亚马逊AWS，Infosys，以及YC Research共同宣告OpenAI成立，并注资10亿美元。2016年9月本次访谈。Sam Altman时任创投公司Y Combinator的总裁。特斯拉4月刚发布Model 3新车型，正在搭建自动产线，老马即将深陷“产能地狱”。2018年马斯克退出OpenAI董事会席位，声称因他同时担任特斯拉CEO，开发基于人工智能的自动驾驶技术，而可能有“潜在的利益冲突”。2019年OpenAI从非营利组织转变为“有限盈利”的营利组织。2020/2021/2022年OpenAI相继推出GPT-3模型，DALL-E（通过文本生成图片），ChatGPT等产品。就最有可能影响人类未来的事情而言，我认为人工智能可能是短期内最重要的事。我认为，遗传学可能是第二重要的事。25年前，我认为最重要的（五件）事是：让生命跨越行星，加速向可持续能源的过渡，广义上的互联网，然后是遗传学和人工智能。这就是为什么，创造一些能带来巨大变化的东西，影响少量到中等数量的人，这很棒。但即使只带来了很小的变化，如果能影响大量的人，也一样出色。如果人们认为，每一年技术都会自动进步，那么，事实并非如此。只有聪明的人们疯狂地工作，努力让它变得更好，它才会进步。这就是任何技术得以进步的真正方法。我认为你应该永远记住，熵并不在你这边。我并不是没有恐惧感，我的感觉很强烈。但有时，当一件事足够重要，你足够相信它，你就会不顾恐惧，放手去做。我认为，风险并不在于人工智能会源于邪恶而发展出自我意志。令人担心的是，某些人可能会拿它来干坏事，而即使他们不打算拿它来干坏事，也会有人把它拿走，然后用它来干坏事。我认为我们必须实现人工智能技术的民主化，并让它能广泛使用。而这显然就是整个团队创建OpenAI的原因。如果我们能改善大脑皮层和“数字化扩展的你”之间的脑机接口，有效地与人工智能融合，你事实上就成了一个人工智能和人类的共生体。如果这个方案能被广泛获取，任何人都可以拥有它，那么我们也就解决了控制权问题。我们不必再担心某个邪恶的独裁人工智能，因为整体而言我们就是人工智能。Sam：今天我们请到了埃隆・马斯克。埃隆，感谢你接受采访。埃隆：感谢你邀请我。Sam：今天，我们想花点时间谈谈你对未来的看法，以及人们应该往哪些方面努力。首先，你能否告诉我们，你年轻时曾说过一句著名的话，你认为，对你来说，有五个问题是需要从事的最重要的工作。如果你今天回到22岁，你会想要解决的五个问题是什么？埃隆：嗯，首先，我认为如果某人在做一些对社会其他人有用的事情，这就是件好事，不一定需要改变世界。如果你做的事情对人们来说有很高的价值，坦率地说，即使只是一个小游戏，或者只是照片分享的某种改进，如果它对于大量的人群能带来少量的好处，我认为这就很好。并不一定非得要改变世界，才算是好事。但是，就最有可能影响人类未来的事情而言，我认为人工智能可能是短期内最重要的事。重要的是，我们让人工智能以良好的方式到来，让你如果能透过水晶球看到未来，你会欣喜那样的结果，因为就如我们多次讨论的，这件事可能会出错。我们的确需要确保它以正确的方式发展。人工智能，致力于人工智能，并确保它的未来很美好。这是我认为目前最重要，最紧迫的事情。然后，显然是任何与遗传学有关的事情。如果你能真正解决遗传性疾病，如果你能通过基因重新编程，预防痴呆症或阿尔茨海默氏症，这就太棒了。我认为，遗传学可能是第二重要的事。我认为，需要拥有一个高带宽的大脑接口，因为我们目前带宽有限。我们有一个数字化的“第三级自我”，以电子邮件、电脑、电话、应用程序的形式存在。实际上，我们已经是超人了。但我们的大脑皮层和第三级数字形式的自我之间，在接口上的限制相当糟糕。我认为，帮助解决这一带宽限制，对于未来也是非常重要的。Sam：雄心勃勃的年轻人最常问的问题之一是，我想成为下一个埃隆・马斯克，怎样才能做到这一点？显然，下一个埃隆・马斯克将从事和你非常不同的事情。但你的哪些过往经历，你年轻时做过些什么，对你产生了巨大的影响？埃隆：嗯，首先，我应该说，我并不期望参与所有这些项目。大学期间，那已经很久了，25年前，我认为最重要的事是：让生命跨越行星，加速向可持续能源的过渡，广义上的互联网，然后是遗传学和人工智能。我想，我并不期望自己参与所有这些项目。事实上，在读大学的时候，我想过，我会从帮助汽车向电动化转变开始。而实际上，我实习时所从事的工作，就是高级的超级电容，看看对于汽车的能量存储来说，是否相对于电池会是一个突破。然后，当我去斯坦福的时候，这也是我原本要做的研究生课题，研究电动汽车的最新储能技术。而我搁置了学业，在95年创办了一家互联网公司。因为对于某些特定技术来说，当时似乎的确处于曲线的一个拐点。而我并不想只是在斯坦福大学读博士，然后看着这一切发生，我也并不完全确定我所研究的技术是否真的会取得成功。正如你可以攻读很多方向的博士学位，但最终也没对世界产生实际的影响。而我只是想成为一个有用的人。这就是一个优化问题，我能做些什么才会真正有用？Sam：你认为今天想成为有用的人，需要读取博士学位吗？埃隆：大多数情况下，并不需要。有些情况需要，但大多数情况并不需要。Sam：那么，怎么样才能成为有用的人呢？人们应该如何寻求让自己成为最有用的人的方式？埃隆：不管你想创造的是什么，与当前技术水平相比的实用性提升是多少，乘以会影响的人数。这就是为什么，创造一些能带来巨大变化的东西，影响少量到中等数量的人，这很棒。但即使只带来了很小的变化，如果能影响大量的人，也一样出色。这就像曲线之下的面积。是的，没错，这两种情况，曲线下的面积其实大致相似。是的，努力成为有用的人，有影响的人。Sam：然后，当你努力估算成功的概率，你会说，这件事非常有价值，曲线下的面积颇为可观。我想举SpaceX的例子，当你决定要做这件事的时候，在当时，这是一件非常疯狂的事情吧？埃隆：当然，非常疯狂。人们对此并不确定，但我同意，我同意他们的看法，这很疯狂。如果目标是实现经风险因素调整后最好的回报，创办一家公司的确是疯狂的，但那并不是我的目标。显然我的结论是：如果不做些什么改进火箭技术，我们将永远困在地球上。而当时，大型航空航天公司对于激进的创新毫无兴趣，他们所想要做的，只是努力让他们的旧有技术每年进步一点点。而事实上，有时他们的技术甚至会变得更糟。特别是在火箭方面，情况相当糟糕。69年，我们还能用土星五号登月。然后，航天飞机只能把人带到低地球轨道上。然后，航天飞机退役了。我是说，这个趋势，基本上就是趋向于零。如果人们认为，每一年技术都会自动进步，那么，事实并非如此。只有聪明的人们疯狂地工作，努力让它变得更好，它才会进步。这就是任何技术得以进步的真正方法。而就技术本身而言，如果人们并不努力工作，它就会退步。你可以看看文明的历史，众多文明，比如古埃及。他们当时能够建造这些神奇的金字塔，然后，他们基本上忘记了如何建造金字塔，再然后，他们也忘记了如何阅读象形文字。再看看罗马人，他们当时能够建造这些神奇的道路、水渠和室内管道，而他们后来忘记了如何建造所有这些。历史上有很多这样的例子。我认为你应该永远记住，熵并不在你这边。Sam：我很喜欢你的一点，是你异常的无畏，别人说的疯狂的事，你也愿意去做。我认识很多相当疯狂的人，但你仍然很突出。这一点从何而来？或者说，当所有人都告诉你这是一个疯狂的想法时，你是如何做出决定的？或者，你是从哪里得到了内在的力量，去做这样的决定？埃隆：嗯，首先，我想说的是，我其实认为我对恐惧的感受相当强烈。我并不是没有恐惧感，我的感觉很强烈。但有时，当一件事足够重要，你足够相信它，你就会不顾恐惧，放手去做。人们不应该这样想：嗯，我对这件事感到恐惧，我就不应该去做。感到恐惧是正常的，如果你不感到恐惧，那一定是你的心理有某种问题。Sam：你就感受着恐惧，然后让事情的重要性驱动你动手去做。埃隆：事实上，在某种程度上，宿命论有所帮助。如果你接受了概率，那么，这就能减少你的恐惧。当创建SpaceX时，我认为成功的几率不到10%。而我接受了这一点，事实上，我很可能会失去一切。但是，如果能向前推进的话，也许我们会取得一些进展。即使我们倒闭了，也许其他公司会接过接力棒，继续向前推进，这仍然是一件好事。是的，特斯拉也一样。我当然认为，一家汽车公司获得成功的几率极低。Sam：当前，你认为建立火星殖民的概率有多高？埃隆：嗯，奇怪的是，我认为概率还挺高的。Sam：那我什么时候可以去火星呢？埃隆：好吧，当前，我确定有一个办法，我确定对于建立一个自给自足，不断发展的火星殖民地而言，成功有可能的，我确定这是有可能的。而甚至几年前，我都还不确定是否有成功的可能性。送足够数量的人去火星，我认为这件事有可能可以在大约10年内完成。也许更快，也许9年。在那之前，我需要确保SpaceX公司不会倒闭，而且我不会死去，或者如果我死了，有人会接手能继续这件事。Sam：你不应该跟随第一次发射去火星。埃隆：没错。不过反正第一次发射肯定是不载人的。Sam：我想去火星，但我受不了网络延迟。埃隆：是的，网络延迟会很明显。火星离太阳约12光分，而地球是8光分。地球和火星的最近距离是4光分，最远是20光分。会略多一些，因为你们不能直接对着太阳通话。地球和火星轨道的相对关系Sam：说到真正重要的问题，人工智能，你一直对人工智能直言不讳。你能谈谈人工智能的积极未来是什么样子吗，以及我们如何实现这一未来？埃隆：好的，我想强调下，并不是我这样倡导，也不是什么条条框框，这纯粹只是一个预测。因为有时人们会说，这是我所希望发生的事情，而不是说，这是现有替代方案中，我认为可能最好的方案。我可以想出的最好替代方案，也许也是其他人可以想出的最好方案，就是：我们实现人工智能技术的民主化。也就是说，没有任何一家公司或一小部分人能控制高级人工智能技术。我认为那是非常危险的状况。它也可能被某些坏人偷走，比如，某些邪恶的独裁者或国家可能会派情报机构偷取它，并获得控制权。一旦你获得了极其强大的人工智能技术，就会变成一个非常不稳定的状况，你就不知道，谁会来掌控它。我认为，风险并不在于人工智能会源于邪恶而发展出自我意志。令人担心的是，某些人可能会拿它来干坏事，而即使他们不打算拿它来干坏事，也会有人把它拿走，然后用它来干坏事。我认为，这个危险相当的大。因此，我认为我们必须实现人工智能技术的民主化，并让它能广泛使用。而这显然就是整个团队创建OpenAI的原因。那就是，帮助传播人工智能技术，这样，它就不会被集中在少数人的手中。但当然，这需要与解决大脑皮层的高带宽接口相结合。Sam：人类是如此的迟缓。埃隆：人类是如此的迟缓，是的，没错。但是，我们的大脑已经具备了大脑皮层和边缘系统。边缘系统就像是一个原始的大脑，它就像是你的本能。然后，大脑皮层是负责大脑思维的一个部分。这两个系统似乎可以很好地协同工作。偶尔，你的大脑皮层和边缘系统会有分歧，但一般来说，它们都能很好地协同工作。我还没有发现有人想要切掉他们的大脑皮层或他们的边缘系统的。Sam：没错。埃隆：是的，这很不常见。如果我们能改善大脑皮层和“数字化扩展的你”之间的脑机接口, 有效地与人工智能融合，正如我所说，“数字化扩展的你”已经存在，只是有带宽问题，然后，你事实上就成了一个人工智能和人类的共生体。如果这个方案能被广泛获取，任何人都可以拥有它，那么我们也就解决了控制权问题。我们不必再担心某个邪恶的独裁人工智能，因为整体而言我们就是人工智能。这似乎是我能想到的最好结果。Sam：你看到过很多其他公司，从小规模起步，并获得了真正的成功。希望我不至于忘记在镜头前问这个问题，作为一家成立六个月的公司，你认为OpenAI的进展如何？埃隆：我认为它的进展挺好的。我认为，我们在OpenAI有一个非常有才华的团队。是的，非常非常有才华的团队，他们工作非常努力。OpenAI的结构是一个501c3非营利组织。许多非营利组织都没有紧迫感，这没问题，他们不需要有紧迫感。但是OpenAI有，因为人们真正相信它的使命。我认为这很重要，这个使命是关于将未来的生存伤害风险降到最低。我认为它的进展挺顺利，对于人们在做的事和人才的水平，我的印象很深。显然，我们一直在寻找相信这个使命的优秀人才加入。Sam：接近40人了。好的，在我们结束之前，还有几个问题，你的时间是怎么分配的？你的大部分时间花在哪里？埃隆：我的时间主要是花在SpaceX和特斯拉。当然，我努力每周花一些时间在OpenAI上。基本上，大多数星期我都会花半天时间在OpenAI上。然后，周中也会有一些OpenAI的事务。但除此之外，基本就是SpaceX和特斯拉。Sam：那么，在SpaceX或特斯拉时，你会做些什么？你的时间主要花在哪里？埃隆：这是个好问题。我想，很多人认为我一定花了很多时间在媒体或商业的事务上。但其实，我几乎所有的时间，80%的时间是花在工程和设计上，工程和设计。开发下一代产品，花了我80%的时间。Sam：你可能不记得这件很久以前的事情了，很多年前，你带我参观了SpaceX。最令人印象深刻的是，你了解火箭和工程技术的每一个细节。我不认为很多人能做到这一点。埃隆：是的，我想，很多人认为我是商人或之类的身份，没问题。但在SpaceX，格温・肖特维尔是首席运营官，她负责管理法务、财务、销售和日常的商业活动。然后我的时间几乎完全花在工程团队上，致力于改进猎鹰9号和龙飞船，并开发火星殖民架构。然后，在特斯拉，是从事Model 3的工作。有时在设计工作室，通常每周半天，处理美学，界面外观的问题。然后一周的大部分时间是跟进汽车本身的工程工作，以及工厂的工程工作。我今年最大的感受是，真正重要的，是生产机器的机器，也就是工厂。而这至少比汽车本身难两个数量级。Sam：看着机器人在这里工作，而这些车就这样被造出来了，这真是不可思议。埃隆：是的，与即将建成的超级工厂和Model 3产线相比，这里的自动化程度算低的。Sam：这些汽车在生产线上的行进速度是多少？埃隆：事实上，生产线的平均速度是很慢的。包括X和S，可能也只有每秒5厘米，很慢。Sam：那你的目标是多快？埃隆：我相信我们至少可以达到每秒1米，提速20倍。Sam：这就很快了。埃隆：是的，这少这个速度。我认为可以这么看，每秒1米是慢速行走，或者说是中速行走。快速行走是每秒1.5米。然后，速度最快的人类可以每秒跑超过10米。如果我们每秒只前进0.05米的话，那真的是非常慢。而每秒1米，你的步行速度仍然可以比生产线快。本文来源：瓦砾村夫举报/反馈