他预测AGI只剩18个月,却把重心放在“防止人类躺平”
如果AGI来得比你想象中更快,真正的风险可能不是“机器统治人类”,而是人类失去自我照顾的能力。这期对话里,David Shapiro一边给出激进的AGI时间表,一边却把全部精力押在AI对齐、激励结构和人类未来的“软问题”上。
如果AGI来得比你想象中更快,真正的风险可能不是“机器统治人类”,而是人类失去自我照顾的能力。这期对话里,David Shapiro一边给出激进的AGI时间表,一边却把全部精力押在AI对齐、激励结构和人类未来的“软问题”上。
一边是美国考虑进一步封锁AI芯片出口,一边是中国公司高调宣称模型超越GPT-4,而OpenAI和Google却在同一时间悄悄加速产品落地。真正的AI竞争,早已不只是模型参数的对决。
Databricks 13亿美元收购 MosaicML,只是一个开始。真正的变化是:企业不再迷信“最强大模型”,而是集体转向“可控、私有、可定制”的 AI 路线。这场并购潮,正在悄悄重塑 AI 的权力结构。
只用“拖一拖”就能精修图片的 DragGAN 开源了;一家不做代码的模型,宣称已站到 GPT-3.5 同一量级;与此同时,Midjourney、YouTube、Google Sheets 同时升级。这不是零散新闻,而是一条正在加速的产业曲线。
在所有人高喊大模型、Scaling Law 的Figma Config现场,一位MIT科学家却当众泼冷水:真正决定AGI上限的,不是参数量,而是人类大脑本身。这场关于脑机接口与下一代用户界面的演讲,信息密度高到让AI从业者坐立不安。
如果你还认为“写代码”是少数工程师的专利,这场演讲会直接推翻你的认知。Replit CEO Amjad Masad 在 Figma Config 现场抛出一个激进判断:大语言模型正在把“软件开发”变成一种人人可参与的创作行为,而这不是未来,而是正在发生。
当所有人都在问“生成式 AI 会不会取代创作者”时,Ovetta Sampson 在 Figma Config 的舞台上给了一个反直觉答案:真正该紧张的不是人类,而是机器。她用70年的 AI 演进史、神经科学和一连串跨界故事,拆穿了这场被夸大的“创意末日论”。
当大家还在卷模型参数时,Sam Altman已经把目光投向“AI应用的分发权”。与此同时,更小的数据集击败大模型、新版图灵测试、地下芯片市场同时登场——这不是零散新闻,而是一场AI权力结构的重组。
一项新研究给出了一个残酷但清晰的数字:大语言模型在数据标注上,比人类快20倍、便宜7倍,而且还更准。这不是单点突破,而是一连串信号——从程序员到音乐人,从欧盟立法者到广告公司,所有人都在同一周感受到了AI的“真实冲击波”。
只用一句自然语言提示,就能生成一个“能跑起来”的完整代码库——GPT Engineer在GitHub三天狂揽上万Star。这不是又一个AI玩具,而是把“自动化写代码”和“自主AI Agent”两股浪潮真正拧到了一起。