中国和美国争夺人工智能专家 - 彭博社
Tracy Alloway, Joe Weisenthal
百度公司在中国深圳举办的创造大会上,展示了一座人工智能(AI)机器人雕塑。
摄影师:Qilai Shen/Bloomberg 人工智能现在非常流行。数十亿美元正在涌入这个领域,大大小小的公司都在竞相打造下一个大事件。但是,除了大量资金,构建新的AI模型还需要顶尖的研究人员。那么,谁吸引了最优秀的人才呢?以及在人工智能领域被认为是顶尖人才需要什么条件?在这一集中,我们与宏观智库MacroPolo的董事总经理Damien Ma进行了交谈,宏观智库是保尔森研究所的内部智库。Damien帮助制作MacroPolo的全球人工智能人才追踪器,该追踪器监测全球顶尖人工智能研究人员的流动。我们讨论到目前为止谁在赢得人工智能人才战,中国所谓的人才流失,来自印度的竞争,以及更多内容。本文已经经过轻微编辑以提高清晰度。

收听 • 41分钟32秒
Odd Lots: 谁在赢得全球人工智能人才争夺战(播客)
41分钟32秒
**播客中的关键见解:**追踪人工智能人才 — 4:28顶尖20%与顶尖2%的人工智能人才 — 6:48什么是一个真正优秀的人工智能工程师 — 7:21人工智能人才来自哪里,他们又去了哪里? — 8:49美国人工智能人才和移民 — 12:15中国国内人工智能人才 — 14:20人工智能人才劳动市场有多紧张? — 16:42中国扩大人工智能研究生项目 — 18:36中国互联网公司和人工智能 — 20:08人工智能是否会加剧中美竞争? — 22:27中国国内关于人才战的言论? — 24:18美国大学是否增加了人工智能研究能力? — 27:04人工智能技术技能是否会在不久的将来被自动化? — 28:29计算能力是否是人工智能公司的招聘策略? — 30:47
---
**特雷西·阿洛维(**00:17):**大家好,欢迎收听另一期Odd Lots播客。我是特雷西·阿洛维。
**乔·韦森塔尔(****00:22):**我是乔·韦森塔尔。
**特雷西(**00:23):**乔,你看过三体吗?
**乔(****00:25):**没有,但我真的很想看,我也没读过这本书,所以以防你要问,我没有。我也想做到这一点。我打算在某个时候。
**特雷西(**00:33):**我的精心制作的开场白就泡汤了,我们谈论三体问题。好吧,这也可以。
众所周知,除了乔之外,世界上有两种人,当涉及到三体问题时。有些人将其视为气候变化的寓言。因此,人类团结起来对抗一个共同的威胁,而在这种情况下,由于你没读过这本书,这个威胁是外星人入侵。
**乔(****00:59):**一个外星文明。我周末的一个朋友告诉我两个情节。
**特雷西(****01:04):**好的。是的,好的。还有一些人将其视为美中贸易或技术战的寓言。因此,人类正在对抗一个技术上更先进的对手,在这种情况下,我猜地球是中国,而外星人是美国。好吧,今天我们坚定地站在第二个阵营。我们将讨论美中在技术领域的竞争,特别是技术的一个领域:人工智能。
**乔(****01:36):**显然,人工智能,人工智能,人工智能,每个人都在谈论它。我们不太清楚它将走向何方,但我们知道与此同时有几件事,人们正在疯狂地花钱购买芯片,但他们也在疯狂地花钱雇佣人才。
任何能够从事人工智能前沿研究的人,根据我阅读的文章来看,他们基本上可以选择想要工作的地方,也可以选择自己的薪水。几周前,《信息》上有一篇很棒的文章讲述了Facebook雇佣顶尖研究人员甚至不需要面试。就好像,如果你懂这些东西,有人会雇佣你并付给你很多钱。
**特蕾西(****02:11):**是的。在这个领域我有很多问题。首先,谁是人工智能人才?或者什么是人工智能人才?他们从哪里来?是与软件工程师相同,只是拥有稍微不同的专业领域吗?我真的不知道。
然后,我很好奇工作的可替代性有多大。根据你刚才说的,以及公司在没有面试的情况下进行招聘,以及需求如此强劲,似乎你可以在任何地方从事人工智能工作,无论是在中国、美国还是世界其他地方,或者是在一个特定公司还是另一个公司。但在这场人工智能人才战中,我有很多问题,我想你可以这么说。
**乔(****02:52):**完全正确。还有两件事。所以我认为自己有点人工智能人才,因为我觉得我在想出ChatGPT提示方面做得相当不错。
**特雷西 (****02:58):**实际上你是。听众们,我从观察乔输入他的提示中学到了很多。我仍然觉得你说“请”和“谢谢”非常讨人喜欢。
**乔 (****03:07):**当人工智能变得有意识时,说“请”和“谢谢”就变得很重要。但除此之外,还有另一个因素,你已经提到了,很明显,出于某种原因,各国将人工智能几乎视为商品。
这个行业正在推动一种叙事,也许只是为了销售芯片或订阅OpenAI的API等。但似乎有这样一种叙事,即每个国家都必须拥有某种本土人工智能战略或数据中心之类的东西。就像,这项技术似乎引发了政治和民族主义焦虑。
**特雷西 (****03:52):**是的,我认为这绝对是真的。我们又回到了《三体》的地缘政治紧张点。但是,我很高兴地说,我们事实上有了一个完美的嘉宾来谈论所有这些。
我们将与马大为进行对话,他是宏观智库MacroPolo的董事总经理,该智库隶属于保尔森研究所,他们发布了一个名为 全球人工智能人才追踪器的项目。实际上追踪人工智能人才的来源、数量以及去向。
大家好,感谢您参加Odd Lots。
**Damien Ma(****04:26):**非常感谢。很高兴来到这里。
**Tracy(****04:28):**你们做这个人才追踪项目有多久了?这个项目的起源是什么?因为对我来说,ChatGPT和所有的聊天机器人似乎几乎是在一年前突然出现的。那么你们是如何早期开始追踪人工智能的?
**Damien(****04:43):**嗯,最初的构想是,我们认为一个强大的人工智能生态系统或人工智能行业需要什么?我们认为有三个关键要素。
显然,你需要计算能力,比如芯片和基础设施。你需要大量的训练数据。数据现在显然随处可见,我们认为人们没有太多考虑的最后一块是人力资本,因为这是一个非常依赖人力资本的领域和学科,因为它非常复杂和复杂,你需要经过高度训练的人才才能做到。
所以我们想,没有人真正关注人力资本方面的事情,有没有办法做到这一点?然后我们发现了一个在人工智能社区中被广泛认为是最负盛名的会议。因此,我们研究了参加那次会议的论文和研究人员。这是在2020年。
在大流行期间,我们首次推出了最初的追踪器,这给了我们一个想法,这是全球顶尖AI人才的代理,这不是所有的AI人才,也不是全世界的所有人,而是真正的全球顶尖20%。在其中,还有顶尖的2%。因此,我们真正关注的是精英人才,这可能是最激烈争夺的人才类型,因为人们想要顶尖人才。
**乔 (****06:03):**很快,会议是什么?
**达米安 (****06:04):**它叫做NeurIPS。我想这是一个每年举办一次的会议,但我们并没有每年都追踪。我们追踪了2020年,然后再次追踪,并查看了2022年。我们试图看看,在经历了三年的大流行病之后,是否有任何变化,以查看是否存在不同的流动模式?
这是一个主要关注神经网络、大型语言模型以及目前正在推动生成式人工智能前沿的许多内容的会议。因此,我们认为这些人可能是想要为谷歌、OpenAI和百度等公司工作的人。
所以这似乎是一个很好的样本。再次强调,我们并不假装这是全面的,但它确实是精英20%的样本。
**乔 (****06:48):**很快,因为你说你能区分前20%和前2%,那么你是如何做到的?我的意思是,这部分不能仅仅是参加会议的人。你是如何评分或确定谁是这些特定的、超级精英的人工智能工程人才的?
**达米安 (****07:04):**所以我们看的是那些论文被接受的作者,而在这个接受中,有一个口头报告。你不会被接受做口头报告,除非你真的非常出色。所以只有大约2%的人被接受做口头报告。对我们来说,这在某种程度上是2%的代理。
**特雷西 (****07:21):**这有点引出了我想知道的问题,那就是什么样的人才能成为一名优秀的AI工程师呢?比如,是什么让他们能够在这样的会议上做报告呢?
**达米安 (****07:32):**我的意思是,乔刚才说,他是一个非常优秀的提示工程师,所以…
**乔 (****07:38):**所以他们会让我做报告?
**特雷西 (****07:39):**乔,我相信你的邀请可能已经寄出了。
**达米安 (****07:41):**比如,真的很好地筛选问题。但我认为这真的很重要…
**特雷西 (****07:45):**但不仅仅是筛选问题,对吧?还有就是实际上构建自然语言模型之类的东西?
**达米安 (****07:51):**不,不,不。是的,我认为这是一个非常好的问题,我不确定区别有多大。我认为AI的基础都是计算机科学。大多数AI从业者首先会称自己为计算机科学家,或者是接受过大量数学训练的人。
实际上,我认为一些那些在2000年代和2010年代的人可能是同样被吸引到大型金融领域的人,对吧?然后去为交易台编写算法。那些可能是类似类型的人。现在他们只是在做AI,而AI的特定应用部分是能够训练大量数据并编写算法。
但这些是你通过计算机科学培训加上一点人工智能特定组件会得到的东西。我认为神经网络的一个区别性特征可能是,试图真正弄清楚如何让计算机以某种方式模仿人脑。但从根本上说,这只是数学、定量计算机科学,所有这些东西,你知道的,最终都可以成为人工智能科学家。
**Joe(****08:49):**所以有一种特定类型的人,他们在任何时候都在寻找最困难或者可能最有利可图的现实世界数学问题或计算机科学问题。也许在2000年代,他们去华尔街找出创造新的证券产品和衍生品的最佳方法。在2010年代,他们去Facebook和Google找出在智能手机上放置最多广告或让你点击它们的方法。现在显然他们正在进行人工智能研究。所以让我们从数据展示的整体情况开始。当你在2020年开始收集数据时,他们来自哪里,他们去向何处?
**Damien(****09:27):**2020年,很多人来自中国和美国。这一点非常明显。绝大多数最终都来到了美国。在我们最新的2023年更新中,我们仍然看到这一点。尽管,我要说的一个大惊喜是,中国在真正加快国内顶尖人工智能科学家的供应方面做得非常出色。因此,他们现在几乎生产了全球近一半的顶尖人工智能科学家。
而且其中许多人实际上也留在了中国。原因很简单,我认为是因为中国显然一直在专注于自己的人工智能产业。正如我们已经说过的,人们会去工作机会所在的地方。
如果你看看那些专注于发展人工智能产业机会的主要经济体,很可能是美国和中国。而如果你看看欧洲,实际上,我认为,欧洲在拥有人工智能产业方面远远不及其实力所在。因此,他们不太吸引像中国或美国那样多的顶尖人工智能人才。
如果你看看在美国顶尖机构中工作的顶尖人工智能人才,实际上几乎是中美两国人的垄断。在美国机构中,有75%的顶尖人工智能人才来自中国或美国。
**Tracy (****10:46):**一个在中国接受教育的计算机科学家在评估不同的机会时,会考虑哪些因素?比如,是否考虑移民问题?我想薪酬和报酬也必须是其中的考量因素。他们从中国转到美国有多容易?
**Damien (****11:14):**我认为,如果你来自顶尖项目,无论是中国的清华大学还是美国加州的斯坦福大学,技能和培训都是相当相似的。从我们所看到的情况来看,人们最终选择工作的一个关键指标实际上是他们读研究生的地方。这可能并不奇怪。
如果你打算在某个地方攻读硕士或博士学位,通常会开始寻找附近的工作机会。除非你恰好身处一个毕业后机会不多的国家或地区。当然,当你被认为是精英人才时,通常会拥有一个终身学位,通常是博士学位,但至少是硕士学位。
所以我认为选择去哪里读研究生非常重要。我们也从数据中看到了这一点。那些来美国读研究生的人,大多数情况下会选择留在美国工作,除非有一些非常有吸引力的机会让他们回到家乡或其他地方。但一般来说,读研究生和留在该国工作之间存在一定的路径依赖。
**乔(****12:15):**多年来,科技行业一直存在着很多焦虑,你会看到CEO和领导人抱怨美国的移民政策使得留在美国毕业的人才难以留住。有这样一种想法,就是‘嘿,如果他们来这里接受教育,为什么我们不能收割这些在美国接受教育的人才的好处呢?’从你的数据来看,似乎仍然有很多人选择留在美国,但自2020年以来数字有所变化,是吗?
**达米安(****12:43):**是的。数字有所下降。我们没有真正探讨过过去三年发生了什么,部分原因是我认为很多人意识到疫情年份有些奇怪,无论是经济数据还是人们的一般流动性,包括人们工作的地方,人们工作的方式。
所以在过去的三年中会有很多扭曲。但是相对而言,亚洲人才的数量有所下降。不仅仅是中国。印度也在更好地留住自己的顶尖人工智能人才。有趣的是,韩国,尽管我们的数据集中还没有,但我们即将发布韩国地区的数据。他们留住了90%的人才。他们没有让任何人离开。他们在这方面做得非常好。
而像法国这样的地方实际上在留住人才方面做得非常好。所以,我不能明确地说原因是什么,是各国加强了留住国内人才的努力,还是疫情期间发生了其他事情,或者可能存在移民挑战等等。也许在未来的迭代中,我们会更清楚地看到这种模式。所以我现在有点犹豫给出明确的结论。
**Joe (****14:07):**Tracy,如果法国在留住人才方面做得很好,那么如果所有那些毕业于École Polytechnique和Sciences Po的人都进入人工智能领域,谁会填补在交易台上使用复杂衍生品的空缺呢?
**Tracy (****14:20):**是的,总是有法国人用数学学位在股票衍生品领域工作。你说得对。但关于学位的话题,我之前没有意识到,在中国,我想这个事实是你发送的阅读材料中的一个细节,但自2018年教育部将人工智能确定为与计算机科学不同的专业以来,中国大学已经开设了2300多个本科课程。
首先,这种情况有多常见?计算机科学与人工智能之间的分离是其他地区的标准吗,还是相对较新?其次,很显然,这是中国试图建立国内人工智能人才库,最终在这一领域提升自身能力的一部分。在这方面,它还在做些什么?
**Damien (****15:15):**是的,这就是我们认为中国真正看到人工智能顶尖人才蓬勃发展的原因之一,你可以看到2022年的毕业生群体。如果你从2018年开始,其中一些是研究生,一些是本科生。所以他们确实非常努力地推动人工智能人才的增长,但并非所有人都是顶尖的20%。
但我认为中国认为他们将需要大量的人工智能专业技术人员。中国并没有真正考虑人工智能在生成式人工智能方面。我认为肯定有一些初创公司和人在追求像ChatGPT聊天机器人这样的东西。但我理解的是,中国可能会更多地专注于人工智能在制造业方面的应用:机器人技术,可能是医疗保健,生物技术。我敢打赌这将是中国的一个巨大应用。
我认为显而易见的原因是,生成式人工智能可能与中国的治理体系不太协调。我认为这是一个相当清楚的事实,我认为每个人都知道,但我认为他们真的在研究如何将人工智能应用于能源、工业、先进制造业,或者像气候这样的事物。
这就是中国真正关注的地方。我认为他们觉得他们需要更多的人,不仅仅是精英,还有中级技术人员,熟悉数据处理或运行Python或仅仅检查所有数据的人。所以我认为他们认为AI是一种非常广泛、扩展的方式来创造某些工作。
**Tracy(****16:42):**是的,我无法想象中国在这里的雄心是要拥有像5000个不同的聊天机器人。显然有一种倾向于将这项技术应用于工业、现实世界。在这一点上,你认为目前在中国是否有足够的地方让人工智能毕业生或专家实际去发展?因为在某些方面,人们被鼓励去学习这个,但是,目前,公司并不一定处于同样的水平。感觉目前在这方面的发展存在一种不匹配。
**Damien(****17:20):**我认为你说得绝对正确。我们之前见过这种泡沫,中国的新热门行业,每个人都去那里,因为他们认为那里有机会。然后,中国已经经历了我们称之为大学泡沫的10年。这就是为什么中国有着非常高的青年失业率。
我认为中国在这方面的工作方式基本上有两个不同的周期。有一个是政策驱动的周期,然后是随后的实际市场周期。所以现在我们处于这种政策驱动的状态,你知道,‘你们必须进来,我们非常喜欢人工智能,我们将创建所有这些项目,你们应该学习人工智能’。
然后,你知道,父母们会说‘哇,哇,这似乎是一个好的新事物。而且,这是政府在推广的。所以我所有要学计算机科学的孩子,他们都会加入AI组件。’所以这就是政策诱导的循环。
然后,在泡沫发生之后,它最终会进入一个市场周期,在这个过程中会有一些调整,然后人们会说‘哦,实际上我们现在可能有很多这些中级AI技术人员的供应过剩,他们将没有工作。我们该怎么办?我们不知道。’所以我认为这是中国经常发生的一种模式,如果这种情况也发生在AI人才库中,我不会感到惊讶。
**Joe (****18:36):**这次对话中已经有很多有趣的话题可以讨论了。我想回到AI的非聊天机器人应用,比如,我们如何制造更好的机器人和工厂以及药物发现等。
但我想问另一个问题。那么,好吧,中国已经推出了许多新的机构或研究生项目,越来越多的大学提供AI或计算机科学或相关领域的学位。在我脑海中,如果我想象一下一个顶尖的AI研究者,我可能会想象他们拥有麻省理工学院或斯坦福大学的博士学位之类的学历。
当你看看中国的机构时,除了我们长期以来认为是精英学校的那几所学校之外,是否有更多学校有能力培养出那些顶尖的20%或2%的人才?
**达米安(****19:30):**在一定程度上确实有一些。特别是在亚洲和中国方面,我认为他们拥有亚洲14所顶尖人工智能机构中的11所。但就整体而言,中国的排名有了很大提升。像浙江大学、上海交通大学这样的地方,这些不是你传统听到的名字。
**乔(****19:51):**是的,我从来没听说过。
**达米安·马(****19:52):**不是北大,也不是清华。有趣的是,进入2022年,华为实际上是全球人工智能研究的前25名机构之一。因为明显的原因,他们在雇佣顶尖人工智能人才方面投入了很多。
**特蕾西(****20:08):**哦,这实际上正是我接下来想问你的问题,也就是,你之前提到了百度,但在国内人工智能专家的选择方面,这里的想法是,中国现有的互联网公司会将更多的发展和资源投入到这项特定技术中,就像我们在美国看到的那样,而且也许一些那些在习近平大力打击无序资本扩张期间度过了几年困难时期的大型消费互联网公司,也会转变方向?
**达米安(****20:49):**所以我认为基本上是正确的。就我所知,百度基本上已经成为一家人工智能公司。我认为他们在很多年前就做出了这个战略性转变。他们的一个重点是,我认为就像特斯拉一样,自动驾驶。但迄今为止没有人真正能够突破这一点。
我认为人工智能领域的一个重要前沿是如何解决视觉问题,对吧?因为现在大家都在专注于如何解决语言问题,这就是生成式人工智能和我们今天看到的许多产品都是基于语言的,但视觉是一个非常棘手的问题。
百度是中国在这方面真正努力解决的公司。我不确定他们的进展是否比谷歌或其他任何公司更好。但就一些软件公司而言,比如阿里巴巴、腾讯,腾讯一直在进行大量的人工智能投资,当然还有字节跳动。所以在这方面发生了很多事情。
但我们也看到,我们最近做了一项研究,看了看中国风险投资资金流向,无论是风险投资是否流向了很多这些地方,但事实上,过去几年风险投资在软件方面的投资减少了,而在硬科技方面的投资增加了,你知道,类似于先进制造业方面的东西。
所以我真的认为在未来几年,我们将看到大量私人和公共资金投入到这些具有人工智能应用的先进制造硬科技领域。我认为会有一些中国的初创公司,可能是我们今天还没有听说过的,他们将会投入大量资金到人工智能领域。但是,大公司正在做这件事。但百度可能是在尝试解决自主视觉问题方面最为突出的公司。他们肯定会成为中国一个重要的雇主,特别是在人工智能人才方面。
**Joe (22:27):**所以回到人工智能的其他工业应用,美国和欧洲已经对是否有办法赶上中国在先进制造方面的实力感到极度焦虑。无论是汽车、电池,当然还是某些类型的芯片。
美国是否应该担心,这里,聊天机器人是新宠,每个人都想要致力于打造更好的聊天机器人,与此同时,中国在自动化工厂方面变得更加优秀,特别是我想,借助更先进的视觉技术,工厂地面上的机器人可能会更安全或更灵活等。你是否认为,随着人工智能人才的流向,美中竞争的性质会进一步加剧?
**Damien(23:17):**我不确定我能给你一个非常令人满意的答案。我想,我会这样思考,这将是先进制造和人工智能应用的象征,软件和硬件。我认为对于两国,甚至所有国家来说,关键可能在于机器人技术,这是新的领域,无论是乐观派的人形机器人,中国已经有了,我猜,大约有半打机器人初创公司。
因此,如果一个国家[或]一个公司在这个领域取得成功,真正将硬件和软件融合并使其商业化,我认为这可能会传递很多关于每个国家相对能力的强烈信号。
**Tracy(23:59):**你会开始一个机器人人才追踪器吗?
**Damien(24:03):**机器人将涉及许多供应链。因此,这比仅仅关注人员要困难一些。你必须引入芯片,你必须引入工程师,技术人员。因此,涉及机器人时,不仅仅是人工智能科学家。但肯定很有趣。
**Tracy (****24:18):**所以我想问的一件事是,因为你正在非常仔细地观察这个世界,看着人们在做什么和说什么,但中国的决策者们在人工智能人才方面使用的是什么语言?你通常会听到什么样的声明?我再次想起了习近平在打击教育部门、消费互联网公司等方面时使用的那句著名的“无序资本扩张”短语。但这整个动态,这场人才战,在决策者中是如何表述的呢?
**Damien (****24:58):**我认为这是自然而然的,一般来说,没有哪个国家喜欢人才外流。每个人都希望获得人才增益。我认为除了 retoric 之外,实现这一点以及如何建立自己的国家,如何建立环境和激励措施、薪酬等各种事情。
在任何领域,尤其是在计算机科学和这些前沿技术领域,顶尖人才的情况是,我想,大多数人才都希望在最具竞争力和动态的行业。那可能是他们感到最舒适的地方。那是他们想要产生影响的地方。那是他们想要产生影响的地方。显然,薪酬等等都是随之而来的。
但我认为他们希望有自由去做最好的前沿工作。所以我认为拥有动态的产业非常重要。所以我再次提到欧洲的例子。欧洲似乎没有这一点,这就是为什么他们在吸引顶尖人才方面一直处于劣势的原因。
如果你看看英国,这里一直是欧洲最多顶尖人工智能人才工作的地方,但在美国,他们大多数为谷歌DeepMind工作,这是一家美国公司,对吧?我认为,拥有这样的产业是非常非常重要的。
因此,在我们当前关于规范人工智能和产业的辩论中,我认为这将变得有争议,将变得紧张。我们都知道这一点。我们都能看到。但我认为我们必须考虑,如果各国想要吸引顶尖人才,他们想要在最前沿、最动态的领域工作,做出最酷、最具变革性的事情。如果这在美国,那很好,但如果中国做到了,也许是中国。但你知道,现在中国主要还是依赖自己的国内人才。他们也并没有真的引进太多外国人才。所以对我来说,拥有这样的产业是非常非常重要的。
**Joe (****27:04):**美国大学在做什么?我想象一个2024年毕业的高中生,可能比四年前甚至一年前更了解‘哦,是的,这是我想做的。我想在人工智能或这个领域做点什么。’美国大学是否提供或有能力提供更多?是否有这种供给方面的能力增加,以利用这个行业几乎肯定会增加兴趣的情况?
**Damien (****27:33):**你看到了昨天的WSJ文章吗,所有的Z世代都在成为管道工和电工?
**特雷西(****27:38):**哦,是的。回归到技术行业。
**达米安(****27:41):**是的,老实说,如果我18岁,我可能会考虑那条路。但我了解到很多顶尖的技术学校或者有技术学校声誉的学校,无论是斯坦福、卡内基梅隆,他们肯定有人工智能项目。
我不知道是否像中国在两三年内提供的那么多,但他们肯定增加了这些项目。但再说一遍,基础真的是计算机科学。所以我认为如果你学习计算机科学或者某种数学基础,那将更容易让你进入人工智能领域,而不是直接进入人工智能,因为你不能没有计算机科学或数学的基础知识就去思考人工智能。
**特雷西(****28:29):**这可能是一个奇怪的问题,但它与人们选择成为管道工或抹灰工等有关。你是否感觉到潜在毕业生中存在一种谨慎的态度,因为在最近几十年里,很多人被鼓励学习编码,精通Python或Rust等编程语言。
现在,我们看到了人工智能的崛起,我们看到了可以为你几乎编写代码的模型。很多软件工程师目前都有点担心自己的工作安全和技能前景。这是否会对潜在的人工智能人才库产生影响?比如,有没有一种感觉,我可以进入这个领域,但也许在10或20年后,人工智能将会自我发展,对吧?自学习模型已经存在,那么为什么还要涉足其中呢?
**达米安(****29:27):**哦,是的,这是一个棘手的问题。人工智能会变得如此优秀,以至于不再需要任何人类输入吗?
**特蕾西(****29:32):**我又在看《三体》了,所以有点科幻倾向。
**达米安(****29:36):**我不知道,我看不到那么遥远的未来。但我想说的是,我认为更现实的近期未来,我们之前也提到过,如果人工智能真的能够解决人类语言,这显然是人类智能的一个重要指标,而这似乎是很多努力的方向。
大型语言模型,试图弄清楚如何通过语言模仿人类语言、人类思维。我想说的是,可能会受到影响的领域之一是翻译。整个领域似乎会受到相当大的干扰。
或者想想那些需要用不同语言进行研究的人,也许两三年后我可以像其他人一样轻松阅读日语,只需在某些人工智能软件上快速翻译即可。我可以相当流利地阅读日语。这并不意味着你不应该学习外语。这样做有很多智力上的好处,但我认为作为一个研究工具以及理解世界的能力,一旦人工智能真正达到那一点,像翻译、口译这样的学科将会受到很大影响。似乎可能不会有很大需求。
**乔(****30:47):**所以在对话的前半部分,我们谈到了发展国内人工智能产业所需的三个必要组成部分。一个是人才,一个是基础设施,另一个就是纯粹的计算能力。我们看到像Facebook这样的公司,他们吹嘘作为优势的一点是,‘我们刚刚从英伟达收购了这么多H100,我们正在花费100亿美元。’
我有点印象,拥有大量计算能力是一种招聘策略,如果你是一位顶尖的人工智能研究人员,你会想去一个拥有最有利的原始计算能力的地方。我们知道,一些尖端半导体进入中国存在很多限制,英伟达的黄仁勋谈到了这一点以及相关的约束。
对于一个潜在的来自中国或在中国学习过的优秀人工智能研究人员,这是否会成为一个因素?事实是,至少目前看来,毫无疑问,美国的机构,无论是Meta,还是亚马逊,还是微软与OpenAI,拥有最多的计算能力可供使用,用一个更好的术语来说?
**达米安(****32:01):**这当然可能是一个吸引人的因素。但我记不清我在哪里看到的了,但我看到了一个有趣的调查结果,似乎我们的AI人才追踪器在中国的某个社交媒体网站上引起了一些关注。所以一些中国的人工智能从业者发表了意见。
如果我没记错的话,不要引用我,但我记得,其中一件最引人注目的事情是,真正吸引那种人才的一件事是,他们能够拥有自由思想的研究环境,能够追求他们认为非常有趣、非常值得的事情。
所以,对我来说,这是一个非常重要的因素,超越了计算能力和报酬,显然。但我认为,至少在美国,似乎仍然默认拥有那种文化。我认为这是一个非常重要的因素,人们不应该忘记。再次强调,我认为顶尖人才倾向于不受限制,因为他们想追求他们认为非常有趣和开创性的事物。这就是他们的工作方式。所以你必须给他们一个可以工作的环境。
**Tracy(**33:10):**好的,达米安,这是一次非常有趣的对话。非常感谢你参加Odd Lots。这是全球人工智能人才追踪器,你可以在网上查找。它有一些非常好的图表和互动元素,你可以尝试一下。所以感谢达米安参与并向我们介绍你最新的工作!
**达米安(****33:29):**非常感谢。很高兴和你交谈。
**Tracy(****33:44):**乔,这次对话回答了我很多问题。谈论我们看到的模式是很有趣的。我觉得很有趣的是,在很多方面,这是一项大家都很兴奋的新技术,但在很多方面,它的发展方式与历史上很多事情的发展方式相似,美国目前处于领先地位,然后中国迅速跟进,努力建设自己的能力。而欧洲则在背景中发布关于此的思考文章和新的法规。这有点有趣。
**乔(****34:18):**这完全正确。我对这个想法非常感兴趣,你知道,我认为在美国,如果你现在说“人工智能”,人们要么会想到文本生成器,要么会想到图像生成器,这些都很惊人。但是这个想法,我们已经讨论过一些,我认为我们即将在这方面做更多的节目,但是还有一个令人兴奋的地方,那就是人工智能不仅仅局限于人类语言。
我们在食品自动化节目中稍微谈到了这个想法。就像,如果机器人能够拥有相同的框架,它们被喂入大量数据然后做出更好的决策,这样手臂就不会摆动,或者装配线上的轻微偏差不会打乱它们,那么如果它们对它们面临的所有这些不同情况有足够的训练数据,那将是非常强大的。
所以看到中国似乎在很多方面领先世界,特别是在电气工程能力方面,这也与很多人工智能研究人员的方向是一致的。
**特蕾西(****35:18):**是的,绝对是。我知道我现在已经多次提到了这一点,但这就是为什么消费互联网的整顿对我来说如此有趣,因为中国明确表示‘我们不希望所有这些资金涌入另一个新的在线零售商。我们已经有足够多这样的了。为什么不把这些钱投资到芯片之类的实体产品上呢。’
因此,我认为我们现在看到的趋势是,关注真实世界的应用,工业应用,制造业,这在美国和其他西方国家并不一定看到,因为正如你非常清楚的,乔,玩弄聊天机器人很有趣,它们已经成为这整个新技术的公众形象。
所以这可能是中国确实具有优势的一个领域。但我认为另一件事,首先,达米安谈到了人才流失的方面,以及一个想法,很多中国的人工智能人才最终会去美国,因为他们在美国上大学,然后留在那里,有对他们服务的需求等等,尽管也许这很快会改变。
**特蕾西(36:26):**但我想的另一件事是,你提到了计算能力的问题,以及这是否是吸引人工智能开发者的一个诱因,我也在想中国的数据和数据限制,以及他们正在使用哪些数据集。特别是对于大型语言模型,但也可能适用于其他方面。如果你真的对这个领域感兴趣,也许你想去一个拥有更大更广泛数据集的地方,就像达米安所暗示的那样,这可能是一个竞争优势。
**乔(36:59):**完全同意。我认为另一件非常重要的事情要关注,我记得大约20-25年前,你知道,当时如果你只看工程学位的毕业人数,中国的人数是激增的,西方出版物上有很多嘲笑的声音。就像‘哦,这些都是垃圾学位。’是的,人们拿到了工程学位,但这些人才水平相当一般,不是很好。
我们必须以一种持怀疑态度看待这些数字。我有这样的印象,很多学校的情况发生了巨大变化。所以,你知道,你可以得出这样一个客观的人才衡量标准,那就是谁有机会在这些大型会议上发言。
如果代表那个顶部的2%或者顶部的20%的授予学位的机构数量扩大,那对我来说就像是一个非常重要的趋势。因此,中国的这些大学,你知道的,我对它们一无所知,但如果除了类似于麻省理工或斯坦福的相当于这些的大学也在为那个精英贡献力量,那对我来说就是一个非常关键的指标。
**Tracy(****38:09):**绝对。如果神经信息处理系统会议的组织者在听,Joe对参加感兴趣,所以请给他发邀请。
**Joe(****38:18):**请,是的。我会展示一些伟大的诗歌和歌曲。不,我已经做了一些,就像我让AI为我创造了一个新的动词时态。非常令人印象深刻。所以我会创造性的东西。
**Tracy(****38:29):**哦,那很有趣。你没告诉我这件事。
**Joe(****38:32):**我不想用所有我的…来让你感到无聊。
**Tracy(****38:34):**这不无聊!
**Joe(****38:35):**好的。好的。我会给你看的,我会给你看那个。
**Tracy(****38:36):**等等,你开始使用Claude了吗?
**Joe(****38:38):**是的。我喜欢Claude。
**Tracy(****38:39):**它更好,对吧?
**乔(****38:40):**有点意思。客观上我不知道,但这也是另一个有趣的问题。所以当我们谈论这个的时候,我在想另一个有趣的事情,那就是如果一些我们认为适用于软件的壕沟在人工智能领域并不适用会怎么样?
**特蕾西(****38:59):**是的,完全同意。
**乔(****38:59):**是的。所以,由于某种原因,因为我喜欢它的界面,我喜欢它说话的方式,我开始更多地使用克劳德,以一种我以前无法想象的方式,比如来回使用…我在2000年开始使用谷歌后,再也没有回到雅虎,你知道吗?或者类似的情况。从那时起我一直在使用谷歌。这让我想知道,是否会有很多机构拥有足够的人才、足够的计算能力,可以做同样的事情,而切换成本并不高。
**特蕾西(****39:29):**是的。我也在思考这个,因为整个对话的前提是有一场战争正在进行。人们正试图快速发展他们的人工智能能力,因为先到先得。但似乎一些这样的程序,像壕沟可能并不那么高。一旦你突破了某个层次,它可能在其他方面是可替代的。我不知道。我想看到会是什么样子。
**乔(****39:56):**当然。
**特蕾西(****39:57):**好的。我们就到这里吧?
**乔(****39:58):**就到这里吧。
你可以在Twitter上关注Damien Ma,链接为@damienics。