Joelle 在 Meta 建立了 AI 實驗室 她向 Zuck 學習並工作 她是 AI 領域的領軍人物之一 每個人認為他們對 AI 的了解但卻錯誤的地方 👇 - 為什麼擴展法則將持續存在 - 為什麼你無法通過人才收購來購買 AI 的成功 - 合成數據的未來及其對模型的意義 - 為什麼 AI 編碼類似於 2015 年的圖像生成 Spotify 👉 Youtube 👉 Apple Podcasts 👉 時間戳： 00:00 介紹 01:16 Meta 如何塑造我對 AI 研究的思考 02:22 強化學習中的挑戰 08:33 在 AI 中是否可能實現資本效率 13:47 企業中的 AI：效率與採用 21:51 AI 代理的安全問題 28:06 Zuck 能否通過收購 AI 超級明星來獲勝 32:11 數據成本上升 36:38 合成數據與模型退化 38:42 為什麼 AI 編碼類似於 2015 年的圖像生成 51:16 如果 Joelle 是風險投資者，她會投資在哪裡？ 51:50 快速問答：來自 Zuck 的教訓，最大的心態轉變 我與 @jpineau1 的 5 個收穫 👇

1. 如何判斷 AI 是否成功的正確指標是什麼？ 大多數員工能否在使用 AI 的情況下將工作效率提高 10 倍，而不是依賴自己？ 人類和 AI 具有互補的能力。 完全取代部分員工是不現實的。 很想聽聽你們的想法 @DavidCahn6 @eisokant @btaylor @varunvummadi

2. 開源 AI 的重要性 將所有東西封閉起來是一個深刻的錯誤。 我們需要讓想法流通，以推進 AI 的研究。 很想聽聽你們的想法 @soumithchintala @ylecun @douwekiela @aaref @jasoncwarner

3. AI 超級明星並不會自動建立團隊 在一個房間裡擁有一群 AI 超級明星並不會讓他們更具生產力。 他們需要一個執行機器，他們需要社交的黏合劑。 我非常相信建立多元化的團隊，擁有互補的才能。 很想聽聽你們的想法 @mntruell @paulbz @mmurph @ivanhzhao

4. 數據供應市場的未來會是什麼樣子，像 Mercor 和 Surge 這樣的公司？ 人類與 AI 的合作不是一個階段。 產出平衡將會改變；人類將提供補充的方向。 一些公司可能在五年內不再存在，但人類引導的訓練將會持續存在。 很想聽聽你的想法，2030 年的數據市場會是什麼樣子？ @BrendanFoody @echen @GarrettLord @speechu @jonsidd @manuaero @peterfenton

5. 當我們擁有如此多 AI 生成的代碼時會發生什麼？ 有如此多的 AI 生成代碼，瓶頸不在於創造，而在於選擇。 我們需要編輯機制來選擇有價值、安全和有目的的代碼。 很想聽聽你對此的看法 @natfriedman @rauchg @scottbelsky @aparnacd @TYehoshua