下来大家要读的是一个怒长的东西，关键内容来自OpenAI董事会主席兼Sierra公司CEO Brett Taylor和油管The Knowledge Project前几天发布的一个长达两小时的播客。
大家不要听到OpenAI的头衔，就以为我们要讲OpenAI的长篇大论，并不是的。因为OpenAI董事会主席的工作，其实只是Brett Taylor的兼职。这里我们就要稍微讲一下OpenAI的公司架构。
OpenAI采用了一种独特的“非营利母公司+有限盈利子公司”架构，董事会是OpenAI非营利母公司的最高治理机构，负责监督整个组织的使命和战略方向。但董事会成员中，除了山姆·奥特曼，其他人都是兼职，并没有在OpenAI参与任何实际管理工作。在2023年底的OpenAI宫斗事件之前，奥特曼甚至也不是董事会成员（但前OpenAI首席科学家Ilya Sutskever在其中）。不然，他就不会不知情自己要被干掉了。
不过，奥特曼现在正在推动OpenAI进行公司架构调整，从原有的“非盈利组织-有限利润营利性公司”模式，转型为更具盈利属性的结构，具体表现为将旗下营利性公司OpenAI Global转变为“公共利益公司”（Public Benefit Corporation，PBC），逐步弱化非盈利母公司的直接控制。
还有，埃隆·马斯克对这件事很愤怒，说奥特曼违背了OpenAI公司成立的初衷，先后用起诉、竞购两种方法破坏，但目前都没成功，OpenAI的架构调整还在进行中。当然，这是另一个故事了，需要好大的篇幅，我们回到正题。
虽然Brett Taylor在OpenAI不是全职工作，但一方面他掌握着别人不了解的前沿AI实验室的一手信息，另一方面自身履历相当丰富，他曾是Facebook的CTO、Twitter（现X）的董事会主席、Salesforce的联合CEO，目前他创立的Sierra公司，专注于帮助企业构建直接与客户互动的AI agents。从互联网，到移动互联网，再到大模型，从技术到管理，再到公司治理，要素相当齐全。因此，两小时所讲的信息，相当值得一读。
Brett详细阐述了为什么AI正在永远地改变软件工程，在初创公司和在大公司中工作的生存区别，以及他对AGI的定义（在第六章）：人能用计算机做的工作，AI都能做。
关于AI带来的三种改变，是我根据访谈所做的归纳，放在最后总结一章中了。
一、与AI的关键启示时刻：从创意突破到工作革命
Brett Taylor首先分享了他个人与AI的两个重要"顿悟时刻"，这些体验彻底改变了他对人工智能潜力的认识。第一个转折点发生在2022年夏天，当时他看到了DALL-E生成的"牛油果椅子"图像。尽管Brett拥有深厚的计算机科学背景，但他承认自己之前并未密切关注大型语言模型的进展。
"我看到那个图像时，我的反应是'我不知道计算机能做到这一点'，"Brett回忆道。"那个特定的发布，看到生成的牛油果椅子图像，我当时可能没有预测到我们现在的位置。但对我来说，它震撼了我，让我意识到我需要更加关注这个领域，特别是OpenAI。"
Brett描述了这种情绪上的震撼时刻："看到计算机做的不仅仅是基于规则的事情，而是创造性的东西，从头开始创造东西的想法...在当时简直让我大开眼界。"
他的第二个关键时刻发生在离开Salesforce后不久，正好赶上ChatGPT的发布。"从那时起，你知道，我就无法停止思考它，"他说道。这些经历标志着他认识到AI技术将彻底改变我们与计算机交互和创造的方式的转折点。
Brett指出，AI的进步速度是前所未有的："如果你回到两年前，大多数人还没有使用过ChatGPT。大多数公司甚至没有听说过'大型语言模型'或'生成式AI'这些术语。而在短短两年内，ChatGPT成为历史上增长最快的消费者服务之一。跨越企业的众多领域都在经历快速转型。法律正在被改变。营销正在被改变。客户服务，这是我的公司Sierra所专注的领域，正在被改变。软件工程正在被改变。如此短时间内的变化之多，我认为是史无前例的。"
Brett强调，这种变革的速度要求我们从第一性原理思考AI的未来："如果你只是应对眼前的事实，而不是从第一性原理思考我们为什么会到达这个点以及12个月后可能会在哪里，那么你做出正确战略决策的可能性几乎为零。"
二、创始人如何在被收购后成功生存：身份转变的关键
Brett分享了他作为两次被收购的创始人的独特经验，他在这两家公司中都获得了显著的晋升——在Facebook担任CTO，在Salesforce担任联合CEO。他指出，创始人在被收购后的公司中工作是一个非常具有挑战性的转变，许多人难以成功适应。
"成为创始人不仅仅是建立一个企业，它很大程度上是你的身份认同，"Brett解释道。"我认为那些不是创始人的人很难体会这一点。你对一切都非常在意——从产品到客户，到媒体，到你的竞争对手...成功的内部和外部衡量标准。"
Brett指出，当创始人被收购时，除了业务方面的挑战，还存在一个更深层次的身份转变："你需要从'Instagram的负责人'或者在我的例子中，从'Quip的负责人'变成Salesforce的员工，或者从FriendFeed的CEO变成Facebook的员工。"
"我所观察到的是，这种身份转变是大多数其他事情的先决条件。不仅仅是你处理更大公司的政治和官僚主义的能力，或者适应新结构的能力。我实际上认为大多数创始人不会做出那一跃，即他们实际上认同那个新事物。"
Brett分享了他如何在Salesforce意识到这一点并努力适应的经历："我真的试图意识到这一点，并真正成为Salesforce的一部分，转变我的身份，而不仅仅是围绕Quip成为单一议题的拥护者。我努力试图拥抱它。"（也就是，没有本位主义）
他承认："对一些创始人来说这真的很难。一些创始人老实说不想这样做。他们可能会兑现支票，这更像是一种交易关系。"但Brett强调，他非常感谢在Facebook和Salesforce的经历："我学到了很多。但这确实需要我付出很多努力...转变我对自己的看法和我是谁，以从收购我们的公司中获得价值。"
在讨论收购过程时，Brett强调了明确设定期望的重要性："我真的试图提前进行一些更艰难的对话...从而在你接近它时，你不仅得到'嘿，为什么1+1大于2？一切都会很棒。'而是'不，说真的，成功看起来是什么样子？'然后作为被收购公司的创始人，你的工作是告诉你的团队这一点，让你的团队与之保持一致。我认为创始人没有承担足够的责任使这些收购成功。"
三、董事会角色与创始人领导的公司：释放潜力的关键
Brett分享了他作为多家公司董事会成员的经验，包括Shopify和OpenAI，并详细解释了为什么他特别青睐由创始人领导的公司。他首先强调了他自己的身份认同："我是一个彻头彻尾的"operator"（操作者/实干家）。我可能首先会自我认同为一个工程师，胜过其他任何身份，我喜欢创造。"
Brett解释了为什么担任顾问角色对他来说是一次宝贵的学习经历："学习如何成为一名顾问是一个非常不同的视角，我认为你可以看到其他公司是如何运作的，你也学习如何产生影响和增加价值，而不是亲自去做。这是一种非常...我认为我因为学会了这样做而成为了一个更好的领导者。"
关于创始人领导的公司，他分享了一个强有力的观点："我认为创始人为公司带来更好的结果。我认为创始人通常有权限对他们的业务做出更大胆、更具破坏性的决定，而不是专业经理人。"他引用了几个例子，从Tobi Lütke（Shopify）到Mark Benioff（Salesforce）、马克·扎克伯格（Meta）和山姆·奥特曼（OpenAI），说明了创始人如何获得更广泛的利益相关者支持，即使在做出艰难决定时。
"当你创立了一个公司，你所有的利益相关者，特别是员工，会给你一定的信任度。你知道，你创造了这个东西。如果你说，嘿，我们需要在策略上做一个重大转变，甚至是像裁员这样的困难事情...创始人往往获得很多宽容，我认为他们被评判的方式也不同。"
Brett提到了在与不同创始人合作时所获得的价值："我喜欢与像Tobi和山姆这样与我非常不同的创始人合作，我可以看到他们如何运营他们的业务，我受到启发，我从中学习...我几乎像个人类学家一样。为什么你要这样做？我想了解更多。所以我喜欢与能够启发我的创始人合作，因为我从他们身上学到了很多。"
当被问及"创始人模式"的概念时，他提供了一个微妙的视角："大体上，我确实喜欢创始人模式的精神，那就是让人们对公司的每个决定都拥有深度创始人式的责任感。我认为这就是伟大公司的运作方式。当你常言所说的通过委员会做决定，或者你更关注流程而不是结果时...这就产生了我们作为员工、作为客户讨厌的所有体验。"
Brett警告说，创始人模式可能被错误理解或变成自身的漫画版本："创始人模式可以被用作过度微管理的借口。而这可能也不会带来很好的结果。大多数伟大的公司充满了极其优秀的个人贡献者，他们做出好的决定并努力工作。完全通过个人判断来执行的公司可能无法扩展到成为真正伟大的公司。"
所谓“创始人模式”（Founder Mode），是硅谷近年流行的一种公司管理理念，指的是创始人或CEO以极为亲力亲为、全方位介入的方式领导公司，而不是传统的“经理人模式”那样把权力层层下放、主要靠团队自主管理。创始人模式强调创始人对产品、战略和团队的深度参与，常常跨越组织层级直接与员工沟通、做决策，典型例子有乔布斯、马斯克、黄仁勋等。
四、工程师作为领导者：技术背景的优势与局限
Brett讨论了为什么拥有工程背景的人可以成为优秀领导者，同时也承认了这种背景的潜在局限性。他首先指出成功的创始人和CEO通常从一个专业领域开始，但随着公司成长，他们需要发展更广泛的能力。
"我认为伟大的CEO和伟大的创始人通常以一种专业开始，但随着他们成长为一个真正有意义的公司，如Airbnb或Meta之类的公司，你可以看到这些创始人真正从一件事转变为很多事。"
Brett特别强调了工程师所具备的优势："我确实认为工程师成为伟大的领导者。我认为第一性原理、系统设计思维（Design thinking）真的有利于组织设计、战略等方面。"
然而，他指出工程师们面临的一个重要转变："我认为工程师创始人需要做的主要转变之一是...你不是公司的产品经理。你是CEO。在任何给定的日子里，你是花时间招募一位执行官因为你有需求？你花时间在销售上因为那会产生最大的影响？你花时间在公共政策或监管上？因为如果你不这样做，它会发生在你身上，并可能对你的业务产生非常负面的影响。"
Brett强调了身份转变的重要性："不愿意将他们的身份从过去的身份提升到当下所需的身份的工程师，往往会导致公司增长的某种停滞。因此，百分之百，我认为工程师成为伟大的领导者。而且这不是巧合，我认为硅谷伟大的CEO大多来自工程背景。但我也不认为随着公司规模扩大，这就足够了。我认为所有伟大的CEO都必须做出这种转变，这一点非常重要。"
当被问及商业问题是否都是工程问题时，Brett提供了一个平衡的观点："我喜欢作为工程师解决问题的方式就是第一性原理，了解问题的根源，而不是简单地解决表面症状。我确实认为来自工程背景的人...工程师进行服务器宕机根本原因分析的方式是分析为什么你输掉了销售交易的一个非常好的方法。我喜欢工程的系统方法。"
然而，Brett也承认了工程思维的局限性："在一些领域，你可能会过度分析决策...比如现代通信，它由社交媒体驱动，节奏非常快。对你发布的每条推文进行系统化的第一性原理讨论可能不是一个很好的沟通策略。同样地，企业软件销售的某些方面并不完全理性，而是人性化的，比如建立个人关系，以及这些关系对与合作伙伴建立信任的重要性。这不仅仅是产品和技术的问题。"
他总结道："我认为很多事情可以从工程思维中获益很多，但我确实认为，你知道，将其推向逻辑极端可能导致分析瘫痪，以及一些根本上属于人类问题的事情。所以，是的，我认为很多事情可以从工程中获益，但我不会说一切都是工程问题。"
五、软件工程的未来：AI改变了游戏规则
Brett深入探讨了人工智能如何彻底改变软件工程的本质，这是他特别关注的领域。他指出，在现代大型语言模型中，软件工程是正在经历最深刻转变的职业之一。
"我经常思考的一件事是，三年后我们公司会有多少软件工程师？随着我们从代码作者转变为代码生成机器的操作者，软件工程师的角色会是什么？这对我们应该招募的人才类型意味着什么？如果我看当前软件工程的实际工艺，我认为这是一个事实，两年后它将完全不同。"
Brett分享了他对当前AI代码生成现状的观察，并指出了一个有趣的矛盾："现在的许多现代大型语言模型，无论是传统的还是新的推理模型，都在大量源代码上进行了训练。这是它们所有知识输入的重要部分。结果是，即使早期模型也非常善于生成代码。"
"我们公司的每位工程师都使用Cursor，这是一个与IDE集成的产品，可以帮助你更快地生成代码。但这在一个非常明显的方面对我来说似乎是一个局部最大值...我们已经将编程语言设计得对人类作者友好，而现在我们用AI来生成这些代码。"
Brett指出了当前方法的讽刺之处："我们设计了大多数计算机编程系统，使代码作者能够快速键入代码。而现在我们处于一个世界，实际上生成代码的边际成本趋近于零，但我们仍然用为人类作者设计的编程语言生成代码。同样地，如果你曾经查看过别人的代码——专业上称为代码审查——这实际上相当困难。你最终会解释，你基本上试图把系统放在你的脑海中，并在阅读代码时模拟它以找出其中的错误。"
Brett展望了一个新的软件开发方向："如果你从前提开始，即生成代码是免费的或趋向于免费，我们会设计什么样的编程系统？例如，Rust是一个为安全而不是编程便利性设计的编程语言的例子。这是一个真正有趣的方向，你不是为了作者的便利而优化，而是为了正确性而优化。"
他提出了一个有远见的问题："是否存在为了让人类看起来能够非常快速地评估'这是否做了我想要它做的事'而设计的编程语言？"Brett还讨论了形式验证和测试驱动开发在AI编码时代可能扮演的新角色："在AI生成大量代码的世界里，我们是否应该更多地投资于形式验证，使代码生成机器的操作者能够更容易地验证它确实做了他们想要它做的事？"
Brett对未来的愿景是："如果我们从头设计这些系统，考虑到软件工程师的角色是代码生成机器的操作者而不是代码的作者，我们可以使这个过程更加健壮，生产力提高20倍，但更重要的是，使他们输出的健壮性提高20倍。"
他总结道："我认为我们可以通过简单地自动化我们作为软件工程师每天所做的事情来创建合理的软件。但我强烈怀疑，如果我们设计这些系统时考虑到软件工程师的角色是机器的操作者而不是代码的作者，我们可以使这个过程更加健壮，更有生产力。而这对我来说感觉像是一个研究问题。"
六、AGI的定义与发展路径：接近人类智能的门槛
当被问及如何向普通人解释人工通用智能(AGI)时，Brett Taylor提供了一个富有洞察力的定义，并探讨了实现AGI的复杂性。
"我认为AGI的一个合理定义可能是：任何人在计算机上能做的任务，该系统都能做得与人相当或更好，"Brett开始解释道。"AGI的'G'是关于泛化的。所以你能有一个在它没有被明确训练的领域也具有智能的系统吗？这就是我认为最重要的事情之一，就像给定一个全新的领域，这个系统能否变得比一个在该领域受过训练的人更有能力、更聪明？"
Brett强调了评判标准："与人相当或比人更好当然是一个很好的标准。而这在某种程度上是超级智能的定义。我提到'在计算机上'是因为我认为这是一个门槛，意味着如果有一个数字接口到该系统，它为AI提供了与之交互的能力，这就是一个合理的可达到的门槛。"
他承认这个定义的局限性："AGI没有一个完美的定义。我确定有好的答案，但没有精确的AGI定义。"
关于AGI可能如何扩展到不同领域，Brett提供了一个微妙的视角："一个有趣的问题是关于AGI有多快泛化。世界上有一些领域，其进步不一定受智能限制，而是受其他社会因素限制。例如，如果你考虑制药行业，我的理解是主要瓶颈之一是临床试验。所以无论一个系统在发现新疗法方面有多聪明，它可能不会实质性地改变那个方面。"
Brett进一步细化了他的思考："你可能会有一个在数学上发现新见解的系统，这将是令人愉快和惊人的。但这个在一个领域超级智能的系统的存在可能不会平等地转化到所有领域。我刚听了经济学家Tyler Cowen的演讲片段，听他关于经济的哪些部分能够比其他部分更快地吸收智能是很有趣的。"
当谈到限制AI发展的因素时，Brett指出三个关键输入："我认为三个主要输入是数据、计算和算法。"在数据方面，他讨论了所谓的"数据墙"，即用于训练的文本内容的可用性正在减少，但也指出了生成合成数据的新机会："模拟是生成数据的一种非常有趣的方式。"
关于计算，Brett指出："这就是为什么有这么多数据中心投资。这就是为什么NVIDIA作为一家公司增长如此之快。"他特别提到了推理模型的突破："训练过程和推理过程之间不再有如此正式的分离，你可以在推理时投入更多的计算来产生更多的智能，这在多种方面都是一个真正的突破。"
在算法方面，Brett指出了变革性的进步："最大的突破显然是Transformer模型，Google的'Attention is all you need'那篇论文，引领我们走到了现在的位置。但自那以后出现了一些非常重要的论文，从思维链推理的想法到OpenAI的O1模型，即对这些思维链进行一些强化学习，真正达到新的智能水平。"
Brett对AGI的进展持乐观态度："我真的对向AGI的进步感到乐观，因为那些高原之一可能会持续一段时间，如果我们只是没有突破所需的关键想法。但我们在所有这三个领域都卡住的想法对我来说似乎非常不可能。实际上，我们看到的是，由于AGI的潜在经济效益，我们实际上看到的是在这三个领域都有突破。因此，你看到了我们在过去几年中看到的这种快速进步。"
七、AI模型的经济学与开源发展：云基础设施的未来
Brett Taylor深入探讨了AI领域中不同商业模型的动态，以及基础模型与前沿模型之间的差异，为我们提供了对这个快速变化行业经济学的独特洞察。
"我想介绍一些我认为有用的术语定义，"Brett开始解释道。"我认为大多数大型语言模型我会称之为基础模型。我喜欢'基础'这个词，因为我认为它将成为大多数智能系统未来的基础。大多数构建现代模型的人，特别是如果涉及语言、图像或音频，不应该从头开始构建模型，而应该选择一个基础模型，直接使用或进行微调。所以它在很多方面确实是基础性的。"
Brett将基础模型的经济与云基础设施进行了比较："就像大多数人不再构建自己的服务器一样，他们从云基础设施提供商那里租用它们。我认为基础模型将是由拥有大量资本支出的公司训练的东西，并由有广泛用例的广泛客户群租用。"
他接着区分了基础模型和前沿模型："基础模型与前沿模型有所不同。前沿模型，我认为这个术语归功于Reid Hoffman，但我可能错了...这些通常是明显位于前沿的一两个模型，例如来自OpenAI的O3。这些前沿模型是由试图构建造福人类的AGI的实验室构建的。"
Brett解释了为什么在基础模型领域的商业案例可能具有挑战性："如果你在决定是否构建一个基础模型以及围绕它的商业模式是什么，这是一个与'我将追求AGI'非常不同的业务。因为如果你追求AGI，真的只有一个答案，就是构建、训练并前进到下一个地平线。因为如果你真的能构建出AGI，经济价值是如此之大，我认为那里有一个非常明确的商业案例。"
"如果你在预训练一个基础模型，而它是第四好的...那会花费你很多钱。而对那项投资的回报可能相当值得怀疑，因为为什么要使用你的第四好的大型语言模型，而不是一个前沿模型或来自Meta的开源模型？"（也就是呈现赢者通吃的局面）
Brett预测行业将会整合："因此，我认为我们现在可能有太多人在构建模型。已经有一些公司被并入Amazon和Microsoft等公司。但我确实认为这将有点像云基础设施业务，少数几家拥有非常大的资本支出预算的公司负责构建和运营这些数据中心。然后开发者和消费者将使用像ChatGPT这样的东西，作为消费者或作为开发者，你将在云中许可和租用这些模型之一。"
当被问及Meta的大规模AI投资但缺乏明确收入模式时，Brett表示理解："这是一个策略。如果你看Facebook...该公司一直非常拥抱开源。如果我看那些真正流行的东西，从React到现在的Llama模型，这一直是他们策略的重要部分，吸引开发者围绕他们的生态系统。"
Brett强调了AI技术的迅速进步如何改变经济学："如果你看GPT-4 Mini的价格...它比两年前的最高质量模型质量高得多，而且便宜得多。我没有计算过，但它可能比自托管任何开源模型都便宜。即使是开源模型的存在，它也不是免费的。推理需要成本。"
他总结道："我认为一般来说对开发者来说现在是一个惊人的时期，因为你有一个非常广泛的选择菜单。实际上，我把它看作是，就像在云计算中一样，你最终会有一个价格性能质量的权衡，对于任何给定的工程才能，他们会有不同的答案，这是合适的。"
八、AI提示优化与思维模型：使用策略解析
Brett Taylor分享了他使用AI模型的策略，尤其是如何通过迭代方式优化提示以获得最佳结果。他的方法揭示了如何充分利用各种AI模型能力的实用见解。
"我经常使用较快的模型，如GPT-4.0，首先优化我的提示，然后再使用更慢但更强大的推理模型，如O1 Pro模式，"Brett解释道。"所以在假期期间，部分是因为我在思考软件工程的未来，我写过很多编译器。我决定看看能否让O1 Pro模式生成一个端到端的编译器，前端解析语法，检查语义正确性，生成中间表示，然后使用LLVM，这是一个非常流行的编译器集合，来实际运行它。"
Brett详细描述了他的工作流程："我会花很多时间在4.0上迭代，来精炼和使我要寻找的东西更完整和具体。然后我会把它放入O1 Pro模式，去拿咖啡，回来拿结果。我不确定这是否是一个可行的技术，但这很有趣，因为我确实认为在AI是更多AI问题的解决方案的精神中，有一个...延迟更低、更简单的模型，帮助精炼。"
他将这个过程比作产品管理："本质上，我喜欢将其视为你像一个产品经理，向工程师询问要做什么。你的产品需求文档是否完整和具体？等待它有时会更慢。所以我喜欢分阶段进行。这就是我的建议。"
Brett透露，Sierra公司的每位工程师都使用Cursor，这是一个与IDE集成以帮助生成代码的产品。"在Sierra，我们帮助公司构建面向客户的AI agents。所以如果你正在设置Sonos扬声器，你现在将与AI聊天。如果你是SiriusXM的订阅者，你可以与Harmony聊天，它是他们的AI，来管理你的账户。"
他分享了他们使用的高级AI技术："我们使用所有这些技巧，自反思来检测幻觉或决策，为更复杂的任务生成思维链，以确保你将尽可能多的计算和认知负荷放入重要的技巧中。所以有一整个行业围绕着...弄清楚如何从这些模型中获得健壮性和精确性。"
Brett强调，这个领域正在迅速发展："真的很有趣，但变化很快。这种自反思机制是，我认为，一种非常有效的技术。"
当谈到为公司创建AI agents时，Brett解释了Sierra的独特方法："一个公司网站上可以做的事情极其多样化...它们已经成为你可以与公司互动的所有可能事项的总和。而Sierra正在帮助客户构建一个能够做到所有这些的对话式AI。当你将对话式AI作为数字前门时，人们可以对它说任何他们想说的话。"
他强调了像这样的AI agents的高标准："当你的AI agents对你的品牌产生幻觉时，情况就完全不同了。所以...门槛更高。因此，这些agents的健壮性、防护机制，一切都更重要，当它是你的，并且带有你的品牌。"
九、教育的未来：AI如何个性化学习体验
Brett Taylor也在访谈中谈到了AI如何彻底变革教育表达了强烈，特别是通过为学生提供前所未有的个性化学习体验。他描述了一个正在从批量生产模式转向量身定制教育的未来。
"我认为教育会在很多方面朝着积极的方向改变，因为实际上，与我的孩子在一起，他们经常问'为什么'时，你知道，如果你有小孩，他们会问'为什么，为什么，为什么？'到了某个时候，父母会开始编造答案或变得敷衍。但是，我们有ChatGPT...当你旅行时，它是最好的解决方法。打开高级语音模式，让他们随便问。而且我也在听，你知道，就像你通过孩子的好奇心来体验。"
Brett描述了AI如何能够实现个性化的教育体验："我认为教育可以变得更加个性化。如果你有一位老师，班上有28个孩子，他们都以相同的方式或以相同的速度学习的可能性非常低。"
他想象了未来班级的场景："我可以真的想象，比如说，一位英语老师或历史老师，协调他们通过一个主题的学习旅程，比如，在美国的AP欧洲历史。有一个课程，他们需要学习它。一个人如何记住或理解马丁·路德的重要性是非常不同的。"
Brett解释了AI如何适应不同的学习风格："你可以为可能是听觉学习者的人生成音频播客。你可以为需要那种重复的人创建提示卡片。你可以为那些只是想要更深刻地感受这是一个有意义的事件，而不仅仅是一段干巴巴的历史的人，将历史的关键时刻可视化。所有这些，正如你所说，都可以个性化，以适应你学习的方式和你如何学习。我认为这只是非常强大。"
Brett强调了AI如何普惠化获取之前是专属的服务："AI的一件很好的事情是，它正在普惠化获取许多过去相当专属的东西。许多富有的人，如果他们的孩子在学校有困难，会为他们提供一个家教，一个数学家教或科学家教。如果你看看试图进入大名校的孩子，如果你有条件，你会找人为SAT做准备，或者帮助你写大学申请文书。如果我们做好我们的工作，所有这些都应该被普惠化。这意味着我们不会根据他们的条件限制人们的机会。"
Brett表达了对公共教育系统正式采用AI工具的热切期望："我认为当公共教育系统正式采用这些东西时，会是非常好的，这样他们就能依靠像ChatGPT这样的工具作为提高课堂表现水平的机制。希望你会在考试成绩和其他方面看到它，因为孩子们可以获得额外的时间，即使学校系统负担不起为每个人提供。最重要的是，孩子们根据他们的学习风格获得解释，我认为这也会非常重要。"
当被问及未来教育应该培养什么技能时，Brett提供了一个平衡的视角："我确实认为学习如何学习和学习如何思考将继续重要。所以我认为大多数初等和中等教育不一定是职业性的...基础学习如何思考，学习读写和阅读，数学，物理，化学，生物，不是因为你需要记忆它，而是理解创造我们生活的世界的机制是相当重要的。"
他警告说，人们需要避免在工具上固化："就像我们谈论软件工程一样，如果你将自己的角色定义为软件工程师，即你在IDE中打字的速度有多快，未来几年可能会让你落后，因为这不再是软件工程体验的差异化部分，或者将不会是。但你作为软件工程师的判断力将继续非常重要。"
Brett总结道："我认为接下来的五年对于某些工作来说将是真正具有破坏性和动荡的。但如果你站得更远，向前看25或50年，我非常乐观。这种变化将需要社会、公司和个人对重新培训和通过这种极不同的新技术的视角重新想象他们的工作持开放态度。"
十、AI解决复杂问题的能力：突破人类智力界限
Brett Taylor讨论了AI即将具备解决人类未能解决的复杂问题的能力，以及这种能力可能带来的深远影响。他的见解揭示了AI如何可能加速科学研究和发现的步伐。
当被问及我们何时能开始看到AI解决人类未能解决的问题时，Brett回应道："我希望很快。我的意思是，我希望——有许多模型引入了非常长的上下文窗口，周末在X上有很多人把他们的论文，你知道，研究生论文放进去。它实际上以惊人的保真度批评它们。我认为我们某种程度上已经到了，可能有了合适的工具，但当然在未来几年内。"
Brett特别强调了那些主要通过文本和数字技术表示的科学领域的潜力："在科学领域，主要通过文本和数字技术表示，如数学可能是最适用的领域，没有什么能阻止AI在数学方面变得非常优秀。它没有与现实世界的接口。你不需要进行临床试验来验证某些东西是否正确。"
他对理论物理学等领域表达了乐观："在理论物理学等领域会很有趣。你还会继续有应用与理论人员之间的分歧，但我认为那里可能会有真正有趣的新想法，也许是找出一些流行理论中的逻辑不一致性，这在过去几十年中已经发生过多次。"
Brett指出科学家们对这些技术的热情接受："大多数科学家，我知道那些实际上在做科学的人，他们对这些技术最兴奋，而我，他们已经在使用它们了。我认为这很棒。我认为我们希望看到科学上更多的突破。"
他提到了近几十年来科学突破减缓的问题："作为一个业余爱好者，我读了很多关于过去几十年科学突破减缓的文章，以及一些理论认为这是因为我们对研究生等要求的专业化程度太高（我理解是在一个领域学得太深，缺乏横向视野）。"
Brett提出了一个有趣的观点，即AI可能会通过使专业知识普惠化而受益"深度通才"："我有一个完全个人的理论，认为它在很多方面也会使深度通才受益，因为你能够理解相当多的领域，并利用AI，知道在哪里提示AI去探索，并将这些领域结合起来，它将开始将智力力量从极其深入的人转移到实际上能够在许多不同领域之间协调智能以实现突破的人。"
他补充道："我认为这对社会将非常有益，因为大多数科学突破不是（单一学科）...它们往往是从许多不同领域交叉共享非常重要的想法，我认为这将非常令人兴奋。"
Brett还讨论了AI中上下文窗口的重要性，这影响了它处理和分析大量信息的能力："我认为它可能相当重要，特别是它肯定简化了与AI的合作。你可以直接给它一切，并指示它去做某事。假设它能工作...我认为它可以真正简化AI的接口。"
十一、Google地图的诞生：周末编码与系统重构的传奇
Brett Taylor还分享了Google地图诞生的内幕故事，以及他如何在一个周末重写了整个系统的传奇经历。这个故事不仅展示了他的技术能力，也揭示了软件开发中迭代和改进的重要性。
"我们在Google推出了一个叫做Google Local的产品，这基本上是一个黄页搜索引擎。可能大多数听众甚至不知道黄页是什么，但那时候是一种东西，"Brett开始讲述道。"我们从当时主导的地图提供商MapQuest那里许可了地图。它在体验中有点碍眼，而且总是觉得它可以成为Google本地搜索和导航体验中更有意义的一部分。"
Brett解释了他们如何找到了一家名为Waresuit Technologies的小公司，由Lars和Jens Rasmussen创立："他们开发了一个名为Expedition的Windows应用程序，这是一个非常漂亮的地图产品。它运行在Windows上，在已经不太流行开发Windows应用的时期，但这是他们熟悉的技术。他们的地图模仿了英国的A到Z地图，而且非常漂亮。他们对地图有很多热情。"
当Google收购了这家公司后，他们将Google Local团队与Lars和Jens的团队结合起来："让我们把这个Windows应用中的好想法和Google Local中的好想法结合起来，创造一些全新的东西。这就是后来成为Google地图的东西。"
Brett指出了这次整合中的几个特点："因为它是一个Windows应用，它在很多方面帮助和阻碍了我们。帮助我们的一个方面是Google地图之所以能让你拖动地图，它比之前的任何网络应用都更具交互性，是因为我们需要达到的交互性标准是由原生Windows应用设定的，而不是由我们使用过的传统网站设定的。我认为通过将目标线设得如此远...我们做出了比我们原本可能做出的更大胆的技术赌注。"
然而，Brett解释了这种转变中的挑战："Windows应用中有很多...很难描述早期2000年代如果人们没有经历过...但XML当时非常流行...所以同样地，当我们采用这些想法并将它们放入网络浏览器时，我们有点进入了自动驾驶模式，使用了大量的XML。这使得一切变得非常非常繁琐。"
随着时间的推移，Google地图面临了问题："它真的开始显示出它的问题。我们到了想要支持Safari网络浏览器的地步，当时它相对较新。这是在移动电话之前。Safari中的XML支持远不如Internet Explorer和Firefox。所以工程师之一在JavaScript中实现了一个完整的XSLT转换引擎来使它工作。而且它就像是狗屎堆砌在狗屎上。原本优雅、快速的网络应用很快变成了某种...有很多拨号调制解调器和其他东西。所以你会打开Maps，它只是很慢，而且作为一个对自己的工艺有很大自豪感的人，这真的困扰了我。"
这导致了Brett采取行动："所以我变得非常有动力，在一个周末和大量咖啡的帮助下，重写了它。重写了整个东西。可能还需要一周的时间来处理错误。但是，是的，我在那个周末之后把它发送给了团队。"
Brett解释了他能够这样做的原因："我是一个不错的程序员，但你也经历了到那一点为止的每一个糟糕决定。我确切地知道我想要的输出。我在脑海中模拟过，如果我能重新来过，这就是我会做的方式。到了周五晚上我动手的时候，我不是在设计一个产品。我知道我从一开始就参与了那个产品的每一个细节，包括那些糟糕的决定。"
这次重写的影响是显著的："我们从200K的包大小减少到20K的包大小，而且它快了很多，更好了。所以总的来说，我认为好的工程文化是，你不想要一种准备、开火、瞄准的文化，但我也认为你需要真正以结果为导向。我认为如果人们变得...他们开始将他们的代码视为太珍贵，它真的可以阻碍前进。"
Brett将这种经验与当前的AI时代相比较："我刚刚听说很多早期的自动驾驶汽车软件是大量手工编码的启发式和规则，很多聪明人认为，最终它可能会是一个更单一的模型，编码了许多相同的规则。在这种转变中，你必须抛弃很多代码，但这并不意味着这不是正确的做法。"
十二、AI agents的定义与应用：自主决策的新时代
在访谈的最后部分，Brett Taylor深入探讨了AI agents的概念、他们的应用以及他如何在Sierra公司领导这个新兴领域。他的见解展示了AI agents如何正在改变品牌与客户的交互方式。
"我将更广泛地定义它，然后告诉你我们在Sierra如何看待它，这是一个更狭窄的视角，"Brett开始解释道。"agents这个词来源于agency（agents能力），我认为它意味着赋予软件推理和自主决策的能力。这就是我认为它对我的意义。"
Brett确定了三个主要的AI agents类别。
首先是个人agents："我确实认为大多数人将拥有可能一个，但可能几个他们每天使用的AI agents，这些agents基本上是放大他们作为个人的能力。你可以完成例行任务，如帮助你筛选电子邮件，到帮助你安排假期...到更复杂的事情，如'我要去向老板要求晋升，帮我角色扮演'。"
他指出这些个人agents的挑战："它可能是一个真正难以构建的产品，因为当你想到你每天与之交互的所有不同服务和人，它几乎是一切。所以它不是...它必须在很多方面实现泛化才能对你有用。而且由于个人隐私等问题，它必须非常好用，你才能信任它。所以我认为它会需要一段时间才能实现。"
第二类是在公司内部填补特定角色的agents："编码agents，律师助理agents，分析师agents。我认为这些已经存在。我提到了Cursor，有一家叫Harvey的公司制作法律agents。我确信分析领域也有很多...这些agents完成一项工作，它们范围更窄，但它们在商业上真的很有价值，因为大多数公司雇佣的人或顾问已经在做这些事情。"
Brett强调了这些垂直agents的商业潜力："这是经济中我认为真正令人兴奋的领域，我对这个领域的所有初创公司都非常兴奋，因为你基本上把过去是人和软件的组合变成了真正解决问题的东西。通过缩小自主性的领域，你可以拥有更强健的防护措施，即使是当前的模型，实际上也能够实现足够有效的东西，在今天就具有商业可行性。"
最后，Brett详细介绍了Sierra专注的领域：公司品牌的客户面向agents："一个公司的品牌客户面向agents。有人可能会说我们在某种程度上帮助客户服务，这是一个角色，但我确实认为它比那更广泛，因为如果你想想一个网站，比如你的保险公司的网站...尝试列出你可以在上面做的所有事情。你可以查看股票报价，你可以查看管理团队，你可以将他们的保险公司与所有竞争对手进行比较，你可以提交索赔，你可以捆绑你的家庭和汽车保险...30年来，公司的网站已经成为你可以与该公司互动的所有事情的总和。"
Brett解释了Sierra如何帮助公司构建能够处理所有这些交互的会话式AI："这就是我们在Sierra帮助客户做的事情，帮助他们构建能够做到所有这一切的会话式AI。所以，你知道，我们的大多数客户从客户服务开始，这是一个很好的应用，因为没有人喜欢等待接听电话，而拥有一个能够完美获取信息、多语言且富有同理心的人是非常棒的。"
Brett指出，当开发面向客户的AI agents时，健壮性和安全性变得尤为重要："如果ChatGPT对你的品牌产生了幻觉，这是一回事。如果你的AI agents对你的品牌产生幻觉，那是另一回事...所以门槛只是更高。因此，这些agents的健壮性、防护措施，一切都更加重要，当它是你的，并且带有你的品牌标识。"
他分享了Sierra平台的独特优势："使用Sierra，你可以定义你的客户体验一次，以一种从所有技术中抽象出来的方式。它可以是聊天，它可以在电话上打给你，它可以是所有这些东西。随着新模型和新技术的出现，我们的平台只会变得更好。但你并没有重新实现你的客户体验。我认为这很重要，因为我们正在谈论的是过去两年发生的事情。"
他总结了Sierra的愿景："当你遇到一个品牌agents时，我们希望Sierra成为支持它的平台。这非常重要，因为...有一个案例，至少在加拿大，Air Canada的AI agents对丧亲政策产生了幻觉。对吧，但他们被认为必须遵守agents所说的话。"
十三、防止公司陷入自满：保持创新与客户连接
Brett Taylor深入探讨了一个关键问题：为什么成功公司往往会陷入自满，以及如何防止这种情况发生。他的见解来自于亲身经历科技巨头兴衰的独特视角，为保持公司活力与创新提供了宝贵的建议。
Brett分享了一个启发性的故事，讲述了当Google从单一建筑搬入硅图形公司的旧园区，以及后来Facebook搬入Sun Microsystems的前园区时的感受："这对我来说是非常有趣的，因为SGI和Sun都是在我的一生中创立并崛起到显赫地位的...足以建造整个公司园区，然后迅速衰落到将公司园区卖给新的软件公司。对我来说，这只是非常有趣，两次经历过这种情况，搬入前所有者使用过的园区。"
这种经历让Brett深刻认识到："这是一个非常鲜明的提醒，科技公司并不理所当然地拥有未来的成功。我认为我们现在会看到这种情况发生在AI上。AI，我认为，将改变软件的格局，从生产力工具到实际完成任务的agents。我认为它将帮助一些公司，因为这放大了他们现有的价值主张，而它将真正伤害其他公司，因为它基本上会...传统软件的基于席位的模型将非常快地衰落，然后真正伤害他们。"
Brett指出了导致公司自满的两个主要因素。首先是官僚主义："官僚主义的根源通常是当出现问题时，公司引入一个流程来解决它。在30年的过程中，所有这些流程的叠加总和...最终成为一个官僚机器，组织甚至很少记得许多规则和流程的原因，但它创造了这种自然的惯性。"
第二个因素是内部叙事变得比客户的真相更强大："随着公司规模的增长，往往其内部叙事可能比来自客户的真相更强大。我记得有一次...智能手机大战的顶峰，我最终拜访了微软园区的一个朋友...突然间，我看到的每个人都在使用Windows手机。而从我当时的角度来看，战争已经输了...这显然是苹果和谷歌之间的两匹马之争，在iOS和安卓之间。"
Brett描述了他在微软看到的现实扭曲："我坐在大厅里等我的朋友...我对一位在微软工作的人发表了评论：'你们是否被要求使用Windows手机？'...我得到了一个非常大胆的回答：'是的，我们会赢。我们正在接管智能手机市场。'而我只是...我什么也没说，因为这有点社交尴尬，我说：'不，你不会。你四年前就输了。'有一些事情正在发生，阻止你了解现实。"
这揭示了大公司内部可能存在的思维模式："如果你在小公司工作，你关心你的客户和竞争对手，你感受到每一个颠簸。当你是一名初级副总裁，比CEO低八个级别，你有一系列目标和结果...你可能专注于'我想从初级副总裁升到高级副总裁。'这就是对我来说成功的样子。你最终会有这种对这个内部世界的短视（也就是眼中只有公司组织内的小宇宙）。"
Brett强调了保持客户连接的重要性："我认为对于任何持久的文化来说，最重要的事情之一，特别是在像软件这样变化如此迅速的行业中，是你的员工与客户的接近程度，以及你的客户的直接声音在多大程度上能够成为你决策的一部分。"
他认为，减少官僚主义需要自上而下的领导："我认为真正需要自上而下的领导来消除官僚主义。当公司消除控制跨度或所有受影响的人员时，这并不总是舒适的...几乎必须来自高层，因为你需要提供保护。几乎肯定会出现一些问题，顺便说一下。我的意思是，流程通常存在是有原因的。但当它们无限积累时，你最终会得到官僚主义。"
Brett总结道："当你进入一个真正官僚的公司时，你可以闻到它.的味道..讲故事很浮夸，过程胜于结果。它会吸走你的能量，你能感觉到这种氛围。"
十四、总结一下AI转型的三个走向
最后小小总结一下，如果这一万多字太长，大家就主要记一下他提到的三大AI转变力量就好了：
首先，软件工程正经历一场根本性变革。Brett强调我们正从"代码作者"向"代码生成机器操作者"转变，这不仅会改变工程师的日常工作方式，还会重新定义整个软件开发周期。这不是简单的效率提升，而是对我们如何构思、创建和验证软件的完全重新构想。值得注意的是，Brett认为当前的编码工具还只是"局部最大值"，真正的突破将来自于针对AI时代专门设计的新型编程系统。
其次，AI agents将重新定义品牌与客户的互动方式。Brett通过Sierra的工作揭示了一个关键转变：从企业定义有限互动选项的模式，转向客户可以用自然语言表达任何需求的模式。这种转变不仅仅是界面上的变化，而是将主导权从公司转移到了消费者手中。对企业来说，这意味着不仅需要适应新技术，还需要重新思考整个客户服务和品牌互动的基础架构。
最后，AI将普惠化对专业知识的获取，从教育到研究再到创新。AI不仅将使专业人士更高效，还将使"深度通才"崛起，这些能够跨领域整合知识的人可能会推动下一波重大突破。这可能会缓解近几十年来科学进步放缓的趋势，为那些能够指导AI探索交叉学科领域的人创造新的优势。我觉得这一点最可怕的是，原来需要一组人干的事情，未来可能一个人+AI就可以了。不然，现在也不会特别流行“一人企业”的概念。