賽車揭示了與 AI 合作的哪些道理——OpenAI Podcast 第 22 集（第 3/3 段）

🧑‍🏫 這段是 OpenAI Podcast 的最後一段，兩位講者從賽車圈的經驗聊怎麼跟 AI 合作：新手怎麼開始、車隊實際怎麼用、AI 普及之後人還剩什麼優勢。值得一看，是因為賽車人要求快、準、不浪費時間，他們的用法能讓你看清楚 AI 用到極致是什麼樣子，也看清楚人的角色在哪裡。

• 27:38 與人溝通時要理解對方的想法，才能幫他溝通得最好、取得最好結果
  ↳ 要先搞懂對方腦中在想什麼、真正要什麼，才知道怎麼幫他把話說清楚，事情也才會有好結果。
• 27:38 入門建議：先去 Reddit 論壇研究各個模型，也可以加入 Discord；確實有 OpenAI 的 Discord，能向各地開發者學到很多
  ↳ Reddit 是國外大型討論區，Discord 是能分主題即時聊天的社群軟體。先去看大家用各模型的真實心得。OpenAI 也有自己的 Discord，可以看到各地開發者怎麼用。
• 27:38 起步就直接到 chatgpt.com（現在也叫 chat.com），保持好奇心
  ↳ 入門不用先學一堆技巧，直接打開 ChatGPT 網站（chatgpt.com 或 chat.com）開始用。重點是保持好奇、願意試。
• 28:12 不要只問天氣，也不要只打一兩三行；敞開心胸丟內容進去，讓對話進行約五分鐘，會開始迸出不同火花
  ↳ 只丟一句短問題，它也只能回普通答案。把背景、資料、想法都丟進去，來回聊個五分鐘，它有了足夠材料，才會冒出你沒想到的點子。
• 28:12 還有 Codex 這類寫程式工具；講者認為能在 IDE 裡使用非常驚人，是很棒的產品
  ↳ Codex 是 OpenAI 幫忙寫程式的工具；IDE 是工程師寫程式用的編輯軟體。AI 直接放在你平常工作的軟體裡，不用切來切去，講者覺得很厲害。
• 28:42 講者過去是把程式碼拖放進 ChatGPT-4o，現在 Codex 直接在桌面上幫忙處理事情，省下時間，晚上能多陪家人
  ↳ 以前要把程式碼貼進 ChatGPT，再把答案貼回去。現在 Codex 直接在電腦上動手處理，省掉搬來搬去的功夫，省下的時間他拿去陪家人。
• 28:42 可以設好目標、讓它自己執行
  ↳ 不用一步步盯著下指令。先講清楚你要什麼結果，讓它自己排步驟、自己做完，你再回來檢查。
• 29:13 要注意 rate limits，講者說「它們終究會找上所有人」
  ↳ rate limits 是使用量上限：一段時間內能用的額度有限，用完就得等。講者的意思是用得越重越容易碰到，遲早每個人都會撞上，要先有心理準備。
• 29:13 目前社會上對 AI 仍有不少負面聲音，可能會持續一段時間，講者認為接受這點是健康的
  ↳ 現在很多人對 AI 有疑慮或反感，這情況一時不會消失。講者覺得不必硬去說服或跟人爭，接受有這些聲音，心態反而比較健康。
• 29:13 但十個人裡總會有一兩個好奇的人，會看見 AI 的另一面
  ↳ 不需要每個人都喜歡 AI。就算多數人沒興趣，總有少數好奇的人願意試，他們會發現 AI 不只是負面新聞裡的樣子。
• 29:43 那一面是：AI 能成為自己想法的延伸，或讓你終於完成想了 10 年的事；不必再當「五年前我就想過」的人
  ↳ 很多人有點子卻一直沒動手，最後只能說「我早就想過了」。AI 降低了動手的門檻，讓你能把放了很久的想法真的做出來。
• 29:43 談到如何贏得第一位客戶，講者說其實是運氣好
  ↳ 被問到怎麼拿到第一個客戶，他沒講什麼成功公式，老實說有很大成分是運氣。
• 30:13 講者搬到 North Carolina，自認是「all-in」的人，決定目標後不一定會考慮風險，直接執行 plan A
  ↳ 他為了賽車搬到美國北卡羅來納州。他說自己一旦決定目標就全力投入，照原本計畫直接做，不太先算風險。
• 30:43 Garrett Smithley 本身就對 AI 有興趣；講者認為興趣無法灌輸給別人，對方必須自己想看見，這是最主要的關鍵
  ↳ 他認為你沒辦法讓一個沒興趣的人喜歡 AI，對方要自己想看見它的價值才行。Garrett 本來就有興趣，這是合作成功的主因。
• 30:43 講者過去的媒體與 podcast 經驗也有幫助，因此他在職位上身兼多職
  ↳ 他做過媒體和 podcast，這些經驗讓他除了技術，也能處理溝通、做內容，所以在團隊裡一個人扛好幾個角色。
• 31:15 結合這些技能，讓 RaceTek 進入 SS-GreenLight Racing，開始探索 NASCAR O'Reilly Auto Parts Series 資料的可能性
  ↳ 靠這些綜合能力，RaceTek 進了這支車隊，開始研究能從 NASCAR 旗下 O'Reilly Auto Parts 系列賽的比賽資料裡挖出什麼。
• 31:15 OpenAI 內部確實有汽車文化；做 AI 和電腦系統的人裡，喜歡內燃引擎（ICE）的人多到會讓很多人驚訝
  ↳ ICE 是內燃引擎，也就是傳統燒油的引擎。意思是在 OpenAI 做 AI 的人當中，其實有很多是真心的車迷。
• 31:49 賽車吸引人之處：它把所有努力濃縮起來——車輛設定、車手訓練計畫、不斷預測天氣——最後都歸結成一個數字（圈速或名次）
  ↳ 賽車前面要做很多事：調車、訓練車手、一直盯天氣，最後只換來一個結果，就是跑幾秒、第幾名。好壞一目了然，這點很迷人。
• 32:20 研究也類似：花數月看資料集、跑實驗、試不同架構，最後就是要讓 test loss 下降
  ↳ test loss 是模型面對沒看過的資料時出錯多少的分數，越低越好。做 AI 研究也是花好幾個月試資料、試不同架構（模型的設計方式），最後只看這數字有沒有降。
• 32:20 test loss 只是一個數字，但在賽道上那個數字是能「感受到」的
  ↳ 兩邊都在追一個數字。研究的數字只出現在螢幕上，賽車的數字是車在賽道上真的跑出來的，人感受得到。
• 32:51 賽車追求的是邊際效益（marginal gains）；對手都是業界頂尖，找到任何一點進步都很了不起
  ↳ marginal gains 就是一點一點的小進步。對手都是頂尖好手，彼此差距本來就很小，能再擠出一點點進步都得來不易。
• 32:51 談 AI 與機器人的未來時，人們常忘記很多事物之所以有趣，是因為以人為中心；賽車就是典型例子
  ↳ 大家談 AI、機器人會取代什麼時，常忘了很多東西好看，是因為是人在做。賽車迷看的，就是人在極限下的表現。
• 32:51 或許會有人想看機器人賽車，但講者不認為 IndyCar 或 NASCAR 會很快消失
  ↳ IndyCar 和 NASCAR 是美國兩大賽車系列。也許會有人想看機器人賽車，但他不認為人開的賽車會因此很快消失。
• 33:21 AI 在賽車運動的應用非常以人為中心；賽車人極度目標導向，不是要 AI 帶路，而是清楚要求 AI 交付特定成果
  ↳ 賽車人很清楚自己要什麼，不會讓 AI 決定方向，而是直接指定「我要這個結果」，要 AI 做出來。主導權在人身上。
• 33:21 他們對品質要求極高，而且不想浪費任何時間
  ↳ 他們要的東西必須又準又好，而且不能拖。AI 給的答案不夠好或太慢，對他們就沒有用。
• 33:51 與 Chip Ganassi 合作讓 OpenAI 學到：模型表現要多高才能達到這種期待，這也推動模型不斷把目標拉高
  ↳ Chip Ganassi 是美國知名車隊老闆。跟這種頂尖車隊合作，讓 OpenAI 看清模型要多強才夠用，也逼著模型持續往上提升。
• 33:51 這跟問好玩的問題、探索可能性很不一樣；要求很嚴苛，模型必須有效率
  ↳ 一般人問 AI 可能只是好玩、隨便試試。賽隊是拿來辦正事的，答案要對、要快，模型沒有慢慢繞路的空間。
• 34:25 使用的工具必須即時提供最準確的資訊；講者說他們在這方面下了很多功夫
  ↳ 比賽狀況一直在變，工具給的資訊要又即時又正確，慢一步或錯一點都可能出事。講者說他們在這部分下了很多功夫。
• 34:25 賽車像團隊運動，競爭激烈、強度高；講者認為這很適合 AI 模型發揮，因為它唯一的工作就是優化所有環節
  ↳ 賽車靠整個團隊合作，壓力又大。模型在這裡的角色很單純，就是把每個環節調到最好，這正好適合它發揮。
• 34:57 這比較像協作環境，人類永遠是與這些系統合作時很重要的一部分
  ↳ 這是人和 AI 一起做事，不是 AI 取代人。人一直都是這個合作裡不可少的一環。
• 34:57 講者表示若 NASCAR 或 IndyCar 走向自駕賽車會很不開心，也不認為它們會這樣做
  ↳ 他個人很不希望 NASCAR 或 IndyCar 變成沒有車手的自駕車比賽，也認為這些賽事不會走這條路。
• 35:27 自駕賽車已經存在，例如在 Abu Dhabi，工程師團隊打造自駕開輪賽車參賽，目前仍會撞牆，但從 2022 年至今已有進步
  ↳ 自駕賽車現在已經有了，例如 Abu Dhabi 就有工程團隊做無人駕駛的開輪式賽車參賽。這些車現在還會撞牆，但從 2022 年到現在有在進步。
• 35:27 講者比喻：這就像問「會不會用機器人取代籃球員？」答案是不會；看機器人丟球的世界可能存在，但不會取代人們想看人類表現的世界
  ↳ 就像不會有人用機器人取代籃球員。也許會有機器人投籃的比賽，但大家想看人打球的需求不會消失，兩者可以並存。
• 35:59 例子：人類剛看過太空人繞月飛行；探測器也做過，但由人來做才真的很酷
  ↳ 探測器早就飛過月球，但人類太空人繞月還是讓大家很激動。同樣一件事，由人親自去做，感覺就是不一樣。
• 35:59 問題：當大家都會用 AI、到了 AGI、能叫 Codex 幫賽隊做事時，優勢從哪來？
  ↳ AGI 一般指在多數事情上跟人一樣能幹的 AI。問題是：如果每支車隊都有一樣強的 AI，工具都一樣，要靠什麼贏？
• 35:59 回答：取決於誰做得最久、誰有最好的直覺與品味、誰能在當下最有效地傳達需要做的事——優勢回到人的手上
  ↳ 工具一樣時，差別又回到人身上：誰累積的經驗最久、誰判斷最準、眼光最好，誰能在關鍵時刻把該做的事講得最清楚。
• 36:32 當優勢幾乎人人可得（講者說他們正努力讓這成真），會給大車隊帶來壓力，因為中小型車隊會開始追上來
  ↳ 講者說他們正努力讓這些工具人人用得到。這樣一來，大車隊靠錢和人力堆出來的優勢會變小，中小車隊就有機會追上。
• 37:05 長期以來各車隊、各組別像各自的小筒倉；當這些界線淡化，比的是誰在 prompting、誰每週建出最好的 workflow，就像現在工程師用 Excel 表
  ↳ 以前各車隊、各部門各做各的。以後比的是誰會 prompting（對 AI 下指令）、誰每週建出最好的 workflow（工作流程），就像現在工程師比誰的 Excel 表好用。
• 37:05 比的是誰能建出最好的系統，彈指間取得所需資訊，而不必和四五個人商量才做決定
  ↳ 誰的系統好到一問就拿到需要的資訊，誰就能當下自己做決定，不用先找四五個人商量。
• 37:39 因為在那 10 秒內，你可能已經毀了整場比賽
  ↳ 比賽變化很快。等你問完一輪人，可能才過 10 秒，但這 10 秒就足以讓整場比賽輸掉。
• 37:39 最後取決於人：能和模型合作得多好、多了解什麼是可能的，以及多了解自己的環境
  ↳ 說到底還是看人：你跟 AI 配合得多順、知不知道它能做到什麼，還有你對自己所處的環境了解多少。
• 37:39 另一位講者補充：AI 會讓創意在尋找優勢時變得重要許多
  ↳ 另一位講者補充：大家都有 AI 之後，比的會是誰的點子多，誰能想到別人沒想到的做法。
• 38:14 賽車運動曾經歷只看投資的週期：投入資源、工程與努力打造某樣東西，就能找到優勢
  ↳ 以前賽車比較像比誰砸得多：投入資源、工程和人力做出新東西，就能取得優勢。
• 38:14 現在打造的成本已不同以往，例如過去需要聘軟體工程師或各種專家，現在不一定需要
  ↳ 現在要做出一樣東西，成本跟以前不一樣了。以前得先請軟體工程師或各種專家，現在很多事不一定要先請人才能開始。
• 38:44 講者不說 AI 會取代專家，但 AI 能讓你在探索新點子時走得更遠，之後再找專家檢查、微調
  ↳ 他不是說專家沒用了。而是你可以先用 AI 把新點子推進得比較遠，最後再請專家來檢查、調整細節。
• 38:44 只要想得出點子，就能在 AI 幫助下更快自己驗證
  ↳ 只要想得出點子，就能先用 AI 很快試做出來，自己確認可不可行，不必等別人。
• 38:44 講者期待看 Chip Ganassi Racing 的賽車專家想出什麼點子，並告訴他們「你現在可以自己做出來」
  ↳ 他很期待 Chip Ganassi Racing 裡那些賽車行家會想出什麼點子，也想告訴他們：你們現在可以自己動手做出來。
• 39:15 不必把一群人拉進會議室才知道點子合不合理；先自己琢磨，再問「過去需要的資源，現在還需要哪些？」
  ↳ 以前要評估一個點子，得先把一群人找進會議室。現在可以先自己用 AI 想清楚，再回頭問：以前需要的資源，現在還需要哪些？
• 39:15 賽道之外，講者工作的各個面向幾乎都用 AI；有時當助理，讓事情照進度推進
  ↳ 賽道以外，他的工作幾乎處處都用 AI。其中一種用法是當助理，幫他盯著事情照進度往前走。
• 39:49 也用不同的 coding agents 做開發，即時壓力測試點子；比賽中得到的想法，回家就立刻用 coding agents 做出雛形
  ↳ coding agents 是能自己寫程式、動手完成開發工作的 AI 工具。他在比賽中想到點子，回家馬上用它做出雛形，立刻測試想法站不站得住。
• 39:49 雛形完成後仍有大量步驟要做，才能排除問題、把事情做對
  ↳ 做出雛形只是開頭，後面還有很多步驟要做，把問題找出來、修好，事情才算真的做對。AI 讓起步變快，但後面的功夫還是要做。
• 40:20 AI 也用在組織與管理：聯繫企業談贊助、替車手找內容機會、排行程等
  ↳ AI 也幫他處理管理類的事：聯繫企業談贊助、替車手找拍內容的機會、安排行程等。
• 40:20 講者認為 AI 最有用的地方是讓他在同時處理多件事時保持進度，延伸到每週的後勤工作
  ↳ 他覺得 AI 最大的用處是讓他同時處理好幾件事也不會落後，連每週的後勤雜事都能跟上。
• 40:52 最愛的賽車電影：一位說 Ford v Ferrari；另一位說 The Fast and the Furious: Tokyo Drift，是早年讓他入坑的一部
  ↳ 最後聊最愛的賽車電影：一位選《賽道狂人》（Ford v Ferrari），另一位選《玩命關頭：東京甩尾》，那是早年讓他迷上賽車的片。

講者建議剛開始用 ChatGPT 時，應該讓一段對話進行大約多久，才會開始看到想法迸出火花？